Masterarbeit PlanungundImplementierungeines ......Eye-Tracking ist die technische Erfassung von...

Fakultät für Elektrotechnik, Informatik undMathematik

Masterarbeit

Planung und Implementierung einesExperiment Builders für Usability

Studien zu blickbasierter Interaktion

vorgelegt von: Birte Heinemann

Studienbereich: Informatik

Erstgutachter: Dr. Michael J. Tauber

Zweitgutachter: Prof. Dr. Gerd Szwillus

Paderborn, den 21. Oktober 2016

Zusammenfassung

Die vorliegende Arbeit stellt die Planung und Implementierung einer Softwarevor, welche die Erstellung von empirischen Usability Studien zu blickbasierterInteraktion ermöglicht. Im Planungsprozess der Software wurden empirischeForschungsmethoden recherchiert und ausgewertet. Außerdem wurden beste-hende Softwarelösungen analysiert. Die Software unterstützt empirische Studienzu verschiedenen Themen, wie Interaktionstechniken und der Gestaltung vonObjekten auf Oberflächen. Ein besonderer Fokus lag auf der Erweiterbarkeitder Software. Zusätzlich werden in dieser Arbeit mögliche Anwendungen undForschungsfragen vorgestellt, welche durch die Software unterstützt werden.

iii

Inhaltsverzeichnis

Abbildungsverzeichnis ix

1. Einleitung 11.1. Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.2. Zielsetzung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61.3. Gliederung der Arbeit . . . . . . . . . . . . . . . . . . . . . . . 7

2. Grundlagen 92.1. Anatomische Grundlagen zum Eye-Tracking . . . . . . . . . . . 92.2. Eye-Tracking Methoden und Technologien . . . . . . . . . . . . 10

2.2.1. Cornea Reflex Methode . . . . . . . . . . . . . . . . . . . 122.2.2. Technische Daten und Eigenschaften von Eyetrackern . . 132.2.3. Probleme bei der blickbasierten Interaktion . . . . . . . 162.2.4. Bewertungsmetriken . . . . . . . . . . . . . . . . . . . . 192.2.5. Blickbasierte Interaktionstechniken . . . . . . . . . . . . 23

2.3. Empirische Forschungsmethoden . . . . . . . . . . . . . . . . . . 292.3.1. Wichtige Begriffe empirischer Forschungsmethoden . . . 302.3.2. Der Forschungskreislauf . . . . . . . . . . . . . . . . . . 482.3.3. Wissenschaftliche Hypothesenbildung . . . . . . . . . . . 492.3.4. Stand der Forschung und eigener Erkenntnisanspruch . . 512.3.5. Methoden der Datenerhebung, Forschungsdesigns . . . . 512.3.6. Datenanalyse und Ergebnisinterpretation . . . . . . . . . 622.3.7. Ausblick und Schlussfolgerungen . . . . . . . . . . . . . . 63

v

3. Verwandte Arbeiten 653.1. Experimentdesign Software . . . . . . . . . . . . . . . . . . . . . 65

3.1.1. Experiment Design Tool . . . . . . . . . . . . . . . . . . 653.1.2. SR Research Experiment Builder . . . . . . . . . . . . . 663.1.3. experimentator . . . . . . . . . . . . . . . . . . . . . . . 683.1.4. Open Sesame . . . . . . . . . . . . . . . . . . . . . . . . 683.1.5. ITU Gaze Tracker . . . . . . . . . . . . . . . . . . . . . . 693.1.6. Test Planner . . . . . . . . . . . . . . . . . . . . . . . . . 703.1.7. Testplanner . . . . . . . . . . . . . . . . . . . . . . . . . 71

3.2. Empirische Untersuchungen . . . . . . . . . . . . . . . . . . . . 713.2.1. Empirically Based Design Guidelines for Gaze Interaction

in Windows 7 . . . . . . . . . . . . . . . . . . . . . . . . 713.2.2. New Solution to the Midas Touch Problem . . . . . . . . 723.2.3. Neuronal Response Gain Enhancement prior to Micro-

saccades . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

4. Software 754.1. Softwareplanung, Entwurf und Eigenschaften . . . . . . . . . . . 754.2. Implementierung . . . . . . . . . . . . . . . . . . . . . . . . . . 77

4.2.1. Entwicklungsgrundlage . . . . . . . . . . . . . . . . . . . 784.2.2. Komponenten . . . . . . . . . . . . . . . . . . . . . . . . 804.2.3. Experimente als Baumstrukturen . . . . . . . . . . . . . 814.2.4. Selektionstechniken . . . . . . . . . . . . . . . . . . . . . 894.2.5. Verarbeitung der Messdaten . . . . . . . . . . . . . . . . 94

4.3. Zentrale Bestandteile der Implementierung . . . . . . . . . . . . 964.3.1. Randomisierung: Durstenfeld’s shuffle . . . . . . . . . . . 964.3.2. Versuchleitermodus . . . . . . . . . . . . . . . . . . . . . 974.3.3. Interne Repräsentation der visuellen Stimuli . . . . . . . 1014.3.4. Kommunikation, Kindanzahl Schleifen . . . . . . . . . . 102

4.4. Erweiterungsmöglichkeiten . . . . . . . . . . . . . . . . . . . . . 1034.4.1. Erweiterung des Baumes . . . . . . . . . . . . . . . . . . 1044.4.2. Erweiterung der Auswahltechniken . . . . . . . . . . . . 1074.4.3. Erweiterung der Kontrollitems . . . . . . . . . . . . . . . 1094.4.4. Erweiterung der Messdaten Verarbeitung . . . . . . . . . 109

5. Untersuchungspläne 1135.1. Aufbau und Ablauf . . . . . . . . . . . . . . . . . . . . . . . . . 1135.2. Genauigkeit bei Kopfbewegungen . . . . . . . . . . . . . . . . . 115

vi

5.3. Störvariablen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1175.4. Ermüdung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1175.5. Learnability . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1185.6. Visuelle Suche . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1195.7. Objektdesign . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119

5.7.1. Größe der Objekte . . . . . . . . . . . . . . . . . . . . . 1205.7.2. Farben . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120

5.8. Interaktionstechniken und Feedback . . . . . . . . . . . . . . . . 1215.8.1. Interaktionstechniken . . . . . . . . . . . . . . . . . . . . 1215.8.2. Feedback . . . . . . . . . . . . . . . . . . . . . . . . . . . 122

6. Diskussion der Ergebnisse 1256.1. Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1256.2. Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126

Literaturverzeichnis 129

Anhang 143A.1. Unabhängige Variablen in der CSV . . . . . . . . . . . . . . . . 143A.2. Entwurfsskizzen . . . . . . . . . . . . . . . . . . . . . . . . . . . 150A.3. Messdaten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152

vii

Abbildungsverzeichnis

1.1. Analoge Buchstabenkarten . . . . . . . . . . . . . . . . . . . . . 21.2. Barrierearme horizontale Navigation? . . . . . . . . . . . . . . . 5

2.1. Aufbau des Auges . . . . . . . . . . . . . . . . . . . . . . . . . . 112.2. Cornea Reflex Methode . . . . . . . . . . . . . . . . . . . . . . . 132.3. Präzision vs Genauigkeit bei Eyetrackern . . . . . . . . . . . . . 142.4. Die Bedeutung vonWinkelgrad für die Genauigkeit von Eyetrackern 152.5. Zwei-Stufen-Auswahlmechanismus . . . . . . . . . . . . . . . . . 262.6. Sticky Gaze Pointer . . . . . . . . . . . . . . . . . . . . . . . . . 292.7. Untersuchung mit Distraktoren . . . . . . . . . . . . . . . . . . 372.8. Beispiel Trials . . . . . . . . . . . . . . . . . . . . . . . . . . . . 392.9. Definition von Korrelationen . . . . . . . . . . . . . . . . . . . . 422.10. Beispielkorrelationen in Streudiagrammen . . . . . . . . . . . . 442.11. Definition von Kausalität . . . . . . . . . . . . . . . . . . . . . . 462.12. Der Forschungskreislauf . . . . . . . . . . . . . . . . . . . . . . 492.13. Haupttypen der experimentell-korrelativen Versuchsdesigns . . . 53

3.1. GUI des SR Research Experiment Builders . . . . . . . . . . . . 673.2. GUI der Software OpenSesame . . . . . . . . . . . . . . . . . . 69

4.1. Entwurfsskizze des Experiment Builders . . . . . . . . . . . . . 764.2. Screenshot Experiment Builder Oberfläche . . . . . . . . . . . . 784.3. Aufbau der GUI des Experiment Builders . . . . . . . . . . . . . 794.4. Überblick über die Komponenten der Software . . . . . . . . . . 814.5. Experimentbaum aus Sicht der GUI . . . . . . . . . . . . . . . . 824.6. Abstrahierter Sequence Node . . . . . . . . . . . . . . . . . . . 83

ix

4.7. Sequenz für randomisierte Teilexperimente . . . . . . . . . . . . 844.8. Abstrahierter Loop Node . . . . . . . . . . . . . . . . . . . . . . 844.9. Einstellungsmöglichkeiten für Graphic Screens . . . . . . . . . . 874.10. Beispiele für drei einfache Anzeigeelemente . . . . . . . . . . . . 874.11. Tabellenentwurf für unabhängige Variablen . . . . . . . . . . . . 884.12. Beispiele für drei Szenen mit visuellen Stimuli . . . . . . . . . . 894.13. Übersicht über die Selektiontechniken . . . . . . . . . . . . . . . 904.14. Übersicht über die Bestätigungstechniken . . . . . . . . . . . . . 914.15. Zustände der GUI bei Auswahl der Selektionsmethode . . . . . 934.16. Ergebnisrepräsentation der Messdaten . . . . . . . . . . . . . . 944.17. Screenshots der Trials mit Blickpunktvisualisierung . . . . . . . 964.18. Dialog “Start des Experiments“ . . . . . . . . . . . . . . . . . . 984.19. Glättungswerte im Vergleich . . . . . . . . . . . . . . . . . . . . 994.20. Visualisierung der Mouse Noise . . . . . . . . . . . . . . . . . . 1004.21. Kommunikation der Kinderanzahl . . . . . . . . . . . . . . . . . 1034.22. Erweiterungsideen für Gesten . . . . . . . . . . . . . . . . . . . 1094.23. Auswertung innerhalb des Experiment Builders . . . . . . . . . 110

5.1. Aufbau bei einem Experiment . . . . . . . . . . . . . . . . . . . 1145.2. Experimentbaum zu Kopfstabilisierung . . . . . . . . . . . . . . 116

A.1. Beispiel CSV Datei 1 . . . . . . . . . . . . . . . . . . . . . . . . 147A.2. Beispiel CSV Datei 2 . . . . . . . . . . . . . . . . . . . . . . . . 148A.3. Beispiel CSV Datei 3 . . . . . . . . . . . . . . . . . . . . . . . . 149A.4. Entwurfsskizze: Experiment Root Node . . . . . . . . . . . . . . 150A.5. Entwurfsskizze: Schleife des ersten Treatments . . . . . . . . . . 151A.6. Entwurfsskizze: Visual Stimuli . . . . . . . . . . . . . . . . . . . 151A.7. Messdaten ohne Erklärungen . . . . . . . . . . . . . . . . . . . . 152A.8. Messdaten mit Erklärungen . . . . . . . . . . . . . . . . . . . . 153

x

Kapitel 1Einleitung

1.1. Motivation

Die Geschichte des Amerikaners Don Moir zeigt, was Technik ermöglichen kann.Don Moir leidet an amyotrophen Lateralsklerose (ALS), einer unheilbarenKrankheit, bei der die Motoneuronen irreversibel geschädigt werden. Dieshat zur Folge, dass sich die Betroffenen immer weniger bewegen können DieMuskulatur der Betroffenen degeneriert. Bei Don ist die Krankheit inzwischenso weit fortgeschritten, dass er nicht mehr sprechen kann. Andere Bewegungensind schon viel länger nicht mehr möglich. Die Diagnose wurde 1995 gestellt,seitdem hat er immer weitere motorische Fähigkeiten verloren. Seit 1999, vierJahre nach der Diagnose, kann er nicht mehr sprechen. 2014, also 15 Jahrenachdem er die Fähigkeit zu Sprechen verloren hat, ist ein Projekt der “Notimpossible Labs“ mit Don und seiner Frau Loraine gestartet. Das Projekt“Dons Voice“ hat das Ziel eine Möglichkeit zu schaffen, die Don hilft wiederselbstständiger zu kommunizieren. Dazu haben die Entwickler die analogenBuchstabenkarten mit denen Don und seine Frau jahrelang kommunizierthaben, digital nachgebaut, sodass heute ein Eyetracker seine Augenbewegungeninterpretierten kann. Ein Foto, wie Don und Loraine die Buchstabenkartengenutzt haben, ist in Abb. 1.1 zu sehen.1

Eine weitere Organisation, die sich ebenfalls dem Thema verschrieben hat,Menschen mit technischen Hilfsmitteln eine Stimme zu geben und auch andem Projekt von Don Moir beteiligt war, ist die “SpeakYourMind Foundation“.Ein Einblick in ihre Arbeit zeigt, dass momentan jedes Programm individuellangepasst werden muss und es noch nicht möglich ist, Systeme zu entwickeln,die den Bedürfnissen Vieler angepasst sind.2

Die Beispiele auf den Seiten der beiden Firmen zeigen, dass die Nutzung ei-nes Computers für Menschen mit Behinderungen nicht selbstverständlich ist,

1http://www.notimpossiblenow.com/labs/dons-voice, letzter Zugriff am 08.08.20162http://speakyourmindfoundation.org/, letzter Zugriff am 08.08.2016

1

http://www.notimpossiblenow.com/labs/dons-voice

http://speakyourmindfoundation.org/

Kapitel 1. Einleitung 1.1. Motivation

Abbildung 1.1.: Don und Loraine Moir haben 15 Jahre lang mit Hilfe von Buch-stabenkarten miteinander kommuniziert. Heute hilft ihnen eine Software, die dieAugenbewegungen von Don interpretiert, bei der Kommunikation.1

besonders die häufig fehlende Zugänglichkeit ist ein Problem. Dem gegenüberstehen viele Szenarien, nicht zuletzt das von Beispiel von Don Moir, die zeigen,dass Menschen mit Behinderungen von der Nutzung eines Computers profi-tieren können. Ein wichtiger Punkt, mit dem ein Mehrwert für Don erreichtwerden konnte, ist die Möglichkeit der Kommunikation. Technische Gerätebieten aber noch weitere Möglichkeiten neben der technischen Unterstützungder Kommunikation an. Sie können zum Beispiel Zugänglichkeit zu Bildungermöglichen.

Ein weiterer Aspekt, in dem technische Geräte ein großes Potenzial für Menschenmit Behinderungen bieten, ist die Möglichkeit durch ihre Nutzung eine höhereSelbstständigkeit zu erhalten. Seite an Seite mit diesem Aspekt bietet dieZugänglichkeit auch Chancen für die Person eine größere Selbstbestimmung zuerlangen. Zugänglichkeit wird hierbei nicht nur in rein technischem Kontextverwendet, sondern kann ebenso meinen, dass den Menschen mit bestimmtenBehinderungen zum Beispiel durch Rampen, Treppenlifte, Fahrstühle oder dieKennzeichnung durch das Blindenleitsystem an Bahnhöfen die Nutzung vonöffentlichen Verkehrsmitteln zugänglich gemacht wird. Diese Thematik wirdauch mit dem Begriff Barrierefreiheit umschrieben und ist z.B. auch im Design

2

1.1. Motivation Kapitel 1. Einleitung

von Artefakten ein wichtiges Thema (vgl. [LHB09]). Barrierefreiheit bedeutet,dass “Objekte und Umgebungen [...] so gestaltet sein [sollten], dass möglichstviele sie ohne Änderungen benutzen können.“ [LHB09, S. 14]

Doch Barrierefreiheit ist kein Thema, dass sich allein auf Menschen mit Behinde-rung beschränkt. Barrierefreiheit bringt allen Menschen etwas (vgl. [Bre13, S. 27,28]). In [The10] werden die Vorteile von barrierefreier Entwicklung auch ausunternehmerischer Sicht zusammengefasst. Außerdem zeigt der Autor die großeBandbreite an potentiellen Nutzern, die durch diese Entwicklungsmethodenangesprochen werden können:

Aus Sicht eines Unternehmens ermöglicht es Barrierefreiheit, eineweit größere Zielgruppe anzusprechen und Millionen zusätzlichenpotentiellen Kunden den Zugang zu Informationen und Angeboteneiner Internetpräsenz zu ebnen. Dazu zählen nicht nur Menschen mitschweren und permanenten Einschränkungen, Kranke und Verletzte,funktionale Analphabeten und Legastheniker sowie die steigendenZahl an Senioren („Silver Surfer“), sondern auch Interessenten undKunden, die veraltete Technik nutzen, oder aber den allerneuestenStand der Technik, und mit mobilen Endgeräten wie etwa einemSmartphone bzw. PDA25 surfen. Auch Umgebungsbedingungenkönnen die Wahrnehmung und Bedienung einer Benutzerschnitt-stelle einschränken, etwa wenn diese durch einen hohen Lärmpegel(z. B. in einer Fabrikhalle) oder Zwang zur Stille (z. B. in einer Bi-bliothek) keine akustische Ausgabe gestatten, die Lichtverhältnisseeinen besonders hohen Kontrast erfordern (z. B. auf einer Baustelle)oder eine Tastatursteuerung komfortabler ist, da sich keine ebeneFläche für die Maus finden lässt (z. B. auf den Grünflächen einesCampus). [The10, S. 38]

Eine Möglichkeit um die Zugänglichkeit von Computern zu erhöhen, sodassmehr Menschen die Nutzung von Technik ermöglicht werden kann, sind al-ternative Eingabemethoden. Eye-Tracking ist die technische Erfassung vonBlickbewegungen. Diese Daten kann man, wie das Beispiel von Don Moir amAnfang dieses Kapitels zeigt, nicht nur zur Auswertung von Studien, zumBeispiel zur Wirksamkeit der Werbung, sondern auch als Eingabe für einenComputer verwenden. Eye-Tracking kann herkömmliche Eingabegeräte sowohlergänzen, als auch als Alternative für Maus und Tastatur verwendet werden.Blickbewegungsmessung kann in besonderen Fällen, wie Don Moirs, eine Com-

3

Kapitel 1. Einleitung 1.1. Motivation

puternutzung sogar erst ermöglicht, in anderen Fällen kann Eye-Tracking dieTechniknutzung unterstützen.

Die Idee die Augenbewegungen als Eingabe zu benutzen ist keine, die erstin den letzten Jahren aufgekommen ist. In den Achtziger Jahren wurde eserstmals möglich Augenbewegungen technisch aufzuzeichnen. Zuerst wurde dieseDisziplin vor Allem von Studien zum Leseprozess, Marketinguntersuchungen,Experimenten zu kognitiven Prozessen und anderen psychologischen Themenvoran getrieben, doch mit dem Aufkommen des Personal Computers und demtechnischen Fortschritt Eye-Tracking in Realtime durchzuführen, begann manEye-Tracking auch für die Mensch-Computer-Interaktion zu nutzen. [JK03]

Auch die Idee Eye-Tracking als assistierende Technologie einzusetzen stammtaus dieser Zeit. Insbesondere Dr. James Levine an IBMs Mensch–Computer-Interaktions Forschungsabteilung und Dr. Thomas E. Hutchinson waren füh-rende Wissenschaftler in diesem Bereich. [HWM+89, Lev81]

Doch auch wenn die Idee Augenbewegungen als Eingabe für Menschen mitBehinderung zu verwenden schon in den achtziger Jahren entstanden ist, gibtes noch viele offene Forschungsfragen, insbesondere wenn das Ziel ein Compu-tersystem zu entwickeln ist, dass ohne technische Schwierigkeiten funktioniert,einfach zu benutzen und zugänglich ist für viele Menschen, die im bestenFall verschiedene Arten von Beeinträchtigungen haben könnten. Die aktuelleForschung beschäftigt sich viel mit den Interaktionen und Möglichkeiten, we-niger mit den Limitierungen eines solchen Systems. Ein weiteres noch nichtgefülltes Forschungsthema ist die Erstellung von anwendbaren Richtlinien fürBlickinteraktionen und Benutzeroberflächen.

Raudsandmoen und Rødsjø haben gezeigt, dass die empirische Untersuchungvon Richtlinien für blickbasierte Interaktionen zu guten Ergebnissen führen kann.Sie haben in einem Teil ihrer Arbeit eine Korrelation zwischen der Bedienung vonKontrollelementen und dem äußeren Erscheinungsbild des Elements gefunden.Sie haben zum Beispiel gezeigt, dass die Usability von Buttons stark von derenGröße abhängt. Eine besonders interessante Beobachtung hierbei ist, dass dieStandardgröße von Buttons bei Windows 7 nur von durchschnittlich 47% dergetesteten Probanden, welche keine besondere Bedürfnisse hatten, getroffenwurde. Dieses Beispiel zeigt wie wichtig es ist, die Designvoraussetzungen fürBlickinteraktion zu testen und Richtlinien festzulegen. [RR12]

4

1.1. Motivation Kapitel 1. Einleitung

Abbildung 1.2.: Dieses Beispiel zeigt, wie eine barrierearme, horizontale Naviga-tion mit aufklappbaren Untermenüs aussehen könnte. Ist es möglich auf so einerMenüstruktur mit den Augen zu interagieren? Nach: [Bre13, S. 114]

Richtlinien brauchen grundlegende Forschung, um zuverlässig zu sein. Zu Blick-interaktionen gibt es bisher wenige empirische, standardisierte und wiederholba-re Experimente. Der Stand der Forschung besteht aus einigen Testumgebungenund Frameworks, um Usabilitytests zu planen, meistens für spezifische For-schungsfragen. [Ton09, RR12]

Die Anwendbarkeit von bestehenden Anleitungen für barrierefreie Anwendun-gen, wie zum Beispiel den Designanregungen für barrierefreie Seitennavigationvon Timm Bremus (siehe Abb. 1.2), sind noch nicht auf die Benutzerfreund-lichkeit bei der Anwendung von Eye-Tracking geklärt. Bei verschachteltenMenüdesigns wie der Navigation, die Bremus vorschlägt, sind wahrscheinlichSchwierigkeiten bei der Selektion der Items zu erwarten, weshalb die verschie-denen Strukturelemente im Zusammenhang mit Eye-Tracking geprüft werdensollten.

Auch andere Quellen, die Konzepte vorstellen, die die Barrierefreiheit vonWebseiten fördern sollen, können keine Richtlinien vorweisen, die darauf aus-gelegt sind die Bedienung mittels eines Eyetrackers zu ermöglichen. Hinweisefür eine Gestaltung unter Rücksichtnahme von Menschen mit Mobilitätsbe-hinderungen führen dabei häufig nicht die Möglichkeit der Blickeingabe aus(vgl. [HP11], [RM13]).

Um zuverlässige empirische Aussagen über Beschränkungen für die Nutzungvon Eyetrackern geben zu können fehlt noch Grundlagenwissen zu Limitie-rungen dieser Eingabemethodik. Neben beschränkenden Schwellwerten, diebenötigt werden, damit man verlässliche Hinweise geben kann, werden auchDaten benötigt, um zu analysieren inwiefern Systeme anpassbar sein müssen(vgl. [RM13, S. 345]). Diese Masterarbeit soll die Forschung darin unterstützen

5

Kapitel 1. Einleitung 1.2. Zielsetzung

in Zukunft zu empirisch unterlegten Richtlinien zu kommen und mit diesenin Zukunft Software zu entwickeln, die auch ohne größere Anpassungen vonMenschen wie Don Moir genutzt werden kann.

1.2. Zielsetzung

Das Hauptziel dieser Masterarbeit ist es eine Software zu entwickeln, die es er-möglicht empirische Tests für blickbasierte Interaktionstechniken, insbesonderefür den Eyetracker “GP3“ der Firma Gazepoint des Fachgebietes Mensch-Computer-Interaktion und Softwaretechnologie, zu erstellen.

Vor der Entwicklung der Software werden in einem ersten Schritt bestehen-de Softwarelösungen, die für ähnliche Problemstellungen konstruiert wurden,auf den Funktionsumfang untersucht. Ähnliche Problemstellungen sind zumBeispiel psychologische Experimente, die die menschliche Kognition untersu-chen. Diese Vorgehensweise soll sicherstellen, dass in der Entwurfsphase fürdie neue Software keine benötigten Funktionen unberücksichtigt bleiben. Dieelementaren Funktionen einer Experiment-Planungssoftware, die für empirischeUntersuchungen der Blickbedienung benötigt werden, werden in dieser Arbeitrealisiert. Weiterführende Funktionen sollen an vielen Stellen durch eingebauteSchnittstellen hinzugefügt werden können. Die Erweiterbarkeit der Softwaresoll in den Aufbau einbezogen werden.

Bei der Erstellung der Software wird dabei auf folgende Kriterien besondererWert gelegt:

• Die in der Masterarbeit von Thorsten Bövers implementierte Schnittstellezum Eyetracker wird benutzt, revidiert und erweitert, siehe [Böv14]

• Die Nutzung von Interfaces an wichtigen Stellen, wie zum Beispiel beiden Einstellungsmöglichkeiten des Layouts oder bei der Erstellung neuerInteraktionstechniken, soll eine größtmögliche Erweiterbarkeit gewährleis-ten

• Die Software stellt empirisch-konzeptuelle Grundlagen bei der Entwick-lung von Experimenten bereit

6

1.3. Gliederung der Arbeit Kapitel 1. Einleitung

• Die Software ermöglicht die Erstellung von Experimenten, ohne dass derVersuchsleiter Programmierkenntnisse benötigt

• Ein Export der Ergebnisse ist möglich

• Unterstützung der verschiedener Imageformate (.png, .jpg, .bmp)

• Einen Debug-Modus, um die Experimente in der Entstehungsphase effek-tiver testen zu können

• Integrierte Randomisierung

• Die Software könnte auch ohne den Eyetracker zur Erstellung von UsabilityStudien genutzt werden

Ein weiteres Ziel dieser Arbeit ist es Grundlagen empirischer Forschungsme-thoden zu recherchieren und vorzustellen. Hiermit wird ein Grundstein fürnachfolgende Arbeiten gelegt.

1.3. Gliederung der Arbeit

Die vorliegende Arbeit untergliedert sich in folgende Abschnitte. Nach diesemTeil werden in Kapitel 2 Grundlagen für diese und weitere Arbeiten erörtert.Zunächst werden kurz die biologischen und technischen Grundlagen besprochen,anschließend werden ausführlicher empirische Forschungsmethoden vorgestellt.Die Erkenntnisse aus den Grundlagen sind in viele Designentscheidungen für dieSoftware eingeflossen und sollen einen guten Startpunkt für spätere Arbeitenmit der Software liefern.

Das Kapitel 3 gibt einen Überblick über den derzeitigen Stand der Forschung.Dieses Kapitel bettet das Thema dieser Masterarbeit in den Forschungsstandein und stellt Arbeiten, Produkte und Lösungen vor, die sich mit einer ähnlichenThematik auseinandersetzen.

Daraufhin wird im vierten Kapitel die Software vorgestellt. Zuerst folgt einekurze Beschreibung der Planungsphase und anschließend Details über dieImplementierung und Umsetzung. In Abschnitt 4.4 werden die wichtigstenErweiterungsmöglichkeiten der Software vorgestellt.

7

Kapitel 1. Einleitung 1.3. Gliederung der Arbeit

Kapitel 5 zeigt Möglichkeiten auf, was für Experimente in der Grundfassung derSoftware umgesetzt werden können. Ergänzend werden einige Untersuchungenvorgestellt, die durch Erweiterungen der Software ermöglicht werden können.

Im darauffolgenden Kapitel 6 werden die erarbeiteten Ergebnisse diskutiert. Diewesentlichen Ergebnisse der Arbeit werden in diesem Teil zusammengefasst. Imzweiten Abschnitt dieses Kapitels werden Forschungsziele beschrieben, die mitder Software erreicht werden können und wie weitere künftige Entwicklungender Forschung aussehen könnten.

8

Kapitel 2Grundlagen

In diesem Kapitel werden die für diese Arbeit benötigten Grundbegriffe definiertund einige technische Aspekte von Eye-Tracking Systemen geklärt. Außerdembehandelt ein großer Teil dieses Kapitels empirische und methodische Grundla-gen, die zur Erstellung von aussagekräftiger Forschung benötigt werden. DieseErkenntnisse helfen nicht nur bei der Planung der Software, sondern sollen auchspäteren Arbeiten als Startpunkt für die empirische Methodik dienen.

2.1. Anatomische Grundlagen zum Eye-Tracking

Das Auge ist ein Sinnesorgan, das biologisch dazu dient Licht, Farben undBewegungen wahrzunehmen und zur räumlichen Orientierung genutzt wird (vgl.[DWS14, S. 216]). Die Bewegungen des Auges werden durch Muskeln gesteuert,die den kugelförmigen Teil des Auges in verschiedene Richtungen lenken können.Es gibt drei Freiheitsgrade, die durch die ebenfalls drei Hauptdrehachsenfestgelegt werden. [SK12, S. 4]

Die Bewegungen des Auges lassen sich je nach Quelle unterschiedlich klassifi-zieren. In [DWS14] werden drei Typen von Augenbewegungen unterschieden,während andere Quellen, wie [Duc07], sogenannte Mikrobewegungen als wei-teren Typ hinzuzählen (vgl. [DWS14, S. 217, 555, 1347f], [Duc07, S. 46]). DaMikrobewegungen für die Präzision von Eyetrackern eine Störquelle darstel-len, werden diese in der nun folgenden Aufzählung der Bewegungstypen alsgesonderter Punkt aufgezählt.

• Der erste Typ sind Sakkaden, welche schnelle, ruckartige, sprunghafte Be-wegungen beschreiben, die zwischen zwei Fixationen liegen. Die Sehschärfeist während dieses Vorgangs vermindert (sakkadische Unterdrückung).

• Während der Fixation finden langsame Korrekturbewegungen statt, dieals Augenfolgebewegungen bezeichnet werden. Hierbei handelt es sich umkontinuierliche Bewegungen des Auges, die zum Beispiel dem Ausgleich

9

Kapitel 2. Grundlagen 2.2. Eye-Tracking Methoden und Technologien

der Kopfbewegungen dienen oder um der Bewegung eines Gegenstandeszu folgen.

• Während der Fixation steht das Auge nicht so still, wie man meinenkönnte. Es finden über die Dauer der Fixation ständig Mikrobewegungenstatt, dazu zählen Mikrosakkaden, Tremor und Drifts.

• Als Vergenz bezeichnet man

langsame Bewegungen der Augen relativ zueinander, bei de-nen das Prinzip der �identischen Innervation� beider Augen,das für Sakkaden und Folgebewegungen gilt, durchbrochen ist.[Vergenzen] dienen der Verlagerung des Fixationspunktes inder Tiefe [...]. [DWS14, S. 217]

Während einer Vergenzbewegung werden die Winkel der Augenblickachsenangepasst.

Um die Funktionsweise von Eye-Tracking Systemen wie dem “GP3“ nachzu-vollziehen, ist es wichtig den Aufbau des Auges näher zu betrachten. Das Augebesteht aus vielen Bestandteilen, die verschiedene Funktionen haben. Nebender Pupille ist die Hornhaut für das Eye-Tracking ein besonders interessanterBestandteil des Auges. Bei der Hornhaut handelt es sich um den gewölbtenTeil der Augenhaut, der für die Lichtbrechung verantwortlich ist. Die Hornhautist glasklar und zu jeder Zeit von einer Tränenflüssigkeit benetzt, dadurch hatdie Hornhaut die Eigenschaft, dass sie einfallende Lichtstrahlen größtenteilsreflektiert. Der schematische Aufbau des Auges mit Fokus auf die für Eyetrackerrelevanten Bestandteile in Abb. 2.1 dargestellt. [Gei11], [Duc07, K. 5]

2.2. Eye-Tracking Methoden und Technologien

In diesem Abschnitt sollen die wichtigsten technischen Grundlagen zum Ver-ständnis dieser Arbeit gegeben werden. Der Fokus liegt auf der Technologiedes Eyetrackers “GP3“, der für diese Arbeit verwendet wird. Genauere In-formationen zu Eyetrackern können zum Beispiel aus [HNA11] entnommenwerden.

10

2.2. Eye-Tracking Methoden und Technologien Kapitel 2. Grundlagen

Abbildung 2.1.: Wichtige Bestandteile des Auges für den Eyetracker. Links: Sche-matischer Aufbau des Auges. Mitte: Auge aufgenommen mit einer normalen Kamera.Rechts: Aufnahme des “GP3“. Nach: [Ham08, S. 5]

Es gibt verschiedene Techniken um die Augenbewegungen zu erfassen. Diesebestehen zum Beispiel darin spezielle Kontaktlinsen in die Augen einzusetzen,die Muskelbewegungen um das Auge aufzuzeichnen (Elektrookulogramm) oderin der Messung des Infrarotreflexes auf der Hornhaut(Cornea Reflex Methode).Da die Cornea Reflex Methode bei dem für diese Arbeit verwendeten Eyetra-cker genutzt wird und die am weitesten verbreitete Methode ist (vgl. [Duc07,S. 51]), wird diese Methode im ersten Unterabschnitt dieses Teils vorgestellt.Die anderen Techniken können z.B. in [SK12, S. 4–12] und [Duc07, K. 5]nachgeschlagen werden.

Eine weitere Differenzierungsmöglichkeit um, die verschiedenartigen Systemezu klassifizieren, bietet die Unterscheidung in den Grad der Invasivität. RemoteEyetracker, d.h. Eyetracker, die in einiger Entfernung zum Probanden installiertsind und die Daten berührungslos liefern können, haben die geringste Invasivität.Je mehr ein System den Benutzer beeinträchtigt und je stärker der Eingriff ist,desto höher ist die Invasivität. Zu dieser Klasse der Eyetracker zählt auch derin dieser Arbeit verwendete “GP3“. Head-Mounted Systeme, also Systeme, dieauf dem Kopf der Versuchsperson angebracht werden, haben zwar den Vorteil,dass Bewegungen der Versuchsperson keine Störung erzeugen, dafür gibt eskein raumfestes Bezugssystem, wie bei Remote-Eyetrackern. [Voß10, S. 11–13]

Einen Vergleich und Überblick über die Eigenschaften verschiedener Technikenliefert Tab. 2.1, welche auch den Unterschied zwischen einem fixierten Kopfund einem frei beweglichen Kopf bei Remote-Video Systemen hervorhebt.

11


RäumlicheAuflösung

ZeitlicheAuflösung

Invasivität Stimuli

Remote-Video 0.5◦ 500 Hz Minimal 2DRemote-Video(Kopf fixiert)

0.2◦ 1000 Hz Mittel 2D

Elektrooculografie 1◦ 1000 Hz Mittel 2D/3DKontaktlinsen-methoden

0.01◦ 400 Hz Maximal 2D/3D

Head-Mounted-Video 0.05◦ 500 Hz Hoch 2D/3D

Tabelle 2.1.: Verschiedene Techniken um Blickbewegungen zu messen im Vergleich.Bei dem “GP3“ handelt es sich um ein Remote-Video System. Nach: [Voß10, S. 13]

Methodisch können verschiedene Aspekte der Augenbewegungen analysiertwerden. Neben Fixationen, die zwischen 100 und 400 Millisekunden liegen,werden häufig Sakkaden untersucht, d.h. schnelle Blicksprünge zwischen denFixationen mit bis zu 600 ◦/s. Andere Messobjekte, die an dieser Stelle nurerwähnt werden sollen, liefern die Pupillengröße und Lidschlüsse. Diese beidenKenngrößen werden zum Beispiel in der Emotionsforschung eingesetzt. [SK12,S. 3]

2.2.1. Cornea Reflex Methode

Die Cornea Reflex Methode ist die aktuell am häufigsten verwendete Methodezur Blickbewegungsmessung (vgl. [Duc07, S. 51], [Gei11]). Bei dieser Metho-de werden corneale Reflexionen auf der Hornhaut erzeugt, indem das Augemit einem schwachen, infrarotem Licht beleuchtet wird. Nahe der infrarotenLichtquelle ist ein Kamerasystem installiert, welches auch die infraroten Wellen-längen des Lichts aufzeichnet. Die Reflexionen werden auch als Purkinje imagesoder Purkinje reflections bezeichnet. Durch die vorausgehende Kalibrierung desSystems kann anhand des cornealen Reflexes die Blickrichtung des Probandenberechnet werden. Für die Berechnung wird auch der Pupillenmittelpunkt alsReferenzwert genutzt. In Abb. 2.2 kann man beispielhaft sehen, wie die visuellenDaten eines Eyetrackers aussehen können. [Duc07, S. 54], [Gei11], [Ham08, S. 5]

12


Abbildung 2.2.: Bestandteile der Berechnung der Blickposition durch den“GP3“: Anzeige der Kontrollsoftware während der Kalibierung (grün), ZentrumPupille (orange), Zentrum der Hornhautreflexion (türkis), resultierender Vektor(blau). Nach: [Ham08, S. 5]

2.2.2. Technische Daten und Eigenschaften von Eyetrackern

Es gibt verschiedene Hersteller von Eye-Tracking Systemen. Die wohl größtendrei Herstellerfirmen sind SR Research Ltd. aus Kanada, SMI GmbH ausDeutschland und die schwedische Firma Tobii AB. [HNA11, S. 9]

Ein großer Nachteil an Eye-Tracking Systemen ist, dass die Hardware häufig sehrteuer ist und trotz vieler Versprechen der Herstellerfirmen kein Allheilmittel fürdarauf angewiesene Menschen darstellt. Man kann sich leicht vorstellen, dass dieUmstellung eines normalen Computers zur vollständigen Eyetracker Nutzungnicht allein mit dem Einstöpseln der Hardware abgeschlossen ist. (vgl. [Bre13,S. 49])

Für diese Arbeit wurde ein vergleichsweise günstiger Eyetracker (c.a. 500 USD)genutzt, der von der Firma Gazepoint entwickelt und hergestellt wird. Dieserzeichnet sich dadurch aus, dass die Herstellung mittels 3D Drucker realisiertwird und günstigere Technik verbaut ist. Die technischen Daten des “GP3“Eyetrackers zeigen aber, dass dieser durchaus mit den teureren Produktenmithalten kann.1

Der “GP3“ sendet mit 60Hz und bietet mit 0,5 bis 1 Winkelgrad Abweichungder Genauigkeit typische Werte.1 Die Genauigkeit von Eyetrackern beschreibtwie akkurat die Blickposition bei Drehbewegungen des Auges aufgezeichnetwerden können. Eine gute Veranschaulichung, was Genauigkeit bei Eyetrackernbedeutet, ist in den Abb. 2.3 und Abb. 2.4 zu finden. [HNA11]

1http://www.gazept.com/product/gazepoint-gp3-eye-tracker/, letzter Zugriff am 21.07.2016

13


Abbildung 2.3.: Der Unterschied zwischen Präzision und Genauigkeit, zwei typi-schen Benchmarks für Eyetrackersysteme. Quelle: https://blog.gfk.com/2011/05/the-most-precise-or-most-accurate-eye-tracker/

Abb. 2.3 zeigt den Zusammenhang von Präzision und Genauigkeit. Präzisionbeschreibt, ob bei wiederholten Messungen der gleiche Punkt als solcher erkanntwird. Um diesen Wert zu bestimmen werden künstliche Augen eingesetzt,die ohne Zittern auf einen Punkt gerichtet werden. Je näher die gemessenenBlickpunkte aneinander sind, desto höher ist die Präzision des Eyetrackers.Die Genauigkeit eines Eyetrackers charakterisiert, ob die Messpunkte desEyetrackers mit den tatsächlichen Blickpunkten übereinstimmen. [HNA11]

In der Abb. 2.4 ist an einem Beispiel gezeigt, wie der Wert für Genauigkeit zuinterpretieren ist. Die Person sitzt etwa 70cm von dem Monitor entfernt. Bei70cm Abstand und einer Genauigkeit des Eyetrackers von einem Winkelgradbeträgt der Radius des blauen Kreises 0,6 cm. In dem blauen Umkreis, umden mit einem X markierten Messpunkt, den man von dem Eyetracker erhält,befinden sich die tatsächlichen Blickpunkte der Person.

Aus Abb. 2.4 kann man schließen, dass die Genauigkeit erst dann eine bedeu-tende Auswirkung auf die Benutzung hat, sobald die Objekte, die dargebotenwerden eine bestimmte Größe unterschreiten. Es ist jedoch festzuhalten, dassdie Genauigkeit eine größere Rolle spielt, je kleiner die Objekte sind, die aufeinem Bildschirm angezeigt werden. [HNA11]

14


Abbildung 2.4.: Die Bedeutung der Genauigkeit von Eyetrackern wird demons-triert. Der blaue Kreis zeigt den Bereich in welchem die tatsächlichen Blickpunkte desNutzers liegen können, hier bei 70cm Entfernung der Person und 1 Winkelgrad Ge-nauigkeit. Quelle: https://blog.gfk.com/2011/05/the-most-precise-or-most-accurate-eye-tracker/

Ein weiterer Wert der sich eignet um Eyetracker verschiedener Herstellermiteinander zu vergleichen ist der Spielraum, den der Kopf des Probanden hat.In der Tiefe bietet der “GP3“ einen Spielraum von ± 15 cm. Horizontal könnenlaut Herstellerangaben bis zu 25 cm erfasst werden und vertikal sind 11 cmSchwankungen möglich. Außerdem wird die Größe des Bildschirms, mit demder Eyetracker genutzt werden kann, auf maximal 24 Zoll eingeschränkt.

Ein Nachteil von Eyetrackern ist, dass sie relativ hohe Systemanforderungenhaben, sodass sie nicht mit jedem Gerät verwendet werden können. Der “GP3“hat zum Beispiel folgende Anforderungen: “Intel Core i7 or faster, 8 GB RAM,Windows 7, 8.1 or 10“ 2.

Eine Eigenschaft, die alle Eyetracker gemeinsam haben, ist, dass das Control-Display-Gain-Problem nicht auftreten kann, da kein Mapping zwischen derBewegung eines Inputgerätes, wie der Maus, auf die Bewegung des Mauszeigersstattfinden muss. Deshalb wird die Benutzung von Eyetrackern auch gerneals intuitiv bezeichnet. Weitere Vorteile, die die Blickeingabe mit sich bringen,sind:

2http://www.gazept.com/product/gazepoint-gp3-eye-tracker/, letzter Zugriff am 21.07.2016

15


• Untersuchungen konnten zeigen, dass Nutzer blickbasierte Steuerungbeziehungsweise eine kombinierte Steuerung subjektiv als schnell undkomfortabel wahrnehmen. [KPW, S. 5]

• Einige Metriken von Eye-Tracking Untersuchungsergebnissen sind kaumdurch den Probanden beeinflussbar. Ein Beispiel dafür ist, ob ein be-stimmter Bereich Aufmerksamkeit auf sich lenkt. Unabhängig von dersubjektiven Einschätzung des Probanden, kann man anhand der Blick-daten qualitative und quantitative Aussagen darüber treffen, ob diesubjektive Einschätzung zutrifft. [Gei11]

Im Gegenzug gibt es aber auch Probleme, die Eyetracker als Eingabegerätemit sich bringen, diese werden nun folgend vorgestellt. An die Schwierigkeitenschließt sich ein Abschnitt an, in dem einige Interaktionstechniken vorgestelltwerden. Die Eigenschaften dieser Interaktionstechniken, sowie Vor- und Nach-teile können mit Hilfe von Experimenten empirisch bestimmt werden.

2.2.3. Probleme bei der blickbasierten Interaktion

Für die Schwierigkeiten, die bei blickbasierten Interaktionen auftreten, gibt esbisher noch keine universelle Lösung. Dies ist ein Grund dafür, dass verschiede-ne Interaktionstechniken entwickelt wurden. In diesem Teil werden zunächstdas Midas-Touch-Problem, danach weitere Schwierigkeiten und Störvariablenbeschrieben. Die Hindernisse beziehen sich besonders auf die Cornea ReflexMethode, andere Methoden zur Aufzeichnung können andere Probleme mitsich bringen.

Midas-Touch-Problem

Wenn man einen Eyetracker als Eingabegerät nutzt, dann gibt es neben ver-schiedenen Hindernissen auch noch ein besonderes Problem bei der Interak-tionsgestaltung. Dieses Problem wird Midas-Touch-Problem genannt. [Jac93,S. 16]

Die Schwierigkeit, die durch das Midas-Touch-Problem beschrieben wird, ist,dass man entscheiden muss, ob ein Benutzer ein Objekt lediglich anschaut und

16


wann der Benutzer mit dem Objekt interagieren möchte. Die Daten, die manvon den Eyetrackern erhält, lassen keine eindeutige Bestimmung der Absichtdes Probanden zu. Wann möchte man eine Aktion auslösen, wann möchte manetwas betrachten ohne damit zu interagieren?

Die meisten Lösungen, die für dieses Problem existieren, erweitern die Au-gensteuerung durch eine weitere Eingabemodalität. Diese Lösungsvorschlägewerden in dem Teil über Interaktionstechniken (Kap. 2.2.5) vorgestellt. [WW16,S. 123], [KNAH10, S. 8], [Jac93, S. 16]

Mikrobewegungen und Ungenauigkeit

Das Auge ist auch während einer Fixation nicht völlig ruhig und es ist nichtmöglich genau einen Punkt oder gar einen Pixel über eine längere Zeit zu fixieren,da sich das Auge unbewusst kontinuierlich bewegt. Diese Zitterbewegungenführen dazu, dass die Blickposition nicht exakt bestimmt werden kann. [Jac93,S. 17]

Ein Ansatz dieses Problem abzuschwächen ist es, die Daten mit Filteralgorith-men zu glätten. Hierbei werden Schwellwerte gesetzt, die für Position und Ver-weildauer genutzt werden oder es werden Mittelwerte aus mehreren Blickpunk-ten gebildet. [KPW] beschreibt, dass das Problem dabei ist geeignete räumlicheBereiche, die als zulässig gelten, zu definieren. [JK03, S. 596], [EK03], [Gei11]

Sehhilfen

Sowohl Brillen als auch Kontaktlinsen stellen nach [HNA11, S. 122-125] einenStöreinfluss auf die Genauigkeit des Eye-Trackings dar. Harte Kontaktlinsenstören hierbei weniger als weiche Kontaktlinsen, unter denen sich Luftbläschensammeln können. Diese werfen das Infrarotlicht zurück und erschweren deshalbdie Erkennung des corealen Reflexes. Ein weiteres Problem ist, dass sich dieseLuftbläschen während und nach der Kalibrierung verschieben können, wodurchmit der Zeit die Präzision und Genauigkeit abnimmt.

[HNA11] beschreibt außerdem, dass Brillengläser die meisten Schwierigkeitendurch Spiegelungen erzeugen. Es kann auch zu einem Problem werden, dass inungünstigen Winkeln Teile der Pupille durch den Brillenrand verdeckt werden

17


oder ein Schatten entsteht. In diesem Fall kann der Eyetracker nicht den exaktenMittelpunkt der Pupille berechnen. Es kann auch vorkommen, dass das Bildfür den Eyetracker durch die Brillengläser unschärfer wird.

Die Kalibrierung kann deutlich mehr Zeit in Anspruch nehmen, falls sich in derBrille auch noch weitere Quellen infrarotem Lichtes spiegeln. Diese zusätzlichenQuellen haben bei Personen ohne Brillengläser oft keine direkten Auswirkungen.[HNA11] erörtert, dass der zusätzliche Aufwand entsteht, da in dem Fall weitererLichtquellen ein Winkel gefunden werden muss, in denen die Brillengläser sowenig Spiegelungen wie möglich aufweisen.

Bifokalgläser, d.h. Brillengläser die eine Trennlinie haben und für zwei verschie-dene Entfernungen eingesetzt werden können, stellen einen so großen Störfaktordar, dass von ihrer Nutzung konsequent abgeraten wird (vgl. [HNA11]).

Weitere Einflussgrößen

[HNA11, S. 116-128] nennt eine Reihe weiterer Einflussgrößen, die Auswirkungenauf die Genauigkeit der Messung mit einem Eyetracker haben.

Sonne Besonders störend sind wechselnde Lichtverhältnisse, dadiese die Kalibrierung deutlich erschweren. Wenn die Kali-brierung nicht mehr zu den Gegebenheiten passt, werdendie Daten des Eyetrackers ungültig, d.h. ändert sich dieVerteilung von Infrarotlicht in der Umgebung, z.B. weildie Sonne von Wolken verdeckt wird, wird die Genauigkeiteines Eyetrackers stark verringert. [HNA11, S. 125,126]

Tränende Augen Tränende oder feuchte Augen führen wie zum BeispielBrillengläser dazu, dass die cornealen Reflexionen nichtmehr eindeutig sind, da diese sich aufsplitten können odernicht mehr exakt sind. [HNA11, S. 126,127]

Aufbau Beim Aufbau des Eyetrackers und der Kalibrierung istdarauf zu achten, dass der Eyetracker nicht zu tief oderzu hoch angebracht wurde und das die Pupille immer,auch wenn der Benutzer sich etwas bewegt, ganz für denEyetracker erkennbar ist. [HNA11, S. 116,119]

18


Wimperntusche Ein weiterer Störfaktor für Eye-Tracking sind getuschteund geschminkte Wimpern. Das Problem ist, dass sie dieErkennung der Pupille erschweren, da diese weitere dunkleBereiche in der Nähe des Auges entstehen lassen, die derEyetracker fälschlicherweise als Pupille annehmen könn-te. [HNA11, S. 119,120]

Okulare Dominanz Okulare Dominanz steht für die bevorzugte Nutzung desretinalen Abbildes von einem Auge. Die okulare Dominanzist besonders dann von Bedeutung, wenn ein monocula-rer Eyetracker verwendet wird. Die Empfehlung lautet,den Eyetracker dann auf das sogenannte dominante Augeauszurichten [HNA11, S. 119].

Ein einfacher Test, welches Auge dominant ist, wird in[GW03, S. 510-511] vorgestellt. Hierfür erhält der Probanddie Anweisung auf einen entfernten Punkt oder ein ent-ferntes Objekt zu zeigen. Während der Proband auf dasObjekt zeigt, soll er nun nacheinander jeweils ein Augeschließen. Das Auge, dass direkt auf das Ziel schaut ist dasdominante Auge.

Bei biocularen Eyetrackern sollte man sich bewusst sein,dass es zu Verzerrungen durch Augendominanz kommenkann, diese fällt aber nicht so deutlich ins Gewicht, wiebei monocularen Eyetrackern. Es konnte gezeigt werden,dass die Auswertung mit Daten beider Augen die bestenResultate liefert. [CH06]

2.2.4. Bewertungsmetriken

Zunächst werden die wichtigsten von [JK03, S. 581] aufgezählten Metriken,die durch einen Eyetracker erfasst werden können, vorgestellt. Anschließendwerden Metriken aufgeführt, die typisch sind für experimental-psychologischeUntersuchungen und Usability Studien. Die Auswahl der Parameter hängenvon der Studie und deren Zielen ab, die folgenden Auflistungen sollen einenÜberblick über die Maßeinheiten geben.

19


Eye-Tracking Metriken

[JK03, S. 581-586] berichtet von möglichen Maßeinheiten, die in Studien mitEyetrackern verwendet werden können. Aus diesen Maßeinheiten resultierendie abhängigen Variablen, welche in diesem Kapitel im Teil über empirischeMethoden noch genauer beschrieben werden (siehe 2.3.1).

Fixationen Fixationen werden in den von [JK03, S. 581] zusammenge-fassten Studien meistens innerhalb von zwei Winkelgradüber eine Dauer von 100-200 ms gemessen. Außerdemgibt es einen Schwellwert, der die Geschwindigkeit desBlickes begrenzt, dieser liegt typischerweise bei 15-100Grad pro Sekunde. Aspekte, die sich für eine Auswertunganbieten, sind zum Beispiel die Anzahl von Fixationen,die Fixationslänge, die Fixationsrate in verschiedenenBereichen des Bildschirms usw.

Blickdauer Die Blickdauer besteht typischerweise aus mehreren Fi-xationen, die in einem bestimmten Bereich stattfinden,den man “Area of Interest“ nennt. Der Begriff Blickdauerumfasst mehrere Bezeichnungen, wie zum Beispiel Fixa-tionsdauer, Fixationszyklus, Verweilzeit (“dwell, glance,fixation cycle“ [JK03, S. 581]). Findet eine Fixation au-ßerhalb der Area of Interest statt, wird dieses als Endeder Blickdauer definiert. Auch bei der Blickdauer könnenverschiedene Gesichtspunkte betrachtet werden, nicht nurdie Blickdauer in den “Areas of Interest“, sondern auchdie prozentuale Rate, die in diesen Bereichen vergangenist, kann ausgewertet werden.

Sakkadenlänge Eine weitere Möglichkeit ist es, die Länge der Blicksprün-ge zu untersuchen, die zwischen zwei Fixationen liegen.

Scan Path Scan Path beschreibt den Blickpfad, den eine Person zeigt,wenn sie etwas auf der Seite finden möchte. Verschiede-ne Eigenschaften von Blickpfaden können ausgewertetwerden: Die Länge, die Dauer, die Richtung und den Be-reich der visuellen Suche (konvexe Hülle des Suchpfades).

20


Suchpfade bestehen aus einer Gruppe von Fixationenund Sakkaden.

Spontane Fixationen Bei spontanen Fixationen handelt es sich um kurze Fixa-tionen (< 240 ms), die in der von [JK03]) vorgestelltenStudie im Kontrast zu längeren Fixationen unterschiedenwerden (> 320 ms). Die Fixationslänge wird als Maßgenutzt, um entscheiden zu können, ob eine Fixationbewusst oder unbewusst ausgeführt wurde. Die beidenWerte werden als Schwellwerte genutzt, um eine möglichsteindeutige Klassifizierung der Fixationen zu erreichen.

Sweep Ein Sweep wird definiert als Pfad, der in eine Richtungverläuft und aus einer Reihe von Sakkaden besteht, vgl.dazu auch [HNA11, 8.4.7].

Genauere Informationen sind [JK03, S. 581-586] und [TA13, S. 172-173] zuentnehmen.

Usability Metriken

Typische Metriken für User Experience Studien werden von [TA13], besondersin den Kapiteln 4 und 5, vorgestellt. Die nun folgende Aufzählung enthält diewohl meist genutzten Perfomancegrößen nach [TA13]:

Erfolg Ob eine Aufgabe erfüllt werden konnte ist eine naheliegendeMetrik um nicht besonders stark differenzierte, aber dochaussagekräftige Schlüsse ziehen zu können. Wenn eine Persones nicht schafft eine Aufgabe zu erfüllen, ist es häufig von In-teresse zu analysieren, weshalb das Ziel nicht erreicht werdenkonnte.

Misserfolg Es gibt verschiedene Gründe, weshalb Misserfolg eine Metriksein kann, die sich als Maßeinheit eignet. Ein Beispiel fürMisserfolg wäre nicht nur, dass ein falsches Element ausge-wählt worden ist, sondern auch, wenn vor der Auswahl desZielobjektes, andere Objekte ausgewählt wurden.

21


Zeit Die Zeit ist eine gute Ergänzung zu den vorherigen Maßenund lässt sich auch gut für verschiedene Teile einer Aufgabedifferenziert messen, zum Beispiel, wie lange der Probandbraucht um eine bestimmte “Area of Interest“ zu erreichenund wie viel Zeit anschließend gebraucht wird bis der Probanddie in der Untersuchung gestellte Aufgabe erreicht hat.

Effizienz Effizienz beschreibt wie viel Aufwand der Nutzer betreibenmuss, um ein Ziel zu erreichen. Eine Möglichkeit die Effizienzmessbar zu machen, ist zum Beispiel die Anzahl der benötig-ten Klicks auf einer Webseite zu zählen, die nötig sind umein vorher definiertes Ziel zu erreichen.

Erlernbarkeit Die Erlernbarkeit oder Learnability ist eine Metrik, die mitverschiedenen Faktoren messbar gemacht werden kann. Manversteht unter Learnability wie gut bzw. wie schlecht etwaserlernbar ist. Es handelt sich um ein Zusammenspiel aus be-nötigter Zeit, um Aufgaben zu lösen, und dem Erfolg hierbei.Eine andere Möglichkeit ist zu beobachten, ob die Fehlerratesinkt. Die Besonderheit bei dieser Metrik ist, dass sie sichhäufig auf einen Prozess bezieht und dadurch zu verschiede-nen Zeitpunkten, evtl. sogar über einen längeren Zeitraum,gemessen wird.

Subjektive Maße Der Einsatz von subjektiven Maßen wird im Teil über empi-rische Forschungsmethoden noch genauer angesprochen, daes besonders schwierig ist diese zu definieren und zu erheben,siehe 2.3.1. Hierbei kann es sich zum Beispiel um Fragenwie “Wie attraktiv ist die Webseite für dich?“ handeln oderum die Einschätzung welche Selektionsmethode sich für denProbanden besser angefühlt hat, vgl. [TA13, K. 6]. SubjektiveMaße werden häufig über Fragebögen erfasst. Zur Konstruk-tion von Fragebögen und wie man subjektive Maße empirischkorrekt abfragen sollte, siehe [DB16, S. 398–429].

[GW03, S. 501-502] stellt Studien vor, die untersuchen, ob Eye-Tracking Er-gebnisse mit Maßeinheiten von Usabilitystudien korrelieren. Zusammenfassendkann man festhalten, dass viele Ergebnisse aus Studien mit Eyetrackern alsgute Indikatoren für Usabilitystudien dienen können. Einige Usabilityaspekte

22


wie Feedback, Qualität oder Fehlerbehandlung sind aber nicht so direkt durchEye-Tracking unterstützbar.

Einen besonders ausführlichen Einblick in die Metriken und deren Einsatzmög-lichkeiten bietet [PB06].

2.2.5. Blickbasierte Interaktionstechniken

Die Wahl der richtigen bzw. einer guten Interaktionstechnik hat einen großenEinfluss darauf, ob ein Benutzer ein gutes Gefühl beim Arbeiten mit derSoftware hat. Das Ziel bei der Entwicklung von Computerprogrammen ist es,dass der Benutzer die gewünschten Aufgaben erledigen kann, ohne dass seineAufmerksamkeit auf die Benutzungsweise des Programms gelenkt werden muss,weil der Benutzer sich zum Beispiel fragt, wie er einen bestimmten Arbeitsschrittausführen kann. [Bul94]

[Fol10] beschreibt, dass verschiedene Arten von Interaktionstechniken eingesetztwerden können, um Aufgaben am Computer erfüllen zu können. Die Frage,wie unterschiedliche Eingabegeräte eingesetzt werden können, um diese Aufga-ben zu erfüllen, ist eine Frage in der interdisziplinären Forschung an welcherauch die Informatik beteiligt ist (vgl. [Bul94]). Interaktionstechniken nutzenGestaltungselemente, um die Interaktion mit dem Benutzer zu ermöglichen. DieDarstellung der Informationen und die Dialoggestaltung stellen die Entwicklervor schwierige Entscheidungen. Deshalb wird es in der heutigen Ausbildungvon Informatikern als wichtig angesehen Prinzipien und Methoden für guteDialogestaltung zu vermitteln. [HSB+09, S. 219]

Ein Problem, welches die Dialoggestaltung und viele Eingabegeräte betrifft,das sogenannte Problem des Mappings, ist bei Eyetrackern unproblematisch,da die Abbildung der Eingabe natürlich ist. Das Eingabemapping läuft aufeiner vergleichsweise intuitiven Ebene ab, im Austausch dafür ist es schwie-riger intuitive Interaktionstechniken zu gestalten. Deshalb ist es wichtig dieVor- und Nachteile der verschiedenen blickbasierter Interaktionstechniken zuerforschen. Außerdem ist das Fehlen einer intuitiven Interaktionstechnik einGrund dafür, dass z.T. auch sehr unterschiedliche Interaktionsformen entwickeltwurden. [Jac93]

23


Wie viele Interaktionstechniken mit einem Eyetracker umgesetzt werden könnenzeigen [Duc07, K. 20] und [FWC84, S. 25]. Die Interaktion mit Eyetrackernkann unterschiedlich kategorisiert werden. Eine Möglichkeit bildet die Un-terscheidung in Techniken, die nur mit anderen Eingabegeräten kombiniertfunktionieren, oder in Techniken, die nur einen Eyetracker brauchen, um um-gesetzt werden zu können. Techniken mit kombinierten Eingabegeräten nenntman auch multimodale Interaktionstechniken, während Techniken nur mit demEyetracker unimodal genannt werden (vgl. [SII03]).

Eine andere Möglichkeit ist zu unterscheiden, ob sich eine Technik dazu eignetItems zu selektieren oder ob sie in erster Linie dazu dient um eine Selektionzu bestätigen, um das bereits beschriebene Midas-Touch-Problem zu umgehen.[Ist06] beschreibt außerdem noch weitere Kategorisierungen, z.B. in aktive undpassive Kommunikation über blickgesteuerte Interaktion.

Im Folgenden wird auf verschiedene Interaktionsformen eingegangen, die fürblickbasierte Dialoge zentrale Interaktionstechniken darstellen. Nicht näher wirdhierbei auf gestenbasierte Interaktionsformen eingegangen, die beispielsweisedazu verwendet werden können, um dem Nutzer das Unistroke Alphabet zurVerfügung zu stellen. Im Unistroke Alphabet wird aus Gesten ein Alphabeterzeugt (vgl. [Iso00]).

Selektionstechniken

Dwell Die Verweildauermethode verlangt, dass der Proband länger alseine durch einen Schwellwert festgelegt Zeit auf ein Item schauenmuss, damit dieses selektiert wird. Die Verweildauermethodekann allein oder in Kombination mit einer Bestätigungstechnikgenutzt werden und ist eine unimodale Technik. Der Vorteil ist,dass diese Methode leicht zu erlernen ist und theoretisch gutumgesetzt werden kann. Ein Nachteil ist die Verzögerung derInteraktion, die durch den Schwellwert der Verweildauer ent-steht. Dieser Schwellwert ist ein weiterer Nachteil, da er ohnehinschwierig festzulegen ist. [Jac91], [SII03]

Wink Zwinkern ist eine Auswahltechnik, die oft mit dem Blinzeln (engl.blink) verglichen wird, da es sich bei beiden Techniken um will-kürliche Bewegungen handelt. Bei diesen Methoden muss der

24


Proband auf ein Objekt schauen und dann zwinkern um es aus-zuwählen. Der Vorteil gegenüber dem Blinzeln mit beiden Augenist, dass es leichter von unwillkürlichem Blinzeln zu unterscheidenist und dadurch eine niedrigere Fehlerrate aufweist. Ein weitererVorteil an dieser Methode ist, dass es das Midas-Touch-Problemlöst. Ein Nachteil ist, dass es dem Nutzer möglich sein muss zuzwinkern. [Lan00]

Speech Sprachbefehle sind eine multimodale Interaktionstechnik, diedie Auswahl eines fixierten Objektes auslöst, wenn der Probandeinen bestimmten Befehl ausspricht. Vorteile dieser Methodesind, dass das Midas-Touch-Problem gelöst ist und die Auswahlohne größere Zeitverzögerung stattfinden kann. Sprachbefehle alsEingabe zu nutzen, kann aber auch Probleme mit sich bringen,da man eine ruhige Umgebung um den Probanden benötigt.Außerdem muss der Befehl gut für das System detektierbar sein.Die Spracherkennung selbst ist relativ leicht umzusetzen, daes viel frei verfügbare Software für dieses Einsatzgebiet gibt.[MŠTM06], [KTH+03]

Button Press Hierunter werden multimodale Techniken zusammengefasst, diedie Blicksteuerung um eine Taste oder ähnliches erweitern. Hier-bei kann es sich um eine Taste auf der Tastatur handeln, aberauch um einen einzelnen Schalter, der mit verschiedenen Kör-perteilen betätigt werden könnte. Eine andere Möglichkeit sindsogenannte Blow Switches, die durch gezieltes Ausatmen betätigtwerden. Die Umsetzung erfolgt trotz verschiedener Geräte gleich:der Proband fixiert zuerst ein Item. Um es auszuwählen, mussdie Taste ausgelöst werden. [SII03]

Zwei-Stufen-Auswahlmechanismus

Bestätigungsknopf Der Bestätigungsknopf kann als Ergänzung aller Selektions-techniken zur Bestätigung der Selektion dienen. Nachdemman ein Objekt selektiert hat, wird auf eine extra dafürvorgesehene Taste geguckt, die dazu dient das letzte selek-tierte Objekt auszuwählen und eine Aktion durchzuführen.

25


Abbildung 2.5.: Beispiel für einen Zwei-Stufen-Auswahlmechanismus, bei welchemein Bestätigungskopf aktiviert werden muss, um den Mechanismus der selektiertenTaste auszulösen, hier der ausgewählten Rücklauftaste.

Nachteilig an dieser Methode ist, dass sie länger dauertund es nicht immer klar ist, welches das zuletzt betrachteteObjekt ist. [SII03]

Eine andere Umsetzung dieser Methode ist den Bestäti-gungskopf durch ein Bestätigungsfeld oder ein anderes Kon-trollobjekt zu ersetzen, vgl. [WM87]. In Abb. 2.5 ist einBeispiel dargestellt, das zeigt, wie eine Umsetzung einesBestätigungskopfes in einem Video Player aussehen könnte.Die erste Aktion ist die Selektion eines Bedienelementes,die zweite Aktion ist, die Bestätigung der Auswahl durchdie “Confirmation“-Taste, welche den Mechanismus derausgewählten Taste auslöst.

Blickgesten Blickgesten können ähnlich wie Bestätigungsknöpfe nachder Auswahl dazu genutzt werden die Auswahl zu bestäti-gen. Sie bieten die Möglichkeit auch komplexere Struktu-ren nachzubilden als unimodale Interaktionstechnik. Blick-

26


gesten können auf verschiedene Arten umgesetzt werden.Vorteile, die Blickgesten bieten, sind, dass sie allgemeinunanfällig für Kalibrierungsfehler oder Ungenauigkeitsfeh-ler des Eyetrackers sind. Gesten können entweder nur inaktiven, predefinierten Bereichen des Bildschirms oder überden gesamten Bildschirm erfasst werden. Eine neuartigereAnwendung von Gesten ist es, diese als Auslöser für einenRekalibrierungsprozess zu nutzen. Gesten haben die Eigen-schaften, dass sie noch genutzt werden können, wenn dieGenauigkeit der Messung während einer Session nachlässt.Hierfür müssen die Gesten passend designt werden. [DS07]

[IBHV08] stellen die Möglichkeit vor, Gesten in einer An-wendung zu nutzen, um Moduswechsel zu ermöglichen. Hier-bei gehen sie auch darauf ein, dass Moduswechsel den Nut-zer verwirren können und legen Wert auf einfache Modi.Ein Grund gestengesteuerte Moduswechsel in blickbasier-ter Interaktion zu verwenden ist, dass diese gegenüber deralleinigen Nutzung von Dwell als Methode in komplexenSystemen eine Erleichterung der Bedienung bewirken kön-nen.

[HIV12] vergleicht die Interaktion mit der Methode Dwellmit der Interaktion mit Blickgesten und konnte zeigen, dassdie Nutzung von Gesten zu weniger Fehlern geführt hat.Insgesamt kommen Hyrskykari, Instance und Vickers zudem Ergebnis, dass Gesten eine robuste Alternative zu derVerweildauertechnik zu sein scheinen.

Rückkopplung, Feedback

Rückkopplung ist die Bezeichnung für eine Rückmeldung, die durch das Einga-begerät erfolgt. Typische Rückmeldungen sind zum Beispiel der Kraftaufwand,der nötig ist, um den Widerstand eines Schalters zu überwinden oder die taktileRückmeldung des Smartphones, wenn dieses entsperrt wird. Diese Form vonMechanismen zur Rückmeldung sind für Eyetracker mit nicht invasiven Metho-den nicht einfach umsetzbar und können nur mit einer kurzen Zeitverzögerung

27


dargeboten werden, da zunächst durch das System entschieden werden muss,ob es eine Rückkopplung geben soll.

Ob visuelles Feedback in Form von einem Gazepointer, der die Blickpositiondes Probanden markiert, eine sinnvolle Art der Rückkopplung ist, wird schon in[Jac93, S. 17] diskutiert. Nutzer sind an diese Art Feedback gewöhnt, aber einblickverfolgender Gazepointer würde Aufmerksamkeit auf sich ziehen. Würdees keine Messungenauigkeiten und Hindernisse wie Mikrobewegungen geben,wäre der Cursor ein statisches Objekt im Blickfeld des Nutzers und würdekeine Aufmerksamkeit erregen bzw. sogar unnötig werden, aber dieser Zustandkann mit den heutigen Mitteln noch nicht erreicht werden, sodass im Fallevon visuellem Feedback immer eine gewisse Ablenkung des Probanden auftritt.Es gibt aber auch die Annahme, dass das visuelle Feedback eines Gazecur-sors es dem Nutzer erleichtern kann kleine Ungenauigkeiten der Kalibierungauszugleichen. Ein weiterer Nachteil an Gazepointern könnte sein, dass siezusätzliche Aufmerksamkeit auf sich ziehen, wenn der Benutzer unbewussteAugenbewegungen macht. Um Ablenkungen durch Augenzittern auszuschließen,werden Filter zur Glättung verwendet. [SII03, S. 478]

Eine andere Art des visuellen Feedbacks, die bei der Oberflächengestaltung einegroße Rolle spielt, ist, ob Steuerelemente wie Buttons auf den Nutzer reagieren,indem sie zum Beispiel Rückmeldung geben, ob sie selektiert sind oder inwelchem Zustand sie sich aktuell befinden. Die direkte Manipulation von Objek-ten und die schnelle Rückkopplung haben sich als “Standard-Interaktionsformetabliert“ [Sch96, S. 14]. Diese Art von Feedback kann zum Beispiel dadurchgegeben werden, dass sich die Farbe, Größe oder der Umriss des Objektesverändert. [GW03, S. 508], [S. 478f][SII03]

Ein Beispiel für eine konkrete andere Form des Feedbacks als den Gazecur-sor wird in [SII03, S. 487] beschrieben. In der beschriebenen Studie wurdendie Menüitems, die der Proband angesehen hat, mittels eines kleinen Vier-ecks in der rechten oberen Ecke des Elements markiert. Diese Rückmeldung,welches Element selektiert ist, wurde zum Beispiel in Verbindung mit einemBestätigungsbutton auf dem Bildschirm genutzt.

Ein weiterer Ansatz ist der “park it here“ Modus, der von [IBHV08] vorgeschla-gen wurde und von [SD12, S. 136] erweitert wurde. Die Idee ist ein besondererGazepointer, der sogenannte Sticky Gaze Pointer, welcher es ermöglicht, denGazecursor auf einem GUI Element zu fixieren. Hierfür muss das Element über

28

2.3. Empirische Forschungsmethoden Kapitel 2. Grundlagen

Abbildung 2.6.: Feedback Zustände des Sticky Gaze Pointers, das unterliegendeBefehlsraster und die Ansicht des Nutzers. Nach: [SD12, S. 136]

eine bestimmte Zeit fixiert werden. Der Gazecursor gibt dem Benutzer Feedbackin welchem Zustand er sich befindet und über die nötige Dauer der Fixationbis der Cursor an dem Element angehaftet wird (Abb. 2.6). In der Abbildungsind neben den Feedback Zuständen auch das unterliegende Befehlsraster unddie Oberfläche, die die Nutzer im Experiment gesehen haben, dargestellt.

2.3. Empirische Forschungsmethoden

Es gibt eine ganze Reihe von Lehrbüchern, die über empirische Forschungsme-thoden geschrieben wurden, deshalb kann dieses Kapitel nicht beanspruchendieses Wissensgebiet vollständig abzudecken. An dieser Stelle soll eine Grund-lage für andere Arbeiten der Forschungsgruppe geschaffen werden und wichtigeKonzepte und Methoden der empirischen Forschung vorgestellt werden.

Allgemein kann man zu empirischen Forschungsmethoden sagen, dass es sich umeine auf Regeln und Erfahrungen basierende Informationsgewinnung handelt,die das Ziel hat die Realität beziehungsweise Teile der Realität abzubilden.Die Ergebnisse der methodischen Forschung sollen allgemein anwendbare Re-sultate liefern und überprüfbar sein. Wichtige Aspekte dieses Gebiets sindDatenerhebungsmethoden und Datenauswertungsinstrumente. [Sti99, S. 1–5]

29

Kapitel 2. Grundlagen 2.3. Empirische Forschungsmethoden

Folgend werden zunächst einige wichtige Begriffe vorgestellt, die zum Verständ-nis des restlichen Kapitels und dieser Arbeit benötigt werden. Anschließend wirdder typische Prozess der empirischen Forschung, der sogenannte Forschungs-kreislauf vorgestellt. Anhand dessen ergibt sich die Gliederung für das restlicheKapitel, welches sich an den einzelnen Phasen des Kreislaufes orientiert.

2.3.1. Wichtige Begriffe empirischer Forschungsmethoden

Die Auswahl der an dieser Stelle vorgestellten Begriffe richtet sich nach [BD09,S. 2–15], [HSE13, S. 10–19] und den in dieser Arbeit verwendeten Fachbegriffen.Die für das Verständnis dieser Arbeit wichtigsten Begriffe werden im Folgendendefiniert. Als Überblick und weiterführende Literatur verweise ich den interes-sierten Leser auf: http://www.lehrbuch-psychologie.de/. Dieser Link führtzu einem Glossar, das als Online-Material zu [DB16] dient und die wichtigstenFachbegriffen der Forschungsmethoden und Evaluation bereitstellt (direkterLink: http://www.lehrbuch-psychologie.de/lexikon/411, letzter Zugriffam 20.08.2016).

Operationalisierung

Wie kann man Intelligenz berechnen? Wie bestimmt man den Schweregradeiner Behinderung und kann anhand dessen entscheiden, wie viel Hilfe einemMenschen zugesprochen wird? Wie kann man die Usability messen?

Operationalisierung bedeutet Begriffe und hypothetische Konstrukte (z.B. In-telligenz oder Usability), die in einer Hypothese vorkommen, zu definierenund dadurch messbar zu machen. Wenn Begriffe in der Hypothese nicht direktmessbar sind, wie zum Beispiel Usability, dann wird während der Operationali-sierung festgelegt, welche Ausprägungen von Merkmalen vorkommen können.Am Beispiel der Usability würden hier Aspekte festgelegt, die in der Studieberücksichtigt werden sollen. In der Phase der Operationalisierung werden Indi-katoren bestimmt und wie diese gemessen werden sollen. So bestimmt man denSchweregrad einer Behinderung zum Beispiel oft über einen festen Fragekatalog,der durch bestimmte Fragen messbar machen soll, wie beeinträchtigt diesePerson ist. Ein Beispiel aus dem Fragekatalog ist die Erkundigung nach der

30

http://www.lehrbuch-psychologie.de/

http://www.lehrbuch-psychologie.de/lexikon/411


Häufigkeit von Symptomen, wodurch die Häufigkeit hierbei einen induktivenFaktor darstellt. [DB16, K. 8]

Skalenniveau

Wenn man ein operationalisiertes Merkmal in seiner Forschung abbilden möchte,muss man sich entscheiden mit welchem Skalenniveau man dieses Merkmalund seine Ausprägungen darstellen bzw. messen möchte. Die Zuordnung vonZahlen bzw. Eigenschaften eines Objektes zu einer Skala ist nicht trivial. Siemuss zum Beispiel die Eigenschaft erfüllen, dass die Regeln für die Zuordnungeindeutig sein müssen. Anhand mathematischer Eigenschaften lassen sich ver-schiedene Typen von Skalen untereinander abgrenzen. Diese drei Eigenschaftensind: [BS10, S. 12–24]

• Quantitative Ausprägung

• Konstante Abstände zwischen aufeinanderfolgenden Skalenwerten

• Absoluter Nullpunkt

Die Klassifizierung mittels dieser drei Eigenschaften geht auf S. S. Stevenszurück, welcher auch die Wichtigkeit der eindeutigen Regeln für eine Zuordnunghervorgehoben hat. Stevens unterscheidet vier Skalenniveaus, die nun kurzvorgestellt werden: (vgl. [Ste46, BS10])

• Das niedrigste Skalenniveau weist die Nominalskala auf. Die in eineNominalskala eingeordneten Objekte haben Eigenschaften, für die mannur über Gleichheit oder Ungleichheit urteilen, aber keine Rangordnungfestlegen kann. Das heißt die Eigenschaften lassen sich nicht in eineReihenfolge bringen. Es findet eine willkürliche numerische Codierungstatt, die es nur erlaubt auf Gleichheit und Verschiedenheit untersuchtzu werden.

Beispiele: Krankheitsklassifikationen, Spielernummern beim Sport, Ge-schlecht, Nationalität...

• Die nächsthöhere Stufe des Messens nennt man Ordinalskala. Die ersteEigenschaft, nämlich die quantitative Ausprägung der Merkmale, trifftauf Objektmerkmale zu. Man kann zwischen den Eigenschaften eine

31


Rangfolge bestimmen, die z.B. dem Kriterium “größer als“, “besser als“oder “mehr als“ entspricht. Ein Beispiel hierfür ist, dass die Schulnote einsin einer Informatikarbeit besser ist als eine zwei, aber über den Abstandder zwei Noten weiß man an dieser Stelle nicht genug.

Beispiele: Härte von Mineralien, Intelligenz, Schulnoten...

• Die Intervallskala erfüllt die ersten beiden bereits genannten Eigenschaf-ten, d.h. man kann die Eigenschaften nicht nur quantitativ vergleichen,sondern weiß, dass die Abstände zwischen den Skalenwerten konstant sind.Dadurch kann man Aussagen über den Abstand zweier Eigenschaftentreffen, es lässt sich allerdings kein absoluter Nullpunkt der Intervallskalabestimmen. Ein Beispiel hierfür sind die beiden Temperaturskalen GradCelsius und Grad Fahrenheit, die sich leicht über eine Formel ineinanderüberführen lassen. Daran, dass sich die Nullpunkte beider Skalen unter-scheiden, ist sofort klar, dass es keinen absoluten Nullpunkt gibt. DieNullpunkte beider Skalen wurden durch Menschen festgelegt und sindkeine absoluten Nullpunkte.

Beispiele: Temperatur (Grad Celcius oder Grad Fahrenheit), Datum...

• Das höchste Skalenniveau besitzt dieVerhältnisskala. Die Verhältnisska-la ist wie die Intervallskala eine metrische Maßeinteilung, allerdings erfülltsie auch die letzte Eigenschaft des absoluten Nullpunkts. Der Nullpunktist definiert an der Stelle der kompletten Abwesenheit eines Merkmals.Negative Werte können in einer Verhältnisskala nicht vorkommen.

Reaktionszeit ist ein Beispiel für ein Merkmal, dass sich in der Verhält-nisskala einordnen lässt. Wie sich aus dem Namen dieser Skala schließenlässt, lassen sich Aussagen über die Verhältnisse von verschiedenen Re-aktionszeiten miteinander vergleichen. Ein weiteres Beispiel, das denUnterschied zur Intervallskala verdeutlichen soll, ist die thermodynami-sche Temperatur (Kelvinskala), welche einen physikalisch begründetenabsoluten Nullpunkt besitzt.

Beispiele: Alter, Blutdruck, Längen, thermodynamische Temperatur...

An einem praktischen Beispiel sollen nochmal die Unterschiede zwischen denSkalenniveaus deutlich gemacht werden. Möchte man in seiner Untersuchung

32


überprüfen, ob ein Merkmal damit zusammenhängt, ob jemand Raucher ist,hat man verschiedene Möglichkeiten diese Frage zu stellen.

Die erste Idee ist zu fragen: “Sind Sie Raucher?“. Diese Frage zielt auf einebinäre Variable, die sich in die Nominalskala einordnen lässt. Es kann in derAuswertung also entschieden werden, ob Gleichheit oder Ungleichheit zwischenden Probanden vorliegt. Der Proband muss aber in diesem Fall entscheiden, ober sich als Raucher identifiziert oder nicht. Falls er zum Beispiel nur auf Partysraucht, ist die Entscheidung subjektiv, da man für beide Antworten Argumentefinden könnte. Eine Frage, die auf eine anders skalierte Variable abzielt, könntein diesem Fall zu genaueren Ergebnissen führen, z.B. “Wie viele Zigarettenrauchen Sie in einer Woche?“. Eine vollständige Tabelle zu diesem Beispiel,welche verschiedene Skalenniveaus vorstellt, ist in [DB16, S. 254] dargestellt.

Die Kenntnis über die Skalenniveaus spielt bei der Erstellung von Fragebögeneine wichtige Rolle, wie das obige Beispiel verdeutlicht. Die Erstellung vonFragebögen soll an dieser Stelle nicht weiter vertieft werden. Viele empirischeMethodenbücher, wie zum Beispiel [DB16], enthalten Kapitel, die sich mit demThema Fragebögenerstellung auseinandersetzen, da es auf viele Kleinigkeitenbei der Erstellung von Fragebögenitems ankommt.

Validität

Bei vielen Untersuchungen ist zu prüfen, ob das gemessen wurde, was gemessenwerden sollte. Können Studien allein mit den Probanden einer Studie wirklichAussagen über alle Menschen treffen? Inwiefern lassen sich die Ergebnissegeneralisieren? Ist die Usability eines Bahnautomaten wirklich messbar in einersterilen Umgebung ohne die typischen Bahnhofseinflüsse?

Diese Fragen werden zusammengefasst mit dem Testgütekriterium der Validitätbeschrieben. Validität (Gültigkeit) ist ein Ausmaß, das die Stärke der Beziehungvon dem, was gemessen werden sollte, und dem, was gemessen wurde, angibt.Andernfalls, nicht auf das Messverfahren bezogen, kann Validität beschreiben,ob die Ergebnisse, die ein Test geliefert hat, auch sichere Schlüsse über dieHypothese zulassen.

Dieses Kriterium ist sehr weit gefasst, weshalb es mehrfach weiter differenziertwurde, für genauere Informationen siehe beispielsweise [Brö11, S. 48–55] oder

33


[BP14, K. 3]. Die vier Hauptfacetten der Validität sollen an dieser Stelle kurzvorgestellt werden: [SHL+12, Gie03]

• Interne Validität: Ausmaß für die interne Gültigkeit der Untersuchung,das heißt, ob es einen gültigen Zusammenhang zwischen dem Merkmal,welches im Test manipuliert wurde und dem Merkmal, dessen Veränderunggemessen wurde, gibt. Um die interne Validität zu prüfen wird der Testin sich untersucht. Wurden die gemessenen Änderungen wirklich durchdie Manipulation der abhängigen Variablen herbei geführt? Das gewählteUntersuchungsdesign kann dazu beitragen möglichst viele Störvariablenzu eliminieren. Genaueres siehe z.B. [CC79, S. 50ff].

Beispiel: Die interne Validität wird von verschiedenen Störeinflüssengefährdet, einer davon ist der Ausfall. Es kommt während einer Untersu-chung, bei der es um die Usability einer Software geht, zum Wegfall vonProbanden. Dies kann das dazu führen, dass bei einer späteren zweitenMessung nur noch motivierte Probanden in der Versuchsgruppe vorhan-den sind. Eine ungewollte Selektion durch den Ausfall der Probandenführt dazu, dass die Motivation einen störenden Einfluss auf das Ergeb-nis der Studie hat. Dadurch kann es passieren, dass nicht die gewollteManipulation der Grund für die Änderung der Messung ist, sondern eineanders zusammengesetzte Teilnehmergruppe.

• Externe Validität: Ausmaß, wie gut sich die Ergebnisse einer Untersu-chung generalisieren lassen. Für die externe Validität wird der Test imHinblick auf seine Übertragbarkeit auf andere Gegebenheiten (andere Per-sonen, andere Messzeitpunkte, andere Umgebungen, andere Kulturen...)überprüft. Genaueres siehe z.B. [CC79, S. 70ff]

Beispiel: Ein typisches Beispiel mit geringer externer Validität sind Usabi-lity Tests von Fahrkartenautomaten, welche in Laborsituationen durchge-führt werden. Viele Faktoren wie zum Beispiel der Zeitdruck des Nutzersfallen in einer entspannten Laborsituation weg. Die Ergebnisse der Stu-die wären anschließend nicht auf die reale Situation an einem Bahnhofübertragbar.

• Konstruktvalidität: Werden hypothetische Konstrukte wie Intelligenzuntersucht, wird mit der Konstruktvalidität ausgedrückt, inwieweit sichdie Merkmale, die in der Untersuchung genutzt wurden um Intelligenz zu

34


erfassen, eignen, um diese zu beschreiben. Genaueres zu Konstruktvaliditätsiehe [CC79, S. 59ff]. Konstruktvalidität lässt sich noch weiter aufgliedernin konvergente und diskriminante Validität, siehe dazu [CF59].

Beispiel: Bei einer Untersuchung, die neue Methoden im Seniorenheimtestet, kann die Konstruktvalidität durch verschiedene Faktoren gefährdetwerden. Ein möglicher Faktor ist, dass die Senioren in der Anfangsphaseder Untersuchung viel zufriedener sind. Es handelt sich bei der Methodeum eine Neuheit, deshalb steigt die Zufriedenheit und nicht weil die neueMethode sie wirklich zufriedener stimmt. Die Zufriedenheit würde dannmit der Zeit wieder auf ein normales Niveau absinken, dieser störendeEinfluss muss während der Versuchsplanung bedacht werden und solltein die Überlegungen einbezogen werden. In diesem Beispiel wäre diesubjektive Zufriedenheit, die nur kurz nach der Einführung der Methodedurch einen Fragebogen erhoben wurde, kein ausreichender Beweis fürdie Hypothese, dass die Methode auch langfristig wirkt.

• Statistische Validität: Ausmaß für die statistische Gültigkeit der Un-tersuchung. Dazu gehört unter anderem zu überprüfen, ob die Größeder Stichprobe ausreichend war, um die Ergebnisse zu generalisieren.Eine praktische Anwendung der statistischen Validität ist zum Beispielin [Tre10] zu finden. Treiblemaier diskutiert Validität exemplarisch imThemenfeld der Online-Befragungen.

Reliabilität

Reliabilität ist das Maß, dass die Zuverlässigkeit beschreibt, und eine Grund-voraussetzung für valide Untersuchungen. Das Maß gibt eine Antwort auf dieFrage wie genau die Untersuchung das misst, was sie messen möchte. Andersformuliert beschreibt Reliabilität wie groß der Fehleranteil ist, der das Ergeb-nis beeinflusst. Replizierbarkeit ist eine Eigenschaft, die für die Reliabilitätuntersucht wird. [BD09, S. 196]

Eine interessante Diskussion, die die Notwendigkeit von Reliabilität für eineUntersuchung in Frage stellt und schon seit langer Zeit geführt wird ist in [BD09,S. 326] nachlesbar. Die Diskussion beschäftigt sich unter anderem mit der Frage,ob Ergebnisse verworfen werden sollten, wenn eine wiederholte Befragung odereine erneute Durchführung des Experimentes zu anderen Ergebnissen kommt.

35


Unterschiede zwischen Labor- und Felduntersuchungen

Laboruntersuchungen werden in einer künstlich geschaffenen Umgebung, z.B.kleinen Kabinen, die möglichst arm an Ablenkungen sind, durchgeführt. Feld-experimente werden in der Umgebung des Systems durchgeführt, die natürlichbzw. möglichst unbeeinflusst bleibt. Ein Beispiel für eine Untersuchung einmalals Feld- und einmal als Laboruntersuchung ist die Untersuchung von Soft-ware für Hilfecomputer in großen Supermärkten. Die Computer sollen denSupermarktbesuchern helfen schneller die Artikel zu finden, die sie suchen. EinLaborexperiment könnte in einem Usabilitylabor stattfinden, während eineFelduntersuchung im Supermarkt stattfinden würde.

Dieses Beispiel zeigt den Vorteil von Felduntersuchungen. Durch die wirklicheEinsatzumgebung weisen Felduntersuchungen eine hohe externe Validität auf.Allerdings ist die Kontrolle der Störvariablen nicht in ausreichender Formmöglich, sodass die interne Validität einer Felduntersuchung nur schwer sichergestellt werden kann. Dies ist der Vorteil der Laboruntersuchung, die eine hoheinterne Validität aufweist, aber deren externe Validität durch die unnatürlicheUmgebung leidet. [BD09, S. 57]

Arten von Reizen

Es gibt verschiedene Arten von Reizen, die bei visuellen Untersuchungeneingesetzt werden und anhand ihrer Funktionen unterschieden werden. Reizeoder auch Stimuli werden Einwirkungen auf den Organismus genannt, die überRezeptoren, z.B. das Auge, wahrgenommen werden. [BC14]

Zielreize oder Targets sind Stimuli, die für die Untersuchung eine Aufgabenrele-vanz besitzen. Die Versuchspersonen haben z.B. während der Instruktion die An-weisung erhalten, wie sie auf das Target reagieren sollen, zum Beispiel: “Drückeden grün umrandeten Knopf aus einer Menge mehrerer Knöpfe“. [Wüh14b]

Distraktoren sind Ablenker, die verschiedene Aufgaben haben. In manchenTests sollen sie systematisch die Aufmerksamkeit der Versuchspersonen aufsich lenken. Sie können auch eingesetzt werden als ganze Versuchsdurchgänge,die zwischen den wirklich für das Experiment interessanten Abfragen verstreutsind, um das Ziel der Untersuchung zu verschleiern. Eine andere Funktion von

36


Abbildung 2.7.: Drei visuelle Distraktoren erschweren es das Target zu finden, beiwelchem es sich um den durchgängigen Kreis handelt. Nach: [SRPW03, S. 71]

Distraktoren ist es in Fragen mit mehreren Antworten die falschen Alternativendarzustellen (z.B. in Multiple-Choice Aufgaben). [Wir14]

Ein Beispiel, wie Distraktoren in Eye-Tracking Experimenten eingesetzt werdenkönnen, zeigen [SRPW03, S. 70-75]. In der Studie werden drei Typen vonDistraktoren verwendet, die die visuelle Suche des Probanden nach dem Targeterschweren sollen, siehe Abb. 2.7. Das Target ist in dem ersten vorgestellten Ex-periment ein vollständiger Kreis, während die Distraktoren aus unvollständigenKreisen bestehen, die dem Target unterschiedlich ähnlich sehen.

Ein Hinweisreiz, der auch Cue genannt wird, ist die Bezeichnung für Reize mitder Funktion die Aufmerksamkeit auf bestimmte Bereiche oder Funktionen zulenken. Dabei kann es sich zum Beispiel um Pfeile oder andere Hinweisartenhandeln. Wörter nach der Suche hervorzuheben ist eine Möglichkeit, wie Auf-merksamkeit auf bestimmte Textstellen gelenkt wird. Cues müssen dabei nichtimmer auffällig sein, in der kognitiven Psychologie gibt es auch Untersuchungen,die die Cues unterhalb der Wahrnehmungsschwelle darbieten, trotzdem findeteine Aufmerksamkeitsausrichtung statt. (vgl. [DWS14, S. 344])

37


Trial

Trials sind Bezeichnungen für die einzelnen Versuchsdurchgänge. Die Anzahlder Trials hängt sowohl von der Anzahl der Ausprägungen der Manipulationender Szenen und Elemente ab, als auch von statistischen Überlegungen, wie zumBeispiel: Wie oft muss ich ein Trial (einen Durchgang) wiederholen, um dieGewichtung von Fehlern, wie zum Beispiel “Vertippen“, zu verringern? EinTrial bei einem typischen Experiment am Computer kann aus einer einzigenSzene3 bestehen, aber auch aus einer festen Abfolge. Eine Abfolge dient invielen Fällen dazu gewisse Fehlerquellen ausschließen zu können. Ein Beispieldafür ist ein neutraler, grauer Bildschirm, dem gefolgt die Reize in einer neuenSzene dargeboten werden. Ein kurzer, neutraler Bildschirm kann zum Beispieleinen Lidschlag simulieren. Eine andere typische Szene in einem Trial ist diePräsentation eines Fixationskreuzes, welches in einem Eye-Tracking Experimentdazu dienen kann den Blick der Versuchspersonen immer an einem bestimmtenStartpunkt festmachen zu können.

In Abb. 2.8 sind zwei Beispiele für Trials abgebildet, in denen die Versuchsper-son zuerst das Fixationskreuz dargeboten bekommt. Der Blick des Probandenist zu Beginn eines Trials auf die Mitte des Bildschirms gerichtet. Nach demFixationskreuz wird ein Cue dargeboten. Danach erscheint ein Distraktor, derdie Versuchsperson in diesem Fall ablenken soll, während das Target erscheint.Die Aufgabe der Versuchsperson ist das Target zu selektieren. Anschließendbeginnt das nächste Trial mit derselben Abfolge von Reizen. Die Anzeigedauernund die Koordinaten der Reize sind im zweiten Trial manipuliert worden. Umdem Beispiel einen Kontext zu geben wäre denkbar, dass es sich um eine ersteUntersuchung zu Störreizen wie Bannern auf Webseiten handelt. Hierfür wür-den sich weitere Trials ohne das Auftreten von Disktraktoren anbieten, um zuzeigen, wie stark Versuchspersonen durch Distraktoren von ihrer Aufgabe einenZielreiz zu selektieren abgelenkt werden. Die Cues repräsentieren Aufmerksam-keitslenkung von Webseitenbetreibern, die unter der Wahrnehmungsschwelleliegen. In dem Experiment könnten neben den Targets auch die Distraktorendurch die Aufmerksamkeitsausrichtung hervorgehoben werden.

3vgl. Szenen in JavaFX: https://docs.oracle.com/javase/8/javafx/api/javafx/scene/Scene.html

38

https://docs.oracle.com/javase/8/javafx/api/javafx/scene/Scene.html

https://docs.oracle.com/javase/8/javafx/api/javafx/scene/Scene.html


Abbildung 2.8.: Zwei Beispiele wie Trials in einem konkreten Experiment aussehenkönnten. Die mit “D“ markierten Items sind Distraktoren. Das mit “T“ markiertenItem und der grünen Kennzeichnung ist ein Target. Der Cue ist für dieses Beispielist mit “C“ beschriftet.

39


Arten von Variablen

Um Merkmalsunterschiede bei einer Gruppe von Objekten genaubeschreiben zu können, wurde der Begriff Variable eingeführt. EineVariable ist ein Symbol, das durch jedes Element einer spezifiziertenMenge von Merkmalsausprägungen ersetzt werden kann. [BD09,S. 2]

Variablen modellieren Eigenschaften, dieses Konzept wird auch in der Informatikeingesetzt, z.B. ist das Konzept der Variablen der empirischen Forschung denAttribute in E-R-Diagrammen sehr ähnlich, da diese dazu genutzt werden,Objekte näher zu beschreiben und mit Eigenschaften aus einer Menge gültigerAntworten zu versehen. [Sch98, S. 284]

Beispiele für Variablen sind das Alter oder die Schuhgröße, welche beziffertwerden können, aber auch, wie jemand seine Expertise bei der Computernutzungeinschätzt, ist eine Variable. Hierbei könnten die Antworten lauten: “Sehrerfahren - erfahren - ich komme zurecht - ich bin manchmal unsicher - ich kennemich nicht aus.“. An dieser Stelle soll noch einmal darauf hingewiesen werden,dass es nicht trivial ist eine operationalisierte Variable abzubilden. GenauereInformationen hierzu werden z.B. von [DB16, S. 398–429] vorgestellt.

Von besonderer Bedeutung für den Forschungsprozess sind die Variablen, diesich verändern, bzw. die sich durch die Experimentalleiter manipulieren lassen.Diese werden je nach ihrer Rolle im Forschungsprozess weiter differenziert undbenannt.

Unabhängige Variablen (uV) sind die Variablen, die durch den Versuchs-leiter systematisch und willkürlich manipuliert werden. Im Hinblick auf dieHypothese beschreiben uV eine potenzielle Ursache, die bei ManipulationAuswirkungen auf das Ergebnis der Studie hat. Bei einem einfaktoriellen Ver-suchsplan wird nur eine uV manipuliert, bei mehrfaktoriellen Designs zwei odermehr uV gezielt gelenkt. [Hel12, S. 172–178]

Sollen zum Beispiel zwei Selektionsmethoden für Eyetracker miteinander vergli-chen werden und jede Versuchsperson wird zufällig einer von beiden Methodenzugewiesen, dann ist die Selektionsmethode eine uV. Wird gleichzeitig nochdie Größe der Items, die der Proband selektieren soll, innerhalb der Trials

40


manipuliert, dann handelt es sich um ein zweifaktorielles Design und die Größeder Objekte ist eine zweite uV.

Bleibt man bei dem Beispiel, könnte eine Frage lauten, wie kann man die beidenSelektionsmethoden miteinander vergleichen kann. Eine Möglichkeit ist diemittlere Zeitspanne von Trialbeginn bis zur erfolgreichen Selektion zwischenbeiden Methoden miteinander zu vergleichen. Eine andere Möglichkeit ist dieGegenüberstellung der Anzahl fehlerhafter Selektionen. Bei der Dauer und derFehleranzahl handelt es sich um Variablen, die während der Durchführungdes Versuchs registriert werden müssen. Diese Variablen nennt man auchabhängige Variablen (aV), da diese laut Hypothese von der Ausprägungder unabhängigen Variablen abhängen.

Die AV wird beobachtet (gemessen, analysiert), weil sie den interes-sierenden Gegenstand repräsentiert und die Wirkung von (kausalen)Einflussgrößen reflektiert. [HSE13, S. 127]

Im besten Fall gibt es keine anderen Einflussgrößen, die den Zusammenhangzwischen uV und aV beeinflussen. Variablen, die die Auswertung der aV mitbe-stimmen können, aber nicht Gegenstand der eigentlichen Untersuchung sind,nennt man Störvariablen. Störvariablen, die eine aktuelle Forschung beein-flussen, können in anderen Untersuchung sogar aktiv als Teil eingesetzt odermanipuliert werden. Ein typischer Störfaktor für mögliche Untersuchungenüber die Eyetracker Nutzung, der sich nicht leicht ausschließen lässt, ist derErmüdungszustand der Versuchspersonen. Störvariablen, die während einerUntersuchung beachtet und mit erhoben werden, werden auch Mediatorvaria-blen genannt. Ein anderer Begriff für Mediatorvariablen sind intervenierendeVariablen. Mediatorvariablen üben einen Einfluss auf die aV aus, dieser kannvollständig “dazwischentretend“ sein (vgl. [HSE13, S. 16]) oder partiell. EinBeispiel für eine typische Mediatorvariable ist Stress in experimentellen Situa-tionen. Möchte man die Usability von einem neuen Programm untersuchenmit Senioren, die wenig Erfahrung mit dem Computern und experimentellenSituationen haben, dann könnte der Stressfaktor, der durch die Untersuchungselbst verursacht wird, eine Rolle für das Ergebnis der Untersuchung spielen.Viele Methoden der empirischen Forschung haben das Ziel Störvariablen zueliminieren oder sie immerhin bewusst einzubeziehen. [Brö11, S. 39–41]

41


Abbildung 2.9.: Korrelationen beschreiben Zusammenhänge zwischen zwei Varia-blen. Nach: [HSE13, S. 13]

Korrelation

Die empirische Forschung möchte einen Zusammenhang zwischen aV und uVuntersuchen. Doch wie misst man Zusammenhänge und wie stark eine Abhän-gigkeit zwischen zwei Variablen ist, wann kann man statistische Vorhersagentreffen und wie stellt man diese in einer geeigneten Art dar?

Eine Korrelation ist eine Wechselbeziehung zwischen zwei Variablen, die nichtursächlich sein müssen, das bedeutet, dass man zwar einen Zusammenhangfeststellen kann, aber keine Ursache-Wirkungs-Beziehung der Grund sein muss(Abb. 2.9). Das Maß, mit dem die Stärke der Korrelation angegegben wird,nennt man Korrelationskoeffizient. Anhand des Korrelationskoeffizienten,der sowohl die Stärke als auch die Richtung der Beziehung angibt, kann mananschließend aufgrund der Ausprägung der einen Variable, der uV, Vorhersagenüber die Ausprägung des zweiten Merkmals, der aV, treffen. Die Werte einesKorrelationskoeffizienten können zwischen -1 und 1 liegen, wobei 0 bedeutet,dass die beiden Variablen völlig unabhängig voneinander sind. [Ehr03]

Mit einer Korrelation lassen sich nur lineare Zusammenhänge beschreiben. InStreudiagrammen lassen sich die Unterschiedene zwischen den verschiedenenKorrelationswerten ablesen und erklären. Zeigt sich in den Diagrammen an-hand der Daten ein Zusammenhang dessen Form z.B. einer Parabel ähnelt,dann kann dieser nicht durch den Korrelationskoeffizienten erkannt werden.Es folgen nun drei Interpretationsbeispiele für die verschiedenen Werte desKorrelationskoeffizienten r und ein Beispiel für einen Zusammenhang, der nichtdurch den Korrelationskoeffizienten abgebildet werden kann. Die (fiktiven)Streudiagramme zu den Beispielen sind in Abb. 2.10 zu finden.

42


• r ≈ 0: Kein Zusammenhang, z.B. Hausnummer und Krebsrisiko. Zwischender Hausnummer und dem Risiko an Krebs zu erkranken besteht keineKorrelation.

• r > 0: Ein positiver Zusammenhang, z.B. Größe des Krankenhauses,operationalisiert in der Anzahl der Zimmer und Anzahl der Angestellten,d.h. je größer das Krankenhaus ist, desto mehr Angestellte arbeiten in demKrankenhaus. Diesen Zusammenhang nennt man auch gleichgerichtet.

• r < 0: Ein negativer Zusammenhang, z.B. Sonneneinstrahlung und Erken-nungsleistung bei der Eyetracker Nutzung, d.h. je größer die Sonnenein-strahlung ist, desto weniger ist ungestörtes Arbeiten mit dem Eyetrackermöglich, da die Sonneneinstrahlung die Erkennungsrate der Pupillenverschlechtert.

• Bild D zeigt ein Beispiel für einen Zusammenhang, der nicht durch einenlinearen Korrelationskoeffizienten abbildbar ist, sondern mittels Regres-sionsanalyse für nichtlineare Zusammenhänge berechnet werden könnte.Der Verlauf ist grafisch als parabelförmig identifizierbar. In dem Beispielwerden die Körpergröße und die Kosten für Kleidung miteinander inBeziehung gesetzt. Es handelt sich hierbei nur um Erwachsenenkleidung.

Außerdem kann man in der Abb. 2.10 noch sehen, dass der Korrelationskoeffizi-ent nur beschreibt, wie perfekt der Zusammenhang ist, aber nicht, wie steil dieRichtung der linearen Abhängigkeit ist. Das kann man daran erkennen, dass dieBeispiele für einen positiven bzw. negativen Zusammenhang (TeilabbildungenB und C) beide hohe Werte in r haben, aber die Steigung der Regressionsli-nie sich stark voneinander unterscheidet. Die generelle Richtung wird durchdas Vorzeichen des Korrelationskoeffizienten festgelegt, aber die Steilheit derGeraden ist nicht aus dem Koeffizienten ableitbar.

Eine weitere wichtige Kenngröße, die im Zusammenhang mit Korrelationenauftritt, ist die Signifikanz. Signifikanz gibt an, ob die Ergebnisse einer Stu-die statistisch bedeutsam sind. Das Signifkanzniveau p bezeichnet die Wahr-scheinlichkeit in wie viel Prozent der Fälle eine gefundene Korrelation zufälligaufgetreten sein könnte. Typische Werte für p sind p ≤ 5% und p ≤ 1%.Wenn ein Ergebnis signifikant ist, ist die Wahrscheinlichkeit hoch, dass derZusammenhang zwischen uV und aV systematisch ist. Bei der Berechnung derSigifikanz wird auch die Stichprobengröße einberechnet. Die Berechnung der

43


Abbildung 2.10.: Beispiele verschiedener Werte von Korrelationskoeffizienten rgrafisch in Streudiagrammen dargestellt. Ebenfalls eingezeichnet in die Graphen sinddie jeweiligen Regressionslinien.

44


Signifikanz ist aufwendig und wird in den meisten Fällen von Software, wieSPSS, berechnet. [DWS14, S. 1424]

In Beispiel C aus Abb. 2.10 könnte man die fikitive Signifikanz wie folgtbeschreiben: Zwischen der Erkennungsleistung und der Sonneneinstrahlungbesteht eine Korrelation von r = −0, 93 auf einem Signifikanzniveau von p ≤ 5%.Die Kennwerte zeigen, dass der Zusammenhang zwischen Erkennungsleistungdes Eyetrackers und der Sonneneinstrahlung in weniger als 5% der Fällen zufälligaufgetreten ist. Im Umkehrschluss bedeutet das, dass der Zusammenhang mit95% Wahrscheinlichkeit auf die Grundgesamtheit übertragbar ist.

Für weiterführende Literatur zur Interpretation von grafischen Darstellungenvon Untersuchungsergebnissen siehe [DBB14], hier lassen sich auch Erklärungenund konkrete Beispiele zu typischen Fehlern bei der Interpretation von Grafi-ken finden. Über die weitreichenden Auswirkungen der “Collective statisticalilliteracy“ mit dem Schwerpunkt auf medizinische Statistiken und Diagnosenund wie sich Fehlinterpretationen vermeiden lassen, empfiehlt sich außerdem[GGKM+07], da diese Quelle gut in den Kontext der assistierenden Technologienpasst.

Die Berechnung von Korrelationskoeffizienten, Regressionsanalysen, Signifi-kanztests und nicht-linearen Zusammenhängen wird zum Beispiel von [BS10]vorgestellt. Der Autor stellt die nötigen Formeln in realen Kontexten vor, gibtBeispiele und hebt aktuelle wissenschaftliche Diskussionen hervor.

Kausalrelationen

Nachdem man eine Korrelation zwischen zwei Variablen gefunden hat, inter-essiert man sich in den meisten Fällen auch dafür, ob der Zusammenhangkausal begründbar ist. Wie hängen die Variablen zusammen? Ist die Manipula-tion der uV die Ursache für die Veränderung der aV? Handelt es sich um einUrsache-Wirkungs-Gefüge?

Ein Beispiel soll verdeutlichen, dass eine Korrelation keine Kausalrelation im-pliziert. Es lässt sich eine große Korrelation zwischen dem Eiskonsum und demTod durch Ertrinken feststellen. Das bedeutet aber nicht, dass man nun keinEis mehr essen sollte. Es handelt sich hierbei um eine Scheinkorrelation, diedurch eine verborgene dritte Variable beeinflusst wird nämlich der Tempera-

45


tur. An heißen Sommertagen wird mehr Eis gegessen und mehr Leute gehenschwimmen. Beide Ereignisse hängen vom Wetter ab und nicht voneinander.Diese dritte Variable ist hierbei eine Mediatorvariable. Es ist außerdem möglichKorrelationen zu zeigen, die rein zufällig zustande kommen oder bei der dieDrittvariable nicht so leicht zu finden ist.

Kausalzusammenhänge haben im Gegensatz zu Korrelationen eine Richtung,in der eine Abhängigkeit vorliegt. Daher werden sie häufig mit Pfeilen anstattmit ungerichteten Linien dargestellt (Abb. 2.11).

Abbildung 2.11.: Kausalzusammenhänge erklären gerichtete Zusammenhänge zwi-schen aV und uV, die sowohl einseitige Beziehungen als auch wechselseitige Beein-flussung enthalten können, vgl. 2.10. Nach: [HSE13, S. 13]

Für gefundene ungerichtete Korrelationen gibt es verschiedene Möglichkeiten sieauf ihre Ursache-Wirkungs-Zusammenhänge zu interpretieren: [BS10, S. 155f]

• Variable A bedingt Variable B

• B bedingt A

• Eine oder mehrere Moderatorvariablen sind ursächlich für A und B

• A ist ursächlich für B und umgekehrt

46


• A und B haben keine Kausalbeziehung, die Korrelation tritt zufällig auf

Eine Korrelation ist hierbei ein notwendiges Kriterium für Kausalität, d.h.Kausalität ist nur im Zusammenhang mit einer Korrelation möglich. Häufigsind weitere Untersuchungen nötig, um die Kausalität hinreichend zu beweisen.Der empirische bzw. statistische Beweis von Kausalität ist nicht nur schwierig,sondern auch umstritten, vgl. dazu [BS10, S. 156]. Bortz weist deshalb daraufhin, dass logisches Denken und zusätzliche Informationen für den Nachweis vonKausalzusammenhängen unablässig sind. In humanwissenschaftlichen Untersu-chungen gibt es verschiedene Klassen von Qualitätskriterien, die es ermöglichensollen den kausalen Erklärungsanspruch zu ermöglichen. Beispiele dafür sindQualitätskriterien für Stichproben, wie Repräsentativität, Stichprobenumfangund Ausschöpfungsquote, siehe z.B. [Sti99, S. 153–160], [KH09].

Objektivität, Transparenz und Replizierbarkeit

Die empirische Forschung strebt verschiedene Ziele an. Drei Ziele, die vonbesonderer Wichtigkeit sind, werden nun vorgestellt: [Brö11, S. 30–32]

• Objektivität: Daten, die während empirischer Forschung gewonnen werdenund dazu genutzt werden Hypothesen zu überprüfen, sollten an keinerStelle im Forschungskreislauf durch die forschenden Personen beeinflusstwerden. Das bedeutet, dass Daten interpretationsfrei gesammelt werdenmüssen. Wie viele Sekunden eine Versuchsperson braucht, um einenButton mit der Selektionsmethode Dwell zu drücken, ist ein konsensfähigesDatum. Die Interpretation, ob dies eine schnelle oder langsame Interaktionwar, ohne den Wert anzugeben, wäre eine unobjektive Interpretation.

• Transparenz: Es gehört zum Forschungsalltag seine Untersuchungen zuverteidigen, aus Kritik zu lernen, Untersuchungen zu replizieren, Versuch-sergebnisse nachzuvollziehen und eventuelle Lücken in der Beweisführungzu finden. Um diesen Prozess möglich zu machen, ist es nötig die verwen-deten Versuchspläne, Maße, Auswertungen usw. nachvollziehbar bekanntzu geben. Institutionen, wie zum Beispiel die APA (American Psychologi-

47


cal Association)4, verlangen, dass die gewonnen Rohdaten auf Verlangenmindestens 10 Jahre lang zugänglich gemacht werden können.5

• Replizierbarkeit: Empirisch gewonnene Ergebnisse eifern nach dem Ideal,dass sie wiederholbar sind. Das bedeutet, dass die Ergebnisse bei einemerneuten Experiment mit den selben Bedingungen zu gleichen Befundenkommen soll. Falls sich die in einem wiederholten Experiment gewonnenenErgebnisse von den ursprünglichen Ergebnissen unterscheiden sollten,lassen sich Forschungsfragen und Hypothesen entwickeln, die die Differenzerklären sollen.

2.3.2. Der Forschungskreislauf

Forschung sollte nicht als abschließbarer Prozess verstanden werden, sondernals eine sich stets wiederholende Bewegung. Ausgangspunkt für einen For-schungskreislauf sind häufig Fragestellungen, die sich auch aus Beobachtungenim Alltag ergeben können. Hinter einer Fragestellung steht in der Regel einProblem, welches gelöst werden soll.

Um dieses Problem zu bearbeiten wird zunächst der Stand der Forschungüberprüft. Was ist zu dieser Fragestellung an Wissen vorhanden und woraufbaut die Forschung auf? Anschließend wird festgelegt, was bisher noch nichtbekannt ist und welche Aspekte fehlen, um die konkrete Fragestellung umfassendbeantworten zu können. In diesem Schritt wird der eigene Erkenntnisanspruchfestgelegt.

Um die Wissenslücke zu füllen, wird eine passende Methode gesucht bzw.erarbeitet. Ist der Lösungsweg gefunden, werden die Daten erhoben und dieErgebnisse untersucht. Zuerst wird dabei das Ergebnis für sich betrachtet, alsowas für Datenmaterial entstanden ist. Erst in einem nächsten Schritt werdendie erhobenen Daten interpretiert und im Kontext der Forschung diskutiert.

Zuletzt werden die Ergebnisse auf weiterführende Forschung untersucht. Wel-che neuen Fragestellungen werden von den Daten aufgeworfen? Wie kann esweitergehen? An dieser Stelle schließt sich dann der Kreislauf, der in Abb. 2.12dargestellt ist.[Kru07, S. 66]

4http://www.apa.org/, letzter Zugriff am 21.08.20165http://www.apa.org/practice/guidelines/, letzter Zugriff am 21.08.2016

48

http://www.apa.org/

http://www.apa.org/practice/guidelines/


Abbildung 2.12.: Die Phasen des Forschunskreislaufes, nach [Kru07, S. 66]

Eine genauere Differenzierung der Arbeitsschritte empirischer Forschung kannbei Interesse in [BP14, S. 67ff] nachgeschlagen werden. [BP14] machen klar,dass der Forschungsprozess nicht nur aufeinander aufbaut, sondern auch, dasseinzelne Phasen ineinander greifen können. Insbesondere die Aussagen darüber,wie sich die Methodik des jeweiligen Faches in empirische Forschung einbeziehenlässt und wie die richtige Vorgehensweise bei der Anwendung der Methodikabläuft, werden in dem Buch anschaulich dargestellt. [BP14, S. 68ff]

2.3.3. Wissenschaftliche Hypothesenbildung

Hypothesenbildung wird von dem Forschungszweig der Wissenschaftstheorieuntersucht und bis heute gibt es verschiedene Positionen, welche Aussagenman wirklich sinnvoll empirisch untersuchen kann und ob Hypothesen allge-meingültig verifiziert werden können. Dieser Diskurs kann zum Beispiel in[HD12] nachgelesen werden. Für die meisten konkreten Problemstellungen ist

49


das Wissen um die verschiedenen Richtungen der Wissenschaftspositionen nichtnötig, weshalb an dieser Stelle nicht weiter auf diese eingegangen wird.

Bei der Planung einer Untersuchung hat man verschiedene MöglichkeitenProblemstellungen und Hypothesen zu formulieren. Bei der Hypothesenbildungsollte man das Hauptprinzip empirischer Forschungsmethoden beachten.

Alle Aussagen einer empirischen Wissenschaft müssen an der Erfah-rung überprüfbar sein und sie müssen prinzipiell an der Erfahrungscheitern können. [Sti99, S. 6]

Aus diesem Zitat können drei Folgerungen gezogen werden. Die erste ist, dassdie Begriffe, die verwendet werden, einen empirischen Bezug haben müssen.Die zweite Folgerung ist, dass die Gesamtaussage, d.h. die Beschreibung derZusammenhänge, einen empirischen Bezug haben müssen. Werden diese beidenSchlüsse bei der Hypothesenbildung beachtet, werden typische Fehler vermieden.Aber besonders die nun folgende dritte Folgerung führt dazu, dass ungeeigneteHypothesen ausgeschlossen werden können:

Aussagen, die empirisch überprüft werden sollen, müssen so formu-liert werden, daß sie prinzipiell widerlegbar sind. [Sti99, S. 7]

Das Ergebnis dieser Folgerung ist, dass alle Aussagen, die sich nicht durchErkenntnisse, die sich aus Datenerhebungen ergeben können, als Hypothesenausgeschlossen werden. Hierzu zählen analytisch wahre Aussagen, Tautologienund Existenzsätze.

Des weiteren muss bei der Formulierung einer Hypothese darauf geachtetwerden, dass es verschiedene Stufen der Präzision gibt: [Sti99, S. 12]

• Punkthypothesen sind am präzisesten. Ein Beispiel hierzu ist die Hypothe-se, dass durch die 5%ige Vergrößerung von Knöpfen in der Standardgrößevon Windows, die Geschwindigkeit einen Knopf zu selektieren mit derAuswahlmethode Dwell eines uneingeschränkten Nutzers um 10% steigt.Eine Punkthypothese setzt also sowohl die Richtung als auch die Größeder Relation fest.

• Gerichtete Hypothesen geben im Gegensatz zu Punkthypothesen nur dieRichtung der vermuteten Beziehung an ohne bereits Vermutungen überdie Größe der Relation anzugeben. Die Beispielhypothese würde sich

50


dadurch wie folgt verändern: Wenn ein Knopf, dessen Ausgangsgrößedie Standardgröße von Windows ist, vergrößert wird, dann steigt dieGeschwindigkeit mit der ein uneingeschränkter Benutzer den Knopf miteinem Eyetracker und der Selektionsmethode Dwell drücken kann.

• Ungerichtete Hypothesen vermuten einen Zusammenhang zwischen zweiVariablen ohne eine Aussage über die Richtung des Zusammenhangszu geben. Für das Beispiel bedeutet das, dass die Vergrößerung desKnopfes die Geschwindigkeit des Benutzers ändert. Es wird aber keineAussage darüber getroffen, ob sich die Geschwindigkeit verbessert oderverschlechtert, lediglich eine Änderung wird vermutet.

2.3.4. Stand der Forschung und eigener Erkenntnisanspruch

Um eine Basis für die Untersuchung zu schaffen, sollte man sich zunächst denStand der Forschung, d.h. einen Überblick über das Wissen eines Forschungs-feldes, erarbeiten. Bei einer gelungenen empirischen Arbeit ist es wichtig sichin das Wissen über den aktuellen Stand der Forschung einzuarbeiten. Dies istein fester Bestandteil des Forschungsprozesses. Häufig ergeben sich aus denschon geführten Arbeiten weitere konkrete Forschungsfragen. Die Ergebnisseaus bisherigen Forschungen beeinflussen nicht nur die Planungsphase, sondernauch die Auswertungsphase. In der Auswertungsphase werden die Ergebnisseunter anderem in Hinblick auf den Stand der Forschung dargestellt und inRelation gesetzt. [Ebn15, S. 5, 54, 74]

Durch die Kenntnis der Forschungslage kann die eigene Arbeit und insbesonderedas eigene Erkenntnisinteresse nicht nur in den Bezug zu anderen gesetzt werden,sondern auch von anderen abgegrenzt werden. [Pos12, S. 16, 67]

2.3.5. Methoden der Datenerhebung, Forschungsdesigns

Ein zentraler Punkt im empirischen Forschungsprozess ist die Versuchsplanung.

Unter einem Versuchsplan (Design) versteht man ein standardi-siertes, routinemäßig anwendbares Schema (Strukturschema), dasdem Aufbau, der Kontrolle und der Bewertung einer empirischen

51


Untersuchung des Zusammenhangs von unabhängigen (UV) undabhängigen (AV) Variablen sachlogisch zugrunde liegt. [RS12, S. 76]

Die Phase der Versuchsplanung hat direkte Auswirkungen auf die Auswer-tungsphase. Es gibt verschiedene Möglichkeiten Daten zu erhalten, dabei wirddas Experiment als Königsweg bezeichnet. Neben Analyseverfahren, wie derInhaltsanalyse, Beobachtung und Befragung, gibt es spezielle Untersuchungsde-signs, die in der empirischen Forschung, besonders in der Grundlagenforschung,genutzt werden, um allgemeingültige Aussagen über alle Menschen treffen zukönnen. Weiterhin müssen an dieser Stelle spezielle Designs genannt werden,die in der Informatik genutzt werden, um z.B. Usabilitystudien durchzuführen.Im Themenfeld der assistierenden Technologien sind außerdem Fallstudien zunennen, die genutzt werden, wenn Einzelfälle detailliert untersucht werden.Diese Art der Studien wird nach den vier Haupttypen experimenteller undkorrelativer Studien genauer vorgestellt. [Sti99, K. 6f]

Experimentell-korrelative Untersuchungen können in vier Haupttypen unter-gliedert werden, denen verschiedene Eigenschaften zugeordnet werden. EinenÜberblick über die vier Haupttypen liefert Abb. 2.13. Die Abfolge der Fragenerleichtert die Entscheidung welcher Versuchsplan sich für das Themenfeldbzw. die geplante Untersuchung eignen. Genauere Erläuterungen folgen in denUnterkapiteln, welche die verschiedenen Designs vorstellen. [RS12] widmetdiesem Thema ein illustratives Kapitel, welches sich als Einstieg in die The-matik und als Nachschlagewerk eignet. Englische Standardwerke zum ThemaVersuchsdesign sind unter anderem [CC57] und [Mon09].

Korrelationsstudien

Eine Korrelationsstudie ist die einfachste Art der empirischen Untersuchung.Mit einer korrelativen Anordnung kann man den Zusammenhang zwischenden Variablen deutlich machen. Dabei lässt sich typischerweise nicht zwischenunabhängiger Variable und abhängiger Variable unterscheiden. Korrelations-studien werden häufig eingesetzt, wenn man versucht ein mehrdimensionalesmathematisches Modell über Faktoren zu erstellen, deren korrelativen Zusam-menhänge nicht oder noch nicht genauer untersucht werden können, wie zumBeispiel in der Intelligenzforschung. Dort kann man zum Beispiel Korrelationen

52


Abbildung 2.13.: Die vier Haupttypen der experimentell-korrelativen Versuchsdesi-gns und wie sie unterschieden werden können. Das graue Feld spezifiziert Ausprägun-gen des Experiments. Modifiziert nach: [SM03]

zwischen verschiedenen Intelligenzmerkmalen finden, während Kausalität durchdie Zusammenhänge nicht hergestellt werden kann. [SM03],[RS12, S. 96]

Ex-post-facto-Designs

Ex-post-facto-Versuchsanordnungen haben wie Korrelationsstudien die Eigen-schaft, dass der Kausalzusammenhang zwischen uV und aV nicht von vornhereinangenommen werden kann. Die ex-post-facto Untersuchung ist ein wichtigerprototypischer Untersuchungsplan um hypothetische Sequenzen von uV undaV zu bilden (uV → aV). Diese Designs sind besonders in der medizinisch-biologischen, ökologischen und der sozialwissenschaftlichen Forschung unabläs-sig, da man mit ihnen Zusammenhänge zwischen aV und nicht-manipuliertenbzw. nicht-manipulierbaren uV untersuchen kann. Kurz gesagt, hat man imEx-post-facto-Design auffällige aV Daten, deren Verursachungsbedingungenaber unbekannt oder nur hypothetisch sind. [RS12, S. 93-96]

Aus den vorgefundenen Fakten wird im nachhinein (ex post facto)auf deren Verursachungsbedingungen geschlossen. [SM03]

53


Das folgende Beispiel zeigt, welche Schwierigkeiten diese Untersuchungen mitsich bringen, aber auch wieso diese Versuchsanordnungen so wichtig sind inder realen Forschung, in der man nicht immer alle Variablen frei manipulierenkann.

Möchte man zum Beispiel untersuchen wie es zu Migräne kommt, insbesonderewelche Faktoren ein Flimmerskotom (Migräneaura) hervorrufen, kann mandie angenommenen uV nicht manipulieren. Versuchspersonen können nichteinfach Faktoren, die als Schlüsselreize gelten, ausgesetzt werden. AngenommenSchlüsselreize sind z.B. hormonelle Faktoren oder bestimmte Umweltfaktoren.Für diese Art von Untersuchungen können nur Versuchspersonen aus den inder Welt vorhandenen Gruppen gezogen werden, hier Personen mit Migräneund Aura, mit Migräne aber ohne Aura und Personen ohne Migräne.

Untersuchungen, bei welchen die Gruppeneinteilung bereits besteht, sind be-sonders schwer zu führen, da sich die Gruppen häufig auch in vielen anderenMerkmalen unterscheiden. Diese anderen Merkmalsunterscheidungen sind Stör-faktoren, Mediatorvariablen usw. und erschweren es Rückschlüsse aus denZusammenhängen zu ziehen. Ein wichtiges Stichwort, um solche Untersuchun-gen führen zu können, ist Parallelisierung von Versuchsgruppen. Das Ergebniseiner solchen Untersuchung könnte sein, dass ein hypothetisch-kausal relevanterZusammenhang zwischen einem besonderen Trigger und der Migräneaura fest-gestellt wird. Der Schluss, der gezogen würde, kann zwar nicht experimentellnachgewiesen werden, aber aus methodologischem Wissen als hypothetischerKausalzusammenhang abgeleitet werden.

Quasi-experimentelle Versuchsanordnungen

Quasi-experimentelle Versuchsanordnungen erfüllen die Eigenschaft, dass dieuV systematisch manipulierbar sind, weshalb sie auch zur Gruppe der Expe-rimente gezählt werden (siehe Abb: 2.13). Ein Element, das bei einer quasi-experimentellen Untersuchung variiert werden kann, ist, ob die Untersuchungals Feld- oder Laboruntersuchung durchgeführt wird. Quasi-experimentelleVersuchsanordnungen haben aber nicht die Eigenschaft, dass eine Garantiefür die interne Validität gegeben werden kann, dies ist auch das wichtigs-te Unterscheidungskriterium zu streng experimentellen Versuchsplänen. In

54


quasi-experimentellen Designs gibt es einen oder diverse Störfaktoren, die dieAllgemeingültigkeit der Ergebnisse gefährden. [DV99, SM03, RS12]

Einen Überblick über die neun typischen störenden Faktoren gibt [RS12, S. 89],genauere Ausführungen sind in dem Original von [CS66] und der später erschie-nenen Vertiefung von [CC79] zu finden. Einige Beispiele sollen an dieser Stellezeigen, weshalb nicht auf quasi-experimentelle Designs verzichtet werden kannund welche Rolle Störfaktoren spielen können.

Beispiele für Störvariablen, die in den Kontext dieser Arbeit passen, sind:

• Auswahlverzerrung (selection bias): Selbstselektion, d.h. wenn die Ver-suchspersonen selbst entscheiden, ob sie zu der Stichprobe gehören, istein möglicher Grund für einen selection bias und weshalb Ergebnissenicht generalisierbar sind. Man stelle sich vor, dass man eine Studie zurNutzung von technischen Hilfsmitteln von Senioren durchführen möchte.Werden die Senioren für diesen Versuch nicht durch randomisierte Verfah-ren ausgewählt, sondern melden sich freiwillig für die Untersuchung, kannman davon ausgehen, dass nur technikaffinere Senioren überhaupt an derStudie teilnehmen wollen. Senioren, die Technik ablehnen, werden nichtan dieser Studie teilnehmen, somit sind die Ergebnisse nicht repräsentativ.

• Versuchsleitereffekte (experimenter-bias, Rosenthal-Effekte): Bei einerUntersuchung möchte eine Firma die Eignung ihrer Eyetracker für Men-schen mit Kommunikationsbarrieren zeigen. Die Wahl des Versuchsleitersist in einer solchen Untersuchung besonders wichtig, da bei Unkenntnisüber diesen Effekt eine systematische Verzerrung durch den Versuchsleiterzu erwarten ist, da dieser von dem Gerät und dessen Qualität überzeugtist. Sogar bei Kenntnis dieses Effekts können Versuchsleiter unbewusstund ungewollt das Ergebnis einer Untersuchung beeinflussen, sodass auchder Versuchsleiter und dessen Verhalten kontrolliert werden muss. EineMöglichkeit diesen Effekt zu vermeiden sind Doppelblind-Studien, bei dersowohl der Versuchsleiter als auch der Teilnehmer nicht wissen in welcherVersuchsgruppe sie sich befinden. Soll der Eyetracker lediglich mit demeiner anderen Firma verglichen werden, sollten sowohl der Versuchsleiterals auch der Teilnehmer nicht wissen, ob sie mit dem eigenen Gerät oderdem einer anderen Firma arbeiten.

55


• Sequenzeffekte: Diese Art von Effekt hat eine Auswirkung auf die Validitäteiner Untersuchung. Würde man beispielsweise bei einem Versuch zu zweiblickbasierten Interaktionstechniken allen Teilnehmern zuerst die Inter-aktionstechnik Dwell darbieten und erst danach die InteraktionstechnikWink, dann würden die Ergebnisse durch Übungs- und Ermüdungser-scheinungen systematisch verzerrt werden. Um diese Art von Effektenauszuschließen müssen Versuchsteilnehmer unter anderem möglichst zu-fällig den Experimentgruppen zugeordnet werden. Dabei kommt es abernicht nur auf die Zuordnung zu den Versuchsgruppen an, sondern auchauf die zufällige Anordnung von Teilexperimenten, Treatments oder derTrials.

[Fir93] bringt Argumente, weshalb eine Generalisierung von Ergebnissen trotzfehlender interner Validität dennoch möglich sein kann. Besonders die Methodeder analytischen Generalisierung hebt er als das Argument für Verallgemeine-rung von Ergebnissen hervor. Die analytische Generalisierung wird nicht durchstatistische Verfahren wie der Extrapolation geführt, sondern in Bezugnahmeauf die zugrunde liegende Theorie.

Streng experimentelle Versuchspläne

Im einfachsten Fall eines Experiments wird zwischen zwei Gruppen, einersogenannten Kontroll- und einer Experimentalgruppe, eine Variable manipuliert.Bei der Experimentalgruppe wird ein bestimmter Stimulus angewendet oderdargeboten, bei der Kontrollgruppe fehlt dieser Reiz. Ein gutes Beispiel für einsolches Experiment sind Untersuchungen zur Wirksamkeit von Medikamenten.

Doch schon die genauere Betrachtung eines Experiments zeigt, dass vieleVariablen bedacht werden müssen. So werden der Kontrollgruppe in modernenMedikamentenstudien Placebos verabreicht um die Studie nicht durch dieErwartungshaltung der Patienten zu beeinflussen, da sich gezeigt hat, dassdie Wirksamkeit einer Behandlung auch damit korreliert, ob “Medikamente“verabreicht wurden.

Streng experimentelle Versuchspläne oder kurz Experimente sind Designs, dieeinige besondere Eigenschaften erfüllen. Genauso wie in quasi-experimentellenUntersuchungen kann man die uV gelenkt variieren, aber auch Störvariablen,insbesondere personenbezogene Störvariablen, können bei strengen Experi-

56


menten weitgehend ausgeschlossen werden. Dadurch, dass bei experimentellenVersuchsplänen eine randomisierte Zuordnung der Probanden zu den Unter-suchungsgruppen erfolgt, wird die interne Validität von Experimenten nichtbeeinträchtigt. Wichtige Konzepte zur Vermeidung von Störvariablen undStöreffekten, wie beispielsweise die gerade genannte Randomisierung, werdenangewandt. Durch die strenge Kontrolle von Störvariablen kommt es auch dazu,dass viele strenge Experimente zu der Gruppe der Laborexperimente zählen.Beachten muss man hierbei, dass man den statistischen Fehlerausgleich, der dasZiel der randomisierten Zuordnung von Personen in Untersuchungsgruppen ist,erst ab einer bestimmten Gruppengröße erreichen kann. [RS12, BP14, BD09]

Es gibt noch weitere Differenzierungsmöglichkeiten für experimentelle Versuchs-pläne, die für unterschiedliche Anwendungsszenarien die theoretisch bestenDesigntypen darstellen. Die drei großen Designtypen der strengen experimen-tellen Forschung sind: [RS12, S. 82-85]

• Between-Subjects Design (Zufallsgruppenbildung)

– Die Zufallsgruppenbildung wurde bereits in dem Teil über Randomi-sierung angesprochen. Das Ziel eines Between-Subjects Designs ist es,signifikante Unterschiede zwischen Versuchspersonen mit verschie-denen Treatments oder den Untersuchungsgruppen zu untersuchen.Dieses Design nutzt in den meisten Fällen Mittelwertsvergleichezwischen den Experimental- und Kontrollgruppen.

– Vorteil: Individuelle Unterschiede der Versuchspersonen fallen we-niger ins Gewicht, da sie sich zufällig auf beide bzw. alle Gruppenverteilen. Außerdem muss man bei einer zufälligen Gruppeneintei-lung nicht explizit wissen, welche Störvariablen das Experimentbeeinflussen könnten. Es kommt zu weniger Positions-6 und Carry-Over-Effekten7.

– Nachteil: Die Anzahl der Versuchsteilnehmer muss relativ groß sein,damit der gewünschte Fehlerausgleich eintritt. Dazu kommt, dassstatistische Zufallsfehler während der Auswertung beachtet werdenmüssen. Unterschiede zwischen den Gruppen erzeugen Störvariablen.

6Für genauere Informationen siehe [DWS14, S. 1204]7Für genauere Informationen siehe [HSE13, S. 125f]

57


• Within-Subjects Design (Wiederholungsmessungen)

– Bei Wiederholungsmessungen wird jede Versuchsperson allen Treat-ments, d.h. allen Behandlungen bzw. Versuchsbedungungen, un-terzogen, sodass man innerhalb der verschiedenen Treatments in-dividuelle Unterschiede bei jeder Versuchsperson auswerten kann.Wiederholungsmessungen müssen nicht zwingend zu einer realenWiederholung eines Tests mit einer andere Bedingung führen, esist üblich, dass man z.B. in der kognitiven Grundlagenforschung zuvisueller Aufmerksamkeit alle Bedingungen während einer Sitzungerhebt.

– Vorteil: Es sind weniger Versuchspersonen nötig. Manche Fragestel-lungen sind nur mit diesem Design untersuchbar. Ein Experimentmit mehreren uV ist effizienter als separate Experimente und liefertsauberere Daten. Viele individuelle Störvariablen, wie Alter undMotivation, sind konstant.

– Nachteil: Die Testzeit der einzelnen Versuchspersonen erhöht sich,dadurch müssen Positionseffekte ausbalanciert werden. Ebenso wirddie interne Validität durch Abfolgeeffekte bedroht. Bei mehrfachemTesten kann es außerdem zu Carry-Over-Effekten kommen, bei deneneine systematische Beeinflussung der Versuchspersonen durch frühereBedingungen auftritt.

• Randomized Block-Design (Blockgruppenbildung)

– Blockbildung bzw. parallelisierte Gruppen haben das Ziel, den Ein-fluss bekannter Störvariablen zu vermindern, indem die Versuchsper-sonen homogen auf die Versuchsgruppen aufgeteilt werden. Um dieseGruppen bilden zu können, kann es nötig sein einen Vortest durchzu-führen, dessen Ergebnisse Daten für die Parallelisierung liefern. Ausden Versuchsteilnehmern werden dann sogenannte Blöcke gebildet.Die Zuordnung zur Experimentalgruppe oder Kontrollgruppe erfolgtzufällig.

– Das Randomized Block-Design vereint Vorteile beider bereits ge-nannten Designtypen.

58


– Nachteil: Die Störvariablen müssen bekannt sein. Außerdem erhöhtsich durch Vortests und Blockbildung der Aufwand.

• Mixed-Designs (Mischversuchspläne)

– Durch die verschiedenen Vor- und Nachteile der drei Designtypenwerden in manchen Untersuchungen Mixed-Designs verwendet. DieseMischversuchspläne können jedoch nicht bei unifaktoriellen Versuch-splänen angewandt werden, sondern nur bei multifaktoriellen Un-tersuchungen, in denen zwei oder mehr uV untersucht werden. DieuV werden dann den jeweiligen bereits vorgestellten Designtypenzugeordnet.

Besonders die Frage, ob ein Between- oder Within-Subjects Design bevorzugtwerden sollte, ist ein viel diskutiertes Thema, da beide Methoden ihre Vor- undNachteile haben, weitere Vor- und Nachteile sind kurz dargestellt in [RS12,S. 83]. [CGK12] und [Ker14] diskutieren die Frage, welches Design für welcheZwecke genutzt werden sollte, ausführlicher.

[Ker14] stellt heraus, dass es eine fachgebietsspezifische Nutzung von einem derbeiden Designs zu geben scheint, z.B. werden in Forschungen zu Gedächtnis undLernen der Hauptteil der Untersuchungen mit Within-Designs durchgeführt.Des weiteren geht der Autor darauf ein, dass es Belege gibt, die zeigen, dassWiederholungsmessungen mit einem anderen Design zu signifikant unterschied-lichen Ergebnissen führen können. Anschließend werden Gründe genannt, diehelfen sollen eine überlegte Designentscheidung treffen zu können. Diese werdenaufgeteilt in statistische Überlegungen, theoretische Gründe und methodischeArgumente.

Streng experimentelle Versuchspläne gehören weiterhin zum Feld der statisti-schen Versuchsplanung. Genauere Informationen insbesondere zu mathemati-schen Aspekten kann man unter anderem in [BHH05] nachlesen. Ein weiteresGrundlagenwerk, dass sich mit Wissenschaftstheorie und empirischen Methodenbeschäftigt, insbesondere mit dem Abgrenzungskriterium der Falsifizierbarkeit,ist die “Logik der Forschung“ von Karl Popper [Pop02].

59


Fallstudien

Fallstudien sind ein weiteres zentrales Untersuchungsdesign, das neben denbereits vorgestellten vier Haupttypen in interdisziplinärer Forschung eine großeRolle spielt. In Fallstudien werden Einzelfälle oder einzelne Gruppen genauuntersucht. Dabei werden auch die Besonderheiten erfasst, die in streng ex-perimentellen Untersuchungen häufig keine Rolle spielen, da sie nicht für dieAllgemeinheit gültig sind. Trotzdem müssen die Erkenntnisse aus solchen Stu-dien nicht nur Auswirkungen auf den Einzelfall oder die spezielle Gruppehaben. [BP14, K. 2.3.1]

Einer der besten Wege, ein Phänomen im Allgemeinen zu verstehen,besteht darin, es im Besonderen zu verstehen. [BP14, S. 73]

Fallstudien sind eine wichtige Evidenzquelle und können Ergebnisse zu rea-litätsgesteuerten Prozessen erzielen. Die Generalisierung der Ergebnisse vonEinzelfallstudien stellt sich häufig als schwierig heraus. Trotzdem können sieeinen wichtigen Beitrag zur Forschung leisten, da sie zum Beispiel auf Trendshinweisen können. Einen Überblick über dieses Thema liefert [BP14, K. 2.3.1],genauere Informationen sind in [BG09] nachlesbar.

Tipps zur Designwahl

Die Frage der Designwahl ist keine leichte, jeder Versuchsaufbau hat seineDaseinsberechtigung und bringt verschiedene Vor- und Nachteile mit sich. Auchwenn das strenge Experiment häufig als Königweg beschrieben wird, hat manals Untersuchungsleiter an vielen Stellen keine Wahl, da viele unabhängigeVariablen nur natürlich variiert vorkommen und damit nicht im Experimentmanipuliert werden können, typische Variablen sind all diejenigen, die einerPerson zugeordnet werden können, wie zum Beispiel das biologische Geschlechtoder die Schichtzugehörigkeit. Im Umfeld dieser Arbeit gehören dazu Variablenwie “das Tragen einer Sehhilfe“ oder die “Art der Erkrankung“. Wirklichinteressant ist es, wenn man eine Variable nutzen möchte, die sowohl natürlichvariiert als auch künstlich manipulierbar angetroffen wird. [BD09, S. 56]

60


Gütemerkmale eines Versuchsplans

Zusammenfassend werden an dieser Stelle nochmal die wichtigsten Gütemerk-male von Versuchsplänen hervorgehoben und den vorgestellten Designtypenzugeordnet. Hierfür wird im Anschluss an die Gütemerkmale eine Bewertungmittels Tabelle 2.2 gegeben (vgl. [RS12, S. 80]).

• Das erste Gütemerkmal ist, dass die kausaltheoretische Hypothese schonvor dem Versuchsbeginn gebildet wurde (siehe 2.3.3).

• Das zweite Gütemerkmal ist, dass die unabhängige Variable oder Varia-blen während der Untersuchung manipuliert werden können und dieseManipulation angemessen stattfinden kann (siehe 2.3.1).

• Das dritte Gütemerkmal ist, dass die anderen Versuchsbedingungen kon-trollierbar sein müssen. Hierbei geht es darum, möglichst alle unbekanntenStörvariablen auszuschließen oder zu kontrollieren (siehe 2.3.1). DiesesMerkmal ist am schwersten sicherzustellen und zu bewerten.

Merkmal I. Merkmal II. Merkmal III.Strenges Experiment X X XQuasi-Experiment X X -ExPost facto Untersuchung (X) - -Korrelative Untersuchung - - -Vorexperimentelle Untersuchung - - -

Tabelle 2.2.: Übersicht über die in diesem Kapitel vorgestellten Untersuchungsde-signs, geordnet nach den Bewertungen mit den vorgestellten Gütemerkmalen. EinHaken bedeutet, dass das Merkmal in dem Untersuchungstypen erfüllt wird, ein Minusbedeutet, dass das Gütemerkmal nicht erfüllt werden kann. Nach: [RS12, S. 80]

Weitere anwendbare Gütekriterien, die z.T. auch Überschneidungen mit denin diesem Teil vorgestellten Metriken haben, sind die bereits in 2.3.1 bespro-chenen Gütekriterien der empirischen Forschung: Validität, Reliabilität undObjektivität (vgl. dazu auch [Him09]).

61


2.3.6. Datenanalyse und Ergebnisinterpretation

Der nächste Schritt im Forschungskreislauf ist die in dem durchgeführten Ver-such gesammelten Daten auszuwerten und zu analysieren. Um die Daten zuanalysieren werden statistische Methoden angewandt. Die wichtigsten Grundla-gen dazu können an dieser Stelle nur schwerlich gegeben werden. Da der Fokusdieser Arbeit auf den ersten Phasen des Forschungszyklus liegt und hier nureine Basis für spätere Arbeiten geschaffen werden soll, wird an dieser Stelleder Vollständigkeit halber eine nur kurze Erläuterung gegeben. Als Referenz-werke können folgende Quellen genannt werden: [AKK+09], [BHH05], [DV99].[DBB14] ist eine gute Quelle, die mit Humor anschaulich zeigt, wie wichtig dieDarstellung der Ergebnisse ist und wie man verhindert, dass sich Fehlinforma-tionen in die Ergebnisdarstellung einschleichen. Einen guten Einstieg in dieThematik der Auswertung bietet außerdem [RS12, K. 8].

Statistik beschäftigt sich damit Gesetzmäßigkeiten zu finden, bzw. zu bestätigen.Außerdem kann man mit statistischen Methoden zeigen, ob sich ein Ergebnisauf eine Population oder Grundgesamtheit übertragen lässt. Es ist vor allemdeshalb nötig, da sich eigentlich nie Untersuchungen durchführen lassen, in dereine ganze Population untersucht werden kann. Stattdessen wird die Forschungan Stichproben durchgeführt.

Übertragen auf diese Arbeit bedeutet das unter anderem, dass statistischüberprüft werden muss, ob sich die Ergebnisse aus erstellten Experimente aufalle Menschen, auf alle potenziellen Nutzer oder auf alle Menschen in einerNutzergruppe übertragen lassen. Es muss ausgeschlossen werden, dass es sichnur um eine Scheinkorrelation oder um zufällige Einflüsse handelt.

In einem konkreten Beispiel könnte die Vorgehensweise wie folgt aussehen. Eswurde eine Studie durchgeführt, die überprüfen sollte, ob die in einem aktuellenBetriebssystem verwendete Standardgröße für Knöpfe für Blickinteraktionenmit einem mittelklassigen Eyetracker geeignet ist. Eine Gruppe von freiwilli-gen Versuchspersonen hat dafür in einer kontrollierten Umgebung an einemExperiment teilgenommen. In den Trials wurden die Größen der Icons umden Standardwert variiert und dokumentiert wie schnell und wie erfolgreichdie Versuchspersonen damit interagieren konnten. Anschließend kann man dieErgebnisse für jede Versuchsperson einzeln betrachten oder die Ergebnisseder ganzen Gruppe untersuchen. Im nächsten Schritt muss dann noch über-

62


prüft werden, ob sich das Ergebnis von der Stichprobe, d.h. der Gruppe derTeilnehmer, auf alle Menschen übertragen lässt.

2.3.7. Ausblick und Schlussfolgerungen

Am Ende eines Forschungszyklus stehen die Schritte der Vermittlung undder Reflexion der Forschungsergebnisse. Die wichtigsten Forschungsergebnissewerden nochmal im Kontext der gesamten Forschung in diesem Themenbereichbeleuchtet und diskutiert. Im Anschluss daran ergeben sich in den meistenFeldern nicht nur Antworten, sondern neue Anstöße für die Forschung undoffene Fragen, die in dieser letzten Phase des Forschungszyklus dokumentiertwerden. [BD09, S. 89], [RS12, K. 9.3]

63

Kapitel 3Verwandte Arbeiten

In diesem Kapitel liegt ein besonderer Fokus darauf eine Auswahl von Ar-beiten und Projekten, die sich ebenfalls mit Toolkits und der Erstellung vonExperimenten beschäftigen, vorzustellen. Im Anschluss daran werden einigeempirische Untersuchungen aus dem Themenfeld dieser Arbeit vorgestellt.Weiterhin werden in Kapitel 5 weitere Untersuchungen in Bezugnahme aufweiterführende Forschungen referenziert. Einen Überblick über weitere Software,die die Planung von Experimenten unterstützen ist in [MST12, S. 2] zu finden.

3.1. Ähnliche Softwarelösungen fürExperimentdesign

3.1.1. Experiment Design Tool

Das Experiment Design Tool1 wurde entwickelt von Anjo Anjewieden an derUniversity of Twente in Enschede in den Niederlanden.

Das Tool wurde für verschiedene naturwissenschaftliche Disziplinen, die inDeutschland häufig als MINT-Fächer beschrieben werden, entwickelt. Das Toolunterstützt Nutzer bei der Planung von Experimenten und zeichnet bei derDurchführung die Resultate auf. Es bietet verschiedene Experiment Designsan und bietet verschiedene Einstellungsmöglichkeiten an, z.B. lassen sich auchSimulationen über Populationsentwicklungen mit diesem Tool testen. Außerdembietet das Tool auch noch an, die Resultate innerhalb der Software in Tabellenzu betrachten. Weiterhin können die Datentabellen auch von einer weiterenSoftware geladen werden.

Die App ist veröffentlicht unter der Creative Commons Attribution-NonCom-mercial (CC BY-NC) Lizenz, der Code ist nicht mehr abrufbar. Die Applikation

1http://www.golabz.eu/apps/experiment-design-tool, letzter Zugriff am 09.08.2016

65

http://www.golabz.eu/apps/experiment-design-tool

Kapitel 3. Verwandte Arbeiten 3.1. Experimentdesign Software

ist ebenso wie andere Apps über das Go-Lab portal2 erreichbar. Ein Vorteildieses Systems ist es, dass es sich gut mit den anderen Applikationen desGo-Labs kombinieren lässt, so gibt es zum Beispiel auch eine Applikation, diedabei hilft, eine Hypothese aufzustellen. [JSG14]

Das Tool ist aber nicht darauf ausgelegt Input von außen zu erhalten, es istnicht möglich interaktive Untersuchungen damit zu planen. Das bedeutet auch,dass die Nutzung von Eyetrackern nicht unterstützt wird.

3.1.2. SR Research Experiment Builder

Der SR Research Experiment Builder wird von der kanadischen Firma SRResearch Ltd. entwickelt und bietet sehr viele Funktionen an. Die Software hatdas Ziel sowohl typische Werbe- und Usabilityuntersuchungen zu unterstützen,als auch die Planung neurowissenschaftlicher Experimente zur Verfügung zustellen.

Ein Vorteil dieser Software im Vergleich zu anderen hier vorgestellten Program-men ist, dass auch extrem präzise Darbietungszeiten erreicht werden können.Außerdem werden viele verschiedene Anzeigeobjekte zur Verfügung gestelltund Touchscreens unterstützt. Eine Schnittstelle, die Erweiterungen zulässt, istüber Phyton realisiert.

Ein Nachteil an dieser Software ist, dass sie eine Lizenz benötigt. Außerdem istsie durch den hohen Funktionsumfang sehr komplex. Neue Interaktionstechnikenlassen sich nicht selbst einpflegen. Da es sich um kommerzielle Software handelt,ist es nicht möglich, die Software frei an die eigenen Verwendungszweckeanzupassen, somit ist es zum Beispiel nicht möglich neue Interaktionstechnikenzu integrieren. Nicht zuletzt werden nur Eyelink Eyetracker unterstützt, die vonder Firma hergestellt werden. Ein Beispiel, wie die Oberfläche dieser Applikationmit einer fertigen Testkonfiguration (hier ein Stroop Experiment) aussieht istin Abb. 3.1 dargestellt. Der Aufbau eines Experimentes wird in diesem Toolhierarchisch über ein Flussdiagramm und einen Strukturbaum dargestellt.3

2http://www.golabz.eu/3http://www.sr-research.com/eb.html, letzter Zugriff am 09.08.2016

66

http://www.golabz.eu/

http://www.sr-research.com/eb.html

3.1. Experimentdesign Software Kapitel 3. Verwandte Arbeiten

Abbildung 3.1.: Die Konfiguration eines Stroop Experimentes in der GUI des SRResearch Experiment Builders. Quelle: http: // www. sr-research. com

67

http://www.sr-research.com


3.1.3. experimentator

Henry S. Harrison hat an der University of Connecticut einen “experimentbuilder“ in der Sprache Python geschrieben und unter der MIT-Lizenz veröf-fentlicht. Die Struktur von Experimenten wird hier hierarchisch repräsentiertund die Hauptaufgabe des Tools ist es, den Forschern die nötige Logistik beimexperimentieren abzunehmen: “Crossing your independent variables to formconditions, repeating your conditions, randomization, storing intermediate data,etc.“ 4

Die Phython Bibliothek bietet keine grafische Oberfläche an und stellt z.B. keineFunktionen bereit, die Grafiken einbinden, Timing regeln oder verschiedeneInputvarianten, Blickinteraktion eingeschlossen, verarbeiten können.

3.1.4. Open Sesame

Sebastiaan Mathôt ist der Projektmanager und führende Entwickler der Soft-ware “Open Sesame“ 5, die in einer Kooperation verschiedener Institutionenentwickelt wird. Beteiligt sind Forscher des Laboratoire de Psychologie Cogniti-ve, CNRS, Aix-Marseille Université, des Department of Cognitive Psychology,Vrije Universiteit Amsterdam und des Department of Experimental Psychologyder Utrecht University.

Außergewöhnlich an dieser Software ist, dass sie einen relativ großen Funktions-umfang bietet und trotzdem frei verfügbar ist (GPL3 Lizenz). Laut Angaben aufder Webseite können auch Eyetracker als Eingabegeräte genutzt werden, wasdadurch ermöglicht wird, dass es dem Nutzer dieser Software an einigen Stellenmöglich ist den Funktionsumfang selbstständig durch Phython inline_scriptszu erweitern. Bisher gibt es die Möglichkeit die Eyetracker der Eyelink Serievon SR Research über ein Plugin anzuschließen.

Einschränkungen der Software sind, dass der Lernaufwand aufgrund der vielenFunktionalitäten relativ hoch ist und es keine einfache Unterstützung für die

4http://experimentator.readthedocs.io/en/latest/index.html, letzter Zugriff am09.08.2016

5http://osdoc.cogsci.nl/3.1/, letzter Zugriff am 09.08.2016

68

http://experimentator.readthedocs.io/en/latest/index.html

http://osdoc.cogsci.nl/3.1/

3.1. Experimentdesign Software Kapitel 3. Verwandte Arbeiten

Abbildung 3.2.: Der Startbildschirm der Software OpenSesame. Es sind ver-schiedene Menüs zu sehen, die zu weiteren Einstellungen führen. Quelle: http:// osdoc. cogsci. nl/ 3. 1/ tutorials/ advanced/

Erweiterung um Interaktionstechniken gibt, vgl. dazu die grafische Oberflächedes Startbildschirms in Abb. 3.2. [MST12]

3.1.5. ITU Gaze Tracker

Die IT Universität Kopenhagen hat einen anderen Ansatz gewählt, der nichtdirekt eine Experiment Software beinhaltet, aber eine freie Schnittstelle zurAugensteuerung bereitstellt. Diese hat den Vorteil mit einem Camcorder odereiner Webcam zu funktionieren und keine teure Hardware zu benötigen. DieFreeware heißt ITU Gaze Tracker, [SSM+10]

Nervenerkrankungen wie beispielsweise ALS schränken einen Men-schen meist so ein, dass lediglich die Augen anstrengungsfrei bewegtwerden können. Mittlerweile gibt es auch für diese Menschen einLicht am Horizont und die Möglichkeit, einen Computer mit denAugen steuern zu können. Der englische Wissenschaftler StephenHawking ist wohl der bekannteste Anwender dieser Technologie.

69

http://osdoc.cogsci.nl/3.1/tutorials/advanced/

http://osdoc.cogsci.nl/3.1/tutorials/advanced/


Leider ist die notwendige Hardware zur Augensteuerung für denDurchschnittsbürger unbezahlbar und unter 10 000 Euro nicht zu ha-ben. Die IT Universität Kopenhagen hat dieses Problem erkannt undes sich zur Aufgabe gemacht, die Technik des Eye Trackings auchweniger begüterten Behinderten zugänglich zu machen. Entstandenist eine Freeware names ITU Gaze Tracker (www.gazegroup.org),die im Zusammenspiel mit einer Webcam oder einem Camcordereine echte alternative zu kommerziellen Systemen darstellt. [Bre13,S. 49]

Leider muss festgehalten werden, dass die Webseite während dieser Arbeit nichtmehr erreichbar war. Die günstigere Hardware stellt einen Vorteil dieser Ideedar. Nachteilig ist die schlechtere Qualität.

3.1.6. Test Planner

Der Test Planner ist ein Tool, dass das automatische Anzeigen von Zielreizenunterstützt. Es wurde an der Nelson Mandela Metropolitan University vonMartin Stephen van Tonder im Rahmen einer Doktorarbeit entwickelt. In die-sem Tool können verschiedene Formen der Randomisierung auf die einzelnenKonditionen angewandt werden. Nicht unterstützt werden eine völlige Rando-misierung der Untersuchungen oder der Aufbau von Experimenten, in denenFixationsscreens vorgesehen sind. Diese bieten aber den Vorteil, das sich dieabhängigen Variablen leichter messen lassen und bietet besser vergleichbareErgebnisse, da vor dem Beginn eines Trials ein fester Fixationspunkt definiertist.

[Ton09, K. 5] stellt die Vorteile eines Frameworks gegenüber vielen Einzelunter-suchungen verschiedener Interaktionstechniken dar. Durch ein Framework undTestplanungstools lassen sich bessere Resultate aus den Experimenten ziehenund es wird die Vergleichbarkeit von Ergebnissen erhöht. Außerdem bietet einFramework gute Schnittstellen für die relativ einfache Erweiterung um neueInteraktionstechniken.

70

3.2. Empirische Untersuchungen Kapitel 3. Verwandte Arbeiten

3.1.7. Testplanner

Der Testplanner ist von Thorsten Bövers im Rahmen einer Masterarbeit entwi-ckelt worden und folgt dem bereits beschriebenen Framework von [Ton09]. Inder Vorbereitungsphase für diese Masterarbeit wurde geprüft, ob der Testplan-ner erweitert werden sollte, um auch größere experimentelle Untersuchungenzu unterstützen. Allerdings wurden einige grundlegende Schwierigkeiten mitder Struktur der Testplanner Software festgestellt, die sich nicht ohne einenerheblichen Aufwand hätten rückgängig machen lassen.

Ein Beispiel hierfür ist, dass es mit dem Testplanner, wie in dem Vorbild von[Ton09], nicht möglich ist verschiedene Testkonditionen ineinander zu verschach-teln und diese dann randomisiert wiedergeben zu können. Die Randomisierungfindet nur auf der Ebene der einzelnen Konditionen statt. Es hätten zudemnoch viele Einstellungsmöglichkeiten für die Variablen, sowie verschiedene Va-riablentypen ergänzt werden müssen, sodass in dieser Masterarbeit eine neueProgrammstruktur entwickelt worden ist, die die Schnittstelle zum Eyetrackeraus der genannten Arbeit nutzt (vgl. [Böv14]).

3.2. Empirische Untersuchungen undweiterführende Studien

3.2.1. Empirically Based Design Guidelines for GazeInteraction in Windows 7

Raudsandmoen und Rødsjø haben in einer gemeinsamen Masterarbeit an derNorwegian University of Science and Technology in Tondheim gezeigt, dasses möglich ist, Richtlinien für die Blickinteraktion basierend auf empirischenUntersuchungen aufzustellen. Hierfür haben sie einen Test entwickelt, der dieStandardgröße von Knöpfen bei Windows 7 auf die Nutzbarkeit mit blick-basierten Interaktionstechniken testet. Sie haben gezeigt, dass die Usabilityvon Kontrollelementen, wenn man blickbasierte Interaktionstechniken benutzt,direkt mit deren Größe zusammenhängen. Damit ist gezeigt, dass es zweckmäßigist, Schwellwerte für die Interaktionstechniken zu entwickeln und daraus alsübergeordnetes Ziel Richtlinien abzuleiten. Das Resultat, dass die Buttonstan-

71

Kapitel 3. Verwandte Arbeiten 3.2. Empirische Untersuchungen

dardgröße in Windows 7 nur von durchschnittlich 47% der Probanden getroffenwerden konnte, zeigt außerdem, dass die heutigen standardmäßigen GUIs nichtmit der Bedienung von Eyetrackern kompatibel sind. [RR12]

3.2.2. New Solution to the Midas Touch Problem

Die Arbeitsgruppe der Moscow State University suchen neue Lösungen für dasMidas Touch Problem und untersuchen in aktuellen Forschungsprojekten, obes möglich ist, die Bedienung zu verbessern, indem die Systeme zwischen zweiverschiedenen Arten von Fixationen unterscheiden. Sie konnten in früherenStudien zeigen, dass es Fixationen gibt, die die Aufmerksamkeit der Umgebungwidmen und Fixationen, bei welchen die Aufmerksamkeit besonders auf denzentralen Punkt der Fixation gerichtet ist. Diese werden auch in unterschiedli-chen Verabreitungsmechanismen vom Gehirn ausgewertet und könnten helfeneine komfortable Lösung für das Midas Touch Problem zu erarbeiten. [VRM14]

3.2.3. Neuronal Response Gain Enhancement prior toMicrosaccades

An der Universität Tübingen werden Hypothesen über den menschlichen Seh-apparat und die Verarbeitung der Informationen untersucht. Die Ergebnissekönnten Auswirkungen auf die Benutzung von Eyetrackern und die Gestaltungvon Oberflächen haben. Ähnlich wie der Ansatz von [VRM14] wird an derUniversität Tübingen die Augenbewegung genauer differenziert. [CITH15] unter-suchen Mikrosakkaden genauer und konnten dabei zeigen, dass Mikrosakkaden,die ablaufen, während man die Aufmerksamkeit auf einen bestimmten Punktfixiert, dazu genutzt werden, um sich der Umgebung der Fixation bewusst zubleiben und diese “im Auge zu behalten“.

Die Forscher haben außerdem gezeigt, dass systematische Mikrosakkaden wäh-rend der Fixation mit einer erhöhten neuronalen Aktivität stattfinden, weshalbauch während einer Aufmerksamkeitsausrichtung die Umgebung ohne bewussteVerarbeitung im Verarbeitungsprozess erhalten bleibt. Für die GUI Gestaltungund Eyetrackernutzung bedeutet das, dass sich bestimmen lässt, wann der

72

3.2. Empirische Untersuchungen Kapitel 3. Verwandte Arbeiten

Benutzer empfänglich ist für periphere Stimuli. Oberflächen können durchdieses Wissen effizienter und benutzerfreundlicher gestaltet werden. [CITH15]

73

Kapitel 4Software

In diesem Kapitel wird die Softwareentwicklung, der Designprozess und eini-ge Verhaltensdetails des Experiment Builders beschrieben. Ein Fokus diesesKapitels liegt darauf, die Entscheidung, Experimente in Baumstrukturen zu ent-werfen, zu verdeutlichen und die wichtigsten Eigenschaften der Software, sowiewichtige Schnittstellen, hervorzuheben. Außerdem werden die umfangreichenErweiterungsmöglichkeiten vorgestellt, sodass künftige Forschungsmöglichkeitengezeigt werden.

4.1. Softwareplanung, Entwurf und Eigenschaften

Während der Planungsphase sind die verwandten Softwarelösungen auf Gemein-samkeiten, Unterschiede und gleiche Ansätze untersucht worden, sodass dieseErkenntnisse in die Entwicklung des Experiment Builders mit einfließen konnten.Der Planungsprozess wurde durch das Tool “Balsamiq Mockups“1 unterstützt,sodass Konzeptskizzen für das Benutzerinterface auf die Bedienungsfreund-lichkeit und mögliche Fehler untersucht werden konnten. Ein Beispiel für einMock-Up, das während der Entwicklungsphase entstanden ist, ist in Abb. 4.1zu finden, weitere sind in Anhang A.2 aufgeführt.

Aufbauend auf Kapitel 2, den Erkenntnissen aus der State-of-the-Art Analyseund auf praktischen Erfahrungen aus Vorlesungen, wie dem experimental-psychologischen Praktikum, welches für Informatiker mit dem Nebenfach Psy-chologie an der Uni Paderborn angeboten werden, folgen die Eigenschaften, dieder Experiment Builder erfüllen muss.

• Automatisierte Instruktionen: Aus der Eigenschaft, dass die Instruk-tionen automatisiert an die Versuchsperson gegeben werden sollen, ergibtsich die Anforderung an die Software Texte darzustellen und für komplexe

1Siehe: https://balsamiq.com/products/mockups/, letzter Zugriff am 01.10.2016

75

https://balsamiq.com/products/mockups/

Kapitel 4. Software 4.1. Softwareplanung, Entwurf und Eigenschaften

Abbildung 4.1.: Entwurfsskizze für den Experiment Builder. Die Skizze zeigt einenfertigen Strukturbaum, ausgewählt ist die Schleife im Warm Up des Experimentes.

Experimente auch die bildliche Darstellung von Instruktionen präsentierenzu können.

Durch die Automatisierung der Präsentation der Instruktionen werdenzufällige und systematische Fehler, die in diesem Zusammenhang auftretenkönnen weitgehend eliminiert.

• Doppelblindstudien: Um Doppelblindstudien zu ermöglichen muss eseinfach sein Daten und Experimente zu laden und den Versuch aus derSoftware zu starten. Daraus folgt, dass diese Funktionen möglichst schnellzu finden und somit z.B: in der Hauptmenüleiste auszuwählen sein sollten.

• Ablenkung reduzieren: Systematische Fehler durch Ablenkungen las-sen sich reduzieren indem die Umgebung möglichst reizarm aufgebaut ist.Dies umfasst nicht nur die Umgebung, in der die Experimente durchge-führt werden, sondern auch Softwareeigenschaften, wie dem Ausblendender Startleiste beim Anzeigen eines Experimentes im Fullscreen Modus.

76

4.2. Implementierung Kapitel 4. Software

• Konstanthaltung: Die Überprüfung von relevanten Persönlichkeitsei-genschaften lassen sich durch Abfragen zu Beginn des Experimenteserreichen. Die Konsequenz für die Software ist, dass die relevanten Eigen-schaften in einem Teilnehmerformular festgehalten werden müssen. Einweiterer Aspekt der Konstanthaltung ist, assoziierte Situationsbedingun-gen auszuschalten. Dies ließe sich zum Beispiel durch eine kontrollierteTestumgebung erreichen, vgl. [Wes00, S. 383].

• Messwiederholung: Durch den Aufbau des Experimentes als Baum-struktur ist es möglich das Experiment beliebig zu erweitern. In relativeinfachen Innersubjekt-Designs können die Wiederholungen innerhalbeiner Session durchgeführt werden. Das Programm muss auch die Möglich-keit anbieten die Reihenfolge zu bestimmen oder die Teile randomisierenzu lassen, um Postions- und Sequenzeffekte ausschließen zu können.

• Randomisierung: Nicht nur die Experimentteile sollen zufällig zuge-ordnet werden können, sondern auch die Trials müssen mit Hilfe derSoftware randomisiert wiedergegeben werden können, um den Einflussvon Reihenfolgeeffekten zu kontrollieren.

• Erweiterbarkeit: Die Erweiterbarkeit von Software ist ein typischesQualitätsmerkmal (vgl. [BHS97]). Dieses Designprinzip steht dafür, dassdas Programm an neue Umstände anpassbar sein soll. Die Schwierigkeitbei der Definition von Erweiterbarkeit ist, dass es darum geht, die An-passbarkeit mit einem verhältnismäßig kleinem Aufwand zu ermöglichenund diese nur schwerlich messbar ist.

4.2. Implementierung

Ein Screenshot, der einen ersten Überblick über die finale Oberfläche des Ex-periment Builders gibt, ist in Abb. 4.2 eingefügt. 4.3 zeigt den schematischenAufbau der Oberfläche. Die GUI besteht grundsätzlich aus vier Bereichen. Imoberen Teil befindet sich die Menüs, das obere ist für die Dateiverarbeitung.Die darunter liegende Menüleiste enthält Icons, die die verschiedenen Elementeeines Experimentes enthalten und dafür genutzt werden können, um den Ex-perimentbaum aufzubauen. Die Struktur des Baumes wird im linken Bereichauf der Oberfläche angezeigt, diese dient auch zur Navigation zwischen den

77

Kapitel 4. Software 4.2. Implementierung

Abbildung 4.2.: Screenshot des Experiment Builders.

Baumelementen. Die Teile des Experimentes sind auf einen Blick ersichtlich. Diegenauen Einstellungen, die für die einzelnen Elemente vorgenommen werdenkönnen, werden über den rechten Bereich vorgenommen.

In der Abb. 4.2 ist ein beispielhafter Aufbau eines Experimentbaumes dargestellt.Die Einstellungen des aktiven Elementes sind in dem rechten Fenster geöffnet.

4.2.1. Entwicklungsgrundlage

Als Entwicklungsumgebung wurde Eclipse IDE for Java Developers (VersionMars.2 Release (4.5.2)) verwendet. Die verwendete Programmiersprache istJava. Die Java Version, die vorausgesetzt wird, ist Java 1.8, welche flüssigermit JavaFX (JavaFX 8u74) zusammenarbeitet und eine Reihe zusätzlicherFunktionen bereitstellt. Die Dialoge und Oberflächen des Experiment Builderswurden deklarativ in FXML Dateien definiert.

Die Software des bereits in Kap. 3.1.7 beschriebenen Testplanners von [Böv14]liegt dieser Arbeit vor und wird bestmöglich wiederverwendet. Um auch größere

78


Abbildung 4.3.: Aufbau der GUI des Experiment Builders

experimentelle Untersuchungen zu unterstützen wurde jedoch besonders dieOberfläche grundlegend verändert, als auch Schnittstellen und Datenmodel-le angepasst bzw. hinzugefügt. Die bestehende Umsetzung des Frameworks,welches von [Ton09] entworfen wurde, wurde an den nötigen Stellen an dieneuere Java Version angepasst. Eine größere Änderung ist die Implementierungder Oberflächen mit JavaFX im Austausch für Swing. Die dafür benötigtenÄnderungen am bestehenden Code wurden vorgenommen, sodass der Experi-ment Builder und die Experimente mit dem neuen Java-Technologiestandardarbeiten.

Zusätzlich dazu, dass es der neue Standard2 ist, bietet JavaFX größere Einstel-lungsmöglichkeiten. Die Experimente können mit einer größeren Vielfalt vonKontrollelementen ausgestattet werden. Außerdem bieten die Kontrollelementedurch die Verwendung von CSS eine breite Auswahl an Gestaltungsmöglichkei-ten. Dies führt auch zu einer besseren Erweiterungsmöglichkeit des ExperimentBuilders. Die Umstellung auf JavaFX hat zusätzlich den Vorteil, dass die Per-fomance gesteigert wird. Zeitkritische Anwendungen lassen sich mit JavaFXpräziser implementieren, so sind zum Beispiel Animationen fester Bestandteilder API, deren zeitliche Auflösung im Bereich von Nanosekunden liegt. Swingbietet nur auf die Mikrosekunde genaues Timing an.

2Siehe: http://www.oracle.com/technetwork/java/javafx/overview/faq-1446554.html#6, letzter Zugriff am 01.10.2016

79

http://www.oracle.com/technetwork/java/javafx/overview/faq-1446554.html#6

http://www.oracle.com/technetwork/java/javafx/overview/faq-1446554.html#6


4.2.2. Komponenten

Das Framework von [Böv14] wurde um einige Funktionen und Komponentenerweitert. Einen Überblick über die Funktionen und Abhängigkeiten zwischenden Komponenten ist in Abb. 4.4 gegeben.

Die zentralen Komponenten sind der Experiment Builder und der ExperimentPresenter. Der Experiment Builder stellt eine graphische Nutzeroberfläche, die esermöglicht, schnell lauffähige Experimente zu designen und ggf. Anpassungen anbestehenden Experimenten vorzunehmen. Benutzer erstellen auf der Oberflächeeinen Experimentbaum, der im folgenden Abschnitt genauer beschrieben wird.Zur Ausführung eines Experimentes wird der Experiment Presenter aufgerufen,welcher den erstellten Experimentbaum für die Anzeige des damit beschriebenenExperimentes benutzt.

Die Umsetzung des Frameworks orientiert sich an dem Konzept Model-View-Controller, um einen verständlichen Kontrollfluss, sowie eine bessere Abgrenzungvon Daten und Oberflächen, zu erhalten und so eine einfachere Erweiterbarkeitzu erlangen. Die Hauptaufgaben bei der Ausführung eines Experimentes über-nimmt der ExperimentController, welcher die Views auswählt und den Durchlaufdes Experimentbaumes steuert. Ebenfalls werden in diesem Teil der Softwaredie Experimentroutinen, wie der Aufbau der Trials und die Interaktion mit denKlassen, die für die Speicherung der Daten zuständig sind, übernommen. DerExperimentController enthält außerdem spezielle Ereignisbehandlungsroutinen,die den Umgang mit Eyetracker-Daten spezifizieren. Diese Daten werden dannmit der passenden Technik aus der Selection Technique verwertet. An dieserStelle findet eine Erweiterung und Aufteilung des ursprünglichen Ansatzes von[Ton09] statt.

Diese Modifizierungen dienen der Übersicht und erleichtern, dass verschiedeneLeute gleichzeitig an dem Projekt arbeiten können. Außerdem müssen Änderun-gen an weniger Stellen eingepflegt werden, wenn die Software erweitert werdensoll.

Die drei Teile (Result Handler, Experiment Presentation und Selection Tech-niques), die in dem Schaubild 4.4 rechts dargestellt sind, waren bei [Ton09]noch in einem Segment, nämlich der GazeSelectionLibrary. Durch die Erwei-terung um verschiedene Arten von Anzeigeklassen (Text, Grafiken mit undohne Button, experimentelle Szenen), Selektionsvarianten (Dwell, Wink, ...)

80


Abbildung 4.4.: Überblick über die Komponenten, Funktionen und Abhängigkeitendes Experiment Builders, insbesondere aufbauend auf der Arbeit von [Ton09] und derUmsetzung von [Böv14]. Erweitert nach: [Ton09, S. 91]

und der Ergebnisspeicherung (aV, uV, Blickpunkte...) ist eine Aufteilung auchaus Gründen der Übersichtlichkeit sinnvoll.

4.2.3. Experimente als Baumstrukturen

Wie bereits in dem Kapitel über verwandte Arbeiten gezeigt wurde, werdenExperimente häufig als Baumstrukturen erstellt (SR Research ExperimentBuilder, experimentator und OpenSesame). Diese Datenstruktur eignet sich gutzur Repräsentation der syntaktischen Struktur von Experimenten. Der Experi-ment Builder stellt diese Struktur durch Einrückungen dar. Diese Darstellungermöglicht es einen schnellen Überblick über den Ablauf des Experimentes zuerhalten. Experimentbäume gehören zu der Klasse der Mehrwegbäume, dasheißt, dass die generelle Anzahl, die einem Knoten als Kinder angehängt werdenkönnen, nicht beschränkt ist.

81


Abbildung 4.5.: Zusammenhänge zwischen den Komponenten eines Experiment-baumes aus Sicht des Benutzers.

Es gibt verschiedene Typen von Knoten, die dem Baum hinzugefügt werdenkönnen und die verschiedene Elemente eines Experimentes repräsentieren, sieheAbb. 4.5. Die in der Abbildung gezeigten Zusammenhänge zwischen den Knotenrepräsentieren nicht die interne Struktur, sondern die Elemente aus Sicht desBenutzers. Als Kindelemente für den Experimentbaum kann der Benutzerbeliebige Knoten einsetzen. Sind dieses interne Knoten, können daran weitereKnoten angehängt werden. Blattknoten können keine weiteren Kinder folgen.Konkrete Ausprägungen, die auf der grafischen Oberfläche des ExperimentBuilders zu finden sind, sind durch die gelbe Box gekennzeichnet. Der folgendeAbschnitt wird anhand dieser Struktur untergliedert, welche auch in der Abb. 4.3im Menü für die Knotenauswahl zu finden ist.

Strukturelemente, innere Knoten

Es gibt zwei wichtige Objekte, die innere Knoten repräsentieren. Diese sindStrukturelemente, die das Experiment gliedern und so grundlegend zur Steuer-ung des Experimentes dienen (vgl. 4.3). Es gibt Sequenzen, die mehrere Kinderhaben und deren Anzeige beim Baumdurchlauf koordinieren und es gibt Schlei-fen, die die Aufgabe haben, Wiederholungen zu realisieren. Der Wurzelknoten

82


Abbildung 4.6.: Im Standardfall werden die Kinder von Sequenzknoten der Rei-henfolge nach abgehandelt. Jeder auswählbare Tree Node mit Ausnahme des Wurzel-knotens kann das Kind eines Sequence Nodes sein.

ist eine besondere Ausprägung einer Sequenz und wird in dem nun folgendenUnterabschnitt behandelt.

Abfolgen, Sequenzen Sequenzen (Sequence Nodes) sind Bausteine eines Ex-perimentes, die definieren in welcher Reihenfolge die Kindknoten abgehandeltwerden, vgl. Abb. 4.6. Im Standardfall werden die Kindelemente der Reihe nachangezeigt und nicht randomisiert. Die Möglichkeit der Randomisierung wirdaber ebenfalls angeboten, sodass dieses Element auch genutzt werden kann,wenn eine Abfolge vor der Ausführung des Experimentes gemischt werden muss.

Das einfachste Beispiel für eine Sequenz ist der Ablauf eines Trials, der immerin einer festen Reihenfolge durchlaufen werden soll:

1. Zeige einen neutralen Bildschirm (Blank Screen)

2. Zeige ein Fixationskreuz

3. Zeige einen Bildschirm mit Targets und Distraktoren

Ein komplexeres Beispiel für eine Sequenz, die vor Beginn des Experimentesgemischt wird, ist ein Versuchsplan mit Within-Subjects Design, bei dem dasExperiment eine Folge von Teilexperimenten enthält. Jedes Teilexperimententspricht einer Versuchsbedingung. Um Reihenfolgeeffekte auszuschließen,müssen die Bedingungen bei jeder Versuchsperson in einer zufälligen Reihenfolgedargeboten werden, vgl. Abb. 4.7.

Eine Spezialform der Sequenz ist der Wurzelknoten (Experiment Root Node).Es kann nur einen Knoten dieser Art in dem Baum geben und er kann niemals

83


Abbildung 4.7.: Wenn dies gewünscht ist, können die Kinder von Sequence Nodesbeim Starten gemischt werden.

Abbildung 4.8.: Schleifen haben einen auswählbaren Kindknoten, dessen Ausführungsie wiederholbar machen. Optional bieten Loop Nodes an, eine Pause nach einerfesten Anzahl an Durchgängen anzuzeigen.

ein Kindknoten sein. Der Wurzelknoten enthält die globalen Einstellungen fürdas Experiment, wie zum Beispiel die Bildschirmauflösung. In der Auswahlseiner angehängten Kindknoten ist der Wurzelknoten gegenüber der Sequenzeingeschränkt. Er hat die Eigenschaft seine Kinder immer sequentiell abzuhan-deln, da in dem Fall des Wurzelknotens eine randomisierte Reihenfolge nichtsinnvoll wäre. Der Experiment Root Node gibt der Untersuchung also einenstrukturellen Rahmen.

Schleifen, Wiederholungen Um eine Wiederholung einer Sequenz oder einesanderen Elementes zu erreichen werden Schleifen (Loop Nodes) in den Experi-mentbaum eingefügt. Die Hauptaufgabe dieses Elementes ist es, die Anzahl dereingestellten Wiederholungen auszuführen. Dabei ist wichtig zu beachten, dassLoop Nodes nur einen Kindknoten haben können, welcher wiederholt wird, vgl.Abb. 4.8. Das bedeutet, dass Sequenzen in Loop Nodes geschachtelt werdenmüssen, um den wiederholten Durchlauf mehrerer Kinder zu erzeugen.

Schleifen verwalten außerdem die Pausen, welche auch in der Abbildung darge-stellt sind. Pausen dienen in längeren Experimenten dazu dem Probanden dieMöglichkeit zu geben, sich zu entspannen und eventuelle Ermüdungszuständeabzuschütteln. Die Berechnung der Wiederholungen erfordert die Kommunikati-

84


on der Knoten untereinander. An dieser Stelle werden zum besseren Verständniszunächst allgemeinere Eigenschaften und vor allem die anderen Knotentypenvorgestellt.

Anforderungen an die inneren Knoten Eine Eigenschaft, die sich als essenti-ell herausgestellt hat, ist, dass Loops und Sequenzen ineinander verschachtelbarsein müssen. Diese Eigenschaft zieht viele Folgen nach sich, zum Beispiel,dass die Klassen in einem gewissen Maß miteinander kommunizieren müssen.Bei der Initialisierung eines Experimentes wird die Anzahl der Kinder an dieElternknoten weitergegeben. So wird es Loops ermöglicht die Pausen richtigeinzufügen und eine vollständige Randomisierung aller Trials zu erhalten. Diegenaue Berechnung der Durchgänge und die Weitergabe der Kinderanzahl wirdin Kap. 4.3.4 vorgestellt.

Während des Softwaredesign Prozesses wurden verschiedene Konzepte der in-neren Knoten betrachtet, da die Möglichkeit gegeben sein sollte klassischeVersuchspläne (vgl. 2.3.5) umzusetzen. Hierfür mussten viele mögliche Versuchs-pläne und Abläufe durchgespielt werden. Ein Beispiel für eine solche Überlegungist die Festlegung, welches Element bzw. welche Elemente die Randomisierungverwalten.

Es gibt verschiedene Konzepte mit denen diese Eigenschaft erreicht werdenkann. Würde zum Beispiel der Loop Node die Randomisierung verwalten, hättedas den Nachteil, dass dieser neben seinen Kindern auch die Kindeskinderkennen müsste. Sobald das Experiment durch umfangreichere Schachtelungvon Loops und Sequenzen aufgebaut wird, führt das zu einem schlechterenÜberblick bei der Planung und einem erhöhten kognitiven Aufwand für denVersuchsleiter.

Der Entwurf, der deshalb umgesetzt wurde, realisiert die Randomisierung in denSequenz Knoten. Diese Umsetzung ermöglicht es, Experimente mit mehrerenTeilexperimenten zu entwerfen, ohne Umwege in die Baumstruktur einbauenzu müssen.

Eine andere Überlegung, die der selben Argumentation folgt, ist, dass derExperiment Builder im Gegensatz zu Open Sesame die Tabellen mit den Datenfür die uV nicht in der Loop Node verwaltet. Diese Daten werden in denBlattknoten hinterlegt.

85


Anzeigeelemente, Blattknoten

Eine Übersicht über die vier in dieser Arbeit umgesetzten Anzeigeelemente istin Abb. 4.5 gegeben. Sofern die Anzeigeelemente über Knöpfe verfügen, könnendiese mit allen implementierten Techniken bedient werden. Die Auswahl derTechniken kann bei den einfachen Kindelementen in der GUI vorgenommenwerden (vgl. Abb. 4.9).

Es gibt drei einfache Typen von Anzeigeelementen in einem Experimentbaum.Diese sind ein Graphic Screen, eine Grafikanzeige mit einem Button (GraphicScreen with Control) und ein Text Screen. Drei Beispiele sind in Abb. 4.10präsentiert. Sowohl das linke als auch das mittlere Beispiel sind thematischeiner Instruktion bzw. dem Beginn eines Experimentes zuzuordnen, währenddas rechte Bild ein Fixationskreuz zeigt, welches zeitlich begrenzt am Anfangeines Trials gezeigt wird.

Den Graphic Screen gibt es einmal als zeitlich geregelte Version, welche ein Bildfür eine festgelegte Dauer präsentiert und als Version mit einem Knopf. DerText Screen besitzt immer einen Knopf. Die Knöpfe werden genutzt, damit derProband die Möglichkeit hat zu signalisieren, wann er oder sie fertig mit derBearbeitung des Elementes ist. Bei den Einstellungen der Graphic Screens gibtes außerdem Preview Fenster, sodass die Untersuchung einfacher kontrollierbarund nachvollziehbar ist. In Abb. 4.9 wird ein Bild, dass dem Probanden denVersuchsablauf zeigt, im Instruktionsteil des Experimentes präsentiert.

Unabhängige Variablen, Visual Stimuli Screens Visual Stimuli Screens sindAnzeigeelemente, die anhand der unabhängigen Variablen generiert werden.Die uV dieser Software sind Knöpfe (Buttons), die an verschiedenen Positionenauf dem Bildschirm angezeigt werden. Abb. 4.12 zeigt drei Beispiele hierzu. DieReihenfolge der Knöpfe, aufgeteilt in Target, aktive und passive Distraktoren,ist zufällig.

Ein Target ist das Zielobjekt, welches von der Testperson ausgewählt werdensoll. Aktive Distraktor bedeutet in diesem Zusammenhang klickbare Buttons,welche aber nicht das Zielitem darstellen, während passive Distraktoren Buttonssind, welche nicht durch den Probanden aktiviert werden können.

86


Abbildung 4.9.: Ausschnitt der grafische Oberfläche. Die Eigenschaften einesScreens mit einem Bild und einem Button können an dieser Stelle festgelegt werden.Das bereits ausgewählte Bild zeigt eine Zeitleiste als Erklärung für ein Trial.

Abbildung 4.10.: Beispiele für drei einfache Anzeigeelemente. Links: GraphicScreen with Control, Mitte: Text Screen, Rechts: Graphic Screen

87


Abbildung 4.11.: Die Manipulation der unabhängige Variablen wird in einer Tabellevorgenommen. Jede Zeile stellt jeweils eine Ausprägung einer Szene dar.

Um die Einstellungen praktikabel vornehmen zu können, wird dem Benutzerdie Möglichkeit gegeben, eine entsprechend formatierte Tabelle einzulesen.Abb. 4.11 zeigt schematisch einen ersten Entwurf, der den Zweck der Tabelleverdeutlichen soll. Jede Spalte der Tabelle enthält eine manipulierbare Variable,während jede Zeile ein Trial bzw. eine Szene eines Trials repräsentiert. An dieserStelle wurde der Ansatz von [Böv14] erheblich erweitert.

Durch die Manipulation in einer Tabelle kann der Überblick bei mehr Kombi-nationsmöglichkeiten und Zusammenstellungen von uV erhalten werden. Einweiterer Vorteil, der durch die Erstellung der Trials in Tabellen erreicht wird,ist, dass die gute Erweiterbarkeit der Tabellen einen Ausbau des Programmsinnerhalb kürzester Zeit zulässt. Die Tabelle könnte zum Beispiel um Feldererweitert werden, die den Stil der Buttons in den verschiedenen Zuständendefiniert.

Ein Nachteil an der Tabelle, besonders aus der Sicht der Usability, ist, dass essich momentan um eine starre Einleseroutine handelt, sodass auch Variablenabgefragt werden, die für den aktuellen Versuch nicht von Interesse sein müssen.Ein Beispiel dafür ist, dass eine gesamte Spalte, welche die Ausprägung derGeste spezifizieren würde, bei einem Versuch ohne Gesten eingelesen wird,obwohl sie keinen Inhalt ausweist. Dieser Nachteil ließe sich aber mit einerErweiterung der Einlesefunktionen beheben. Diese zusätzliche Arbeit würdeüber den Rahmen dieser Masterarbeit hinausgehen, sodass diese Möglichkeitim Ausblick aufgegriffen wird.

Eine detaillierte Beschreibung der Einstellungsmöglichkeiten und der Bedeutungjeder Tabellenspalte ist im Anhang A.1 aufgeführt. Das Beispiel im Anhang

88


Abbildung 4.12.: Beispiele für Szenen mit visuellen Stimuli. Rechts ist ein Beispielfür einen Durchgang mit einem Bestätigungsknopf. Targets sind magenta, aktiveDistraktoren petrol und passive Distraktoren goldgelb.

wurde zum Testen während der Implementierungsphase erstellt und enthältalle Kombinationsmöglichkeiten. Die Gestaltung einer korrekten CSV Datei istleider nicht intuitiv, da es viele Einstellungsmöglichkeiten gibt. Deshalb gibt esauf der GUI in dem Fenster, in dem die Eigenschaften festgelegt werden, einenhelp Knopf. Dieser erklärt die Anordnung und Formatierung einer korrektenCSV Datei und verweist außerdem auf die Beispiel CSV Datei.

4.2.4. Selektionstechniken

In diesem Abschnitt werden zunächst kurz die implementierten Selektions- undBestätigungstechniken vorgestellt und anschließend folgt eine Zusammenfassungwelche Designentscheidung hinsichtlich der graphischen Oberfläche getroffenwurde. Hierfür werden zunächst zwei Klassifikationsmöglichkeiten der Technikenvorgestellt.

Implementierte Selektionstechniken In dieser Arbeit wurden die folgendenAuswahltechniken implementiert: Dwell, Wink, Speech, Keyboard (vgl. ButtonPress in Kap. 2.2.5), ein Bestätigungsbutton (Screen Button) und Blickgesten.Die Tasten auf der Tastatur, die für die Methode Keyboard umgesetzt wurden,sind die Leertaste, Enter und die Taste “C“. Diese wurden wegen ihrer gutenErreichbarkeit ausgewählt, bzw. weil sie als Repräsentant für einen externenSchalter (“C“ - Control) stehen.

89


Abbildung 4.13.: Die Grafiken A, B, C und D zeigen die Selektionstechniken.

Der Bestätigungsbutton ist so implementiert, dass der Benutzter seine Größe inden Experimenten variieren kann. Die Position des Knopfes ist immer zentralauf der linken Bildschirmseite.

Gesten können über zwei Wege als Bestätigungstechniken dienen. Zum einengibt es die Möglichkeit durch die Option “direction“ die Selektion zu bestätigen,indem man in eine vorher definierte Richtung blickt.

Während die Richtung dieser Geste vom Versuchsleiter gewählt werden kann,ist der Ursprung immer der letzte Blickpunkt der Selektion. Soll also z.B. einKnopf ausgewählt werden, so muss die Versuchsperson vom Knopf aus gesehen(möglichst weit) in die festgelegte Richtung schauen, z.B. gerade nach rechts.Die Auswahl von “position“ definiert eine Bildschirmposition als Bereich inden der Proband blicken muss für die Bestätigung. Einen Überblick über dieEinteilung in die Bereiche und über die bereits genannten Techniken ist inAbb. 4.13 und Abb. 4.14 zu finden.

90


Abbildung 4.14.: Die Grafiken der Bestätigungstechniken bauen auf den Selekti-onstechniken auf. Nach der Selektion durch eine der Techniken aus A, B, C oder D(Abb. 4.13) wird die Selektion durch eine der drei Bestätigungstechniken aktiviert.

91


Kategorisierung Eine Design Frage, die sich stellt, wenn man mit verschiede-nen Gazeinput arbeitet, ist, welche Art der Kategorisierung als Repräsentationsinnvoller ist. Die Techniken lassen sich in verschiedenen Systemen erfassen,die je nach Anwendungsgebiet unterschiedlich nützlich sind. Eine Möglichkeitist die Einordnung danach, ob die Methoden nur auf dem Gazeinput basieren(gaze-only) oder den Gazeinput methodisch um weitere Komponenten erweitern(gaze-added).

Die zweite Kategorisierung, die getroffen werden kann, ist die Anzahl derSchritte zu unterscheiden, die benötigt werden, um ein Item zu aktivieren.Die wesentliche Unterscheidung, die vorgenommen wird, ist, ob es sich umeinstufige Techniken oder Zweistufige handelt. Eine Gegenüberstellung derbeiden Kategorisierungen für die in dieser Arbeit umgesetzten Techniken ist in4.1 aufgeführt.

Gaze-added/Gaze-only

einstufig/zweistufig

Dwell Gaze-only einstufigWink Gaze-only einstufigKeyboard Gaze-added einstufigSpeech Gaze-added einstufigGesture + Dwell Gaze-only zweistufigGesture + Wink Gaze-only zweistufigScreenButton + Dwell Gaze-only zweistufigScreenButton + Wink Gaze-only zweistufigGesture + Keyboard Gaze-added zweistufigGesture + Speech Gaze-added zweistufigScreenButton + Keyboard Gaze-added zweistufigScreenButton + Speech Gaze-added zweistufig

Tabelle 4.1.: Gegenüberstellung der zwei Kategorisierungen für die Auswahltechni-ken.

Darstellung in der GUI Für die grafische Oberfläche des Experiment Buil-ders wurde die Differenzierung genutzt, die die Anzahl der Schritte bis zurAuswahl betrachtet. Die Schwierigkeit, die sich bei den Auswahlmethoden fürdas Interface ergibt, besteht in den vielen Einstellungsmöglichkeiten, welche auf

92


Abbildung 4.15.: Vier Beispiele für verschiedene Zustände der GUI bei Auswahlder Selektionsmethode.

der Oberfläche untergebracht werden müssen. Diese Schwierigkeit wurde zumBeispiel dadurch gelöst, dass sich die Oberfläche dynamisch an die Auswahl an-passt. Einen Überblick über verschiedene Zustände der GUI gibt Abb. 4.15. Inder Abbildung kann man sehen, dass sich die Knöpfe je nach Auswahl anpassenund verschiedene Möglichkeiten gegeben werden. Wenn man auswählt, dass dieSelektion zweistufig erfolgen soll, wird die Auswahl für die Bestätigungstechnikaktiviert. Sollten weitere Differenzierungsmöglichkeiten bestehen, können diesein einem nebenstehenden Feld eingetragen werden.

93


Abbildung 4.16.: Beispiel für das Format der abgespeicherten Messdaten. Beidiesem Bild handelt es sich zu Demonstationszwecken lediglich um einen Ausschnittder Datei.

4.2.5. Verarbeitung der Messdaten

Die Daten, die der Experiment Builder liefert, werden in mehreren Datei-en abgespeichert. Eine textbasierte Datei und Bilddateien. Das Format dertextbasierten Datei ist so gewählt, dass sie sich zum Beispiel in einem Tabel-lenkalkulationsprogramm öffnen lässt. Trotz dieser Möglichkeit ist das Ziel derMessdatendatei nicht, durch den Benutzer des Experiment Builders betrachtetzu werden, sondern eine schnelle Weiterverarbeitung zu ermöglichen, z.B. durchPython-basierte Skripte.

Die textbasierten Messdaten können in zwei Versionen abgespeichert werden,eine auf das wesentliche reduzierte Version für Skripte und eine Version, wel-che Ergänzungen zum besseren Verständnis der Datei liefert. Das Format, inwelchem die Messdaten (mit informativen Ergänzungen) erstellt wurde, wirdin Abb. 4.16 gezeigt. Bei der Abbildung handelt es sich um den Ausschnitteines Experimentes, welches sequenziell abgelaufen ist. In beiden gezeigten

94


Durchgängen handelt es sich um Trials mit einem Bestätigungsknopf. DerAnfang der Datei enthält die allgemeinen Daten, welche im Startdialog abge-fragt wurden. Danach folgen die Beschreibungen der einzelnen Trials in derAnzeigereihenfolge.

Die Zuordnung zu den Trials erfolgt über die ID der Trials. Neben den Blick-punkten werden noch einige Daten gesammelt, welche zufällig generiert wurden,zum Beispiel die Verteilung der aktiven und passiven Distraktoren. In demAusschnitt kann zum Beispiel abgelesen werden, dass der passive Distraktormit der Nummer drei im zweiten Trial besonders lange die Aufmerksamkeit derVersuchsperson auf sich gezogen hat. Trotz des fehlenden Feedbacks durch denpassiven Distraktor wäre er mehrmals mit der verwendeten SelektionstechnikDwell ausgewählt worden. Im Anhang A.3 werden Ausschnitte von Beispielenaus beiden Versionen präsentiert.

Es ist möglich die Anzahl der Blickpunkte, die gespeichert werden sollen, durcheine Variable festzulegen. Dies hat den Zweck, dass es bei einigen Untersu-chungen nicht darauf ankommt, jeden Blickpunkt zu tracken, sondern dass esreicht die letzten Blickpunkte vor einer Selektion zu betrachten. Die Anzahlder Blickpunkte, die gespeichert werden, ist standardmäßig auf 1000 festgelegt.Nach der Selektion werden bis zur Bestätigung alle folgenden Blickpunkteergänzt.

Neben der textuellen Speicherung der Daten liefert der Experiment BuilderScreenshots von den Szenen mit visuellen Stimuli. Diese Szenen werden in zweiVarianten gespeichert. In der einen Variante wird ein Screenshot der Szeneaufgenommen. Die zweite Variante zeigt eine Visualisierung der Blickdaten derVersuchsperson, wie in Abb. 4.17 dargestellt. Bei einer zweistufigen Technikwerden die Blickpunkte vor der Selektion in petrol und die Blickpunkte, die nachder Selektion gefolgt sind, in orange dargestellt. Eine weitere Eigenschaft, diebei der Auswertung helfen soll, ist der Farbverlauf. Durch den Farbverlauf voneiner helleren in eine dunklere Farbe können die Blickpunkte zeitlich eingeordnetwerden, vgl. “Future GazePoints“ von [Böv14, S. 77].

95

Kapitel 4. Software 4.3. Zentrale Bestandteile der Implementierung

Abbildung 4.17.: Jeder Blickpunkt wird durch einen Punkt visualisiert. Der Farb-verlauf und die zweite Farbe helfen bei der zeitlichen Zuordnung.

4.3. Zentrale Bestandteile der Implementierung

In diesem Abschnitt werden einige Details zur Umsetzung des Programmshervorgehoben. Zunächst wird beschrieben, wie die Randomisierung umgesetztwurde. Darauf folgt die Beschreibung des Versuchsleitermodus. Für die Be-nutzung ist es vorteilhaft, diese erweiterten Eigenschaften zu kennen, da siedem Versuchsleiter Möglichkeiten bieten den Entwicklungsprozess eines Experi-mentes zu verkürzen. Anschließend werden noch zwei ProgrammiertechnischeBesonderheiten vorgestellt. Zuerst wird beschrieben, wie die visuellen Stimuliintern funktionieren, anschließend wird die Kommunktion vorgestellt, welche dieKindknotenanzahl durch den Baum propagiert. Das Wissen um diese erleichtertdie Erweiterungen des Programmes, welche in Kap. 4.4 und Kap. 5 beschriebenwerden.

4.3.1. Randomisierung: Durstenfeld’s shuffle

Um bei einem Experiment Reihenfolgeeffekte und andere systematische Fehlerauszuschließen, ist es nötig an mehreren Stellen zufällige Permutationen vonObjekten zu benutzen. Ein Beispiel hierfür ist die zufällige Reihenfolge, inder die Trials dargeboten werden oder die Anordnung mit der Knöpfe auf denBildschirm verteilt werden, vgl. dazu Abb. 4.12.

96

4.3. Zentrale Bestandteile der Implementierung Kapitel 4. Software

Andererseits kann es nötig sein ein Experiment mit genau der gleichen Rei-henfolge zu wiederholen, sei es zum Beispiel um ein Ergebnis zu überprüfenoder um zufällige Reihenfolgeeffekte, die nach einem Experiment durch dieMessdaten vermutet werden, auszuschließen. Deshalb braucht der ExperimentBuilder eine Möglichkeit, die zufällige Permutation erneut zu erzeugen. Diedafür benötigte Eigenschaft heißt Pseudozufälligkeit.

Die Pseudozufälligkeit wird erreicht, indem die Zufallszahlen durch einen vonJava bereitgestellten Pseudozufallszahlengenerator generiert werden. Hierfürerhält jede Versuchsperson am Anfang eines Experimentes einen zufälligenStartwert, welcher bei Bedarf im Startdialog verändert werden kann, sieheAbb. 4.18. Der Startwert ist nachträglich in den gespeicherten Messdaten zufinden.

Durstenfeld’s Shuffle ist ein effizienter Algorithmus für dieses Anwendungsgebiet(vgl. [Dur64]). Dieser Ansatz hat gegenüber eines direkten Verfahrens denVorteil, dass nicht nach bisher unverwendeten Objekten gesucht werden muss.Die Laufzeitkomplexität beträgt O(n). Jedes Element in einem Array wirdhierbei durchiteriert (vom Ende zum Anfang des Arrays). Der Algorithmustauscht immer das Objekt an der aktuellen Position des Iterators i mit einerzufälligen Position, die sich vor oder an der Position i befindet. Am Ende derSchleife sind die Objekte in dem Array zufällig bzw. pseudozufällig angeordnetund für das Experiment vorbereitet.

4.3.2. Versuchleitermodus

Sobald ein Experiment gestartet wird, öffnet sich ein Dialog, welcher die Datender Versuchsperson abfragt und anbietet, den zufällig generierten Startwertfür die Randomisierung gegen einen anderen Startwert auszutauschen. Aufdem Dialog kann der Versuchsleiter noch weitere Einstellungen vornehmenund aktivieren, die speziell für die Phase der Experimenterstellung eingerichtetworden sind.

Unter dem Punkt “Advanced Settings“, vgl. Abb. 4.18, sind verschiedeneAuswahlmöglichkeiten gegeben, welche im nun Folgenden genauer erläutertwerden.

97


Abbildung 4.18.: Letzte Einstellungen und Daten, werden mit diesem Dialog abge-fragt. Auf der linken Seite ist das ausgefüllte Formular für ein normales Experiment zusehen. Auf der rechten Seite, werden erweitere Einstellungen für den Experimentleitergenutzt.

98


Abbildung 4.19.: Gegenüberstellung von zwei Werten für den Glättungsfilter beigleichen Blickdaten.

Debug Modus und Filterung der Blickpunkte

In diesem sogenannten Debugmodus kann der Ablauf des Experimentes getestetwerden und mögliche Fehler, wie falsche Anzeigereihenfolgen, gefunden werden.Die Ergebnisse für Durchläufe im Debugmodus werden nicht gespeichert. Au-ßerdem hat das Experimentfenster einen Rahmen und kann so durch das Xvorzeitig beendet und verschoben werden.

Ein weiteres Feature für weiterführende Untersuchungen ist, dass die Wertedes Filteralgorithmus getestet werden können. Bei diesem Wert handelt es sichum die Anzahl der letzten Blickpunkte, deren Mittelwert die Koordinaten desGazecursors bestimmen. Im Debugmodus werden zwei Punkte angezeigt. Beidem grünen Punkt handelt es sich um den gefilterten Gazecursor, der rotePunkt zeigt die ungefilterten Daten, die das Programm vom Eyetracker erhält.Der Versuchsleiter kann durch die Pfeiltasten den Wert des Filteralgorithmusanpassen. Aufwärts und Abwärts inkrementieren und dekrementieren denvorherigen Wert um 1, Rechts und Links in zehner Schritten. Der aktuelle Wertdes Filteralgorithmus wird in der Konsole ausgegeben.

Abb. 4.19 zeigt, welche Differenz durch einen veränderten Wert des Filteralgo-rithmus erreicht werden kann. Im linken Bild beträgt der Wert smoothing = 7,die gleichen Blickpunkte werden im rechten Bild dargestellt und einer Filterungmit dem Wert 37. Sieben ist der im ExperimentController vorinitialisierte Wert.

99


Abbildung 4.20.: Visualisierung der Mouse Noise.

Rauschen für Mauskoordinaten

Eine weitere Option der erweiterten Einstellungen für den Versuchsleiter istdazu gedacht, um Vortests auch ohne den Eyetracker durchführen zu können.Während der Debugmodus darauf abzielt Feineinstellungen für den Filteralgo-rithmus vorzunehmen, gibt die Einstellung der Mouse Noise die Möglichkeit denAblauf eines Experimentes auch mit der Maus durchzuspielen. Den Mausdatenwird hierfür ein zufälliges Rauschen m hinzugefügt, sodass die Rohdaten deneneines Eyetrackers ähneln. Abb. 4.20 zeigt, dass die Koordinaten der Maus umeinen zufälligen Wert zwischen m und null in beide Richtungen verschoben wird.Die resultierenden Daten liegen dann in dem gezeigten Viereck. Die Stärkedieses Faktors kann über einen Schieberegler angepasst werden.

Aufzeichnung der Blickpunkte

Die Aufzeichnung undWiedergabe der Blickpunkte lässt sich über das DialogfeldRecording of Gaze Points steuern. Standardmäßig ist es nicht vorgesehen alleBlickpunkte zu speichern, es findet also keine Aufzeichnung statt. Um dieAufzeichnung zu starten muss das Feld auf record gestellt werden.

Eine Besonderheit der Aufzeichnung ist, dass es kein Limit gibt, ab welchemdie alten Blickpunkte verworfen werden, stattdessen werden alle Blickpunk-te gespeichert. Diese Eigenschaft unterscheidet sie von der standardmäßigenSpeicherung der Messdaten für die eigentliche Auswertung, vgl. 4.2.5. Einweiterer Unterschied ist, dass auch die Blickpunkte aufgezeichnet werden, diewährend der drei einfachen Blattknoten auftreten, z.B. in Text Screens. DieseErweiterung ermöglicht es zum Beispiel Aufzeichnungen zu machen, die zuDemonstrationszwecken genutzt werden können. Die Aufzeichnung funktioniert

100


ausschließlich mit gaze-only Selektionstechniken, da multimodale Events nichtgetrackt werden.

Aufgezeichnete Blickpunkte können über die Auswahl “Abspielen“ (play) ab-gespielt werden. Ist diese Auswahl aktiv, werden bei Start des Experimentesdie aufgezeichneten Blickpunkte anstelle der Mausdaten oder der Blickdatenverwendet. Eine hierfür wichtige Eigenschaft ist die bereits erläuterte Pseudo-randomisierung, welche es ermöglicht wieder die gleiche Verteilung der Buttonszu erhalten. Das bedeutet, dass der selbe Startwert im Dialogfeld eingegebenwerden sollte, damit das abspielen auf demselben Experiment abläuft.

4.3.3. Interne Repräsentation der visuellen Stimuli

In diesem Abschnitt wird die interne Repräsentation der visual Stimuli näherbeschrieben. Dieses Wissen wird gebraucht, wenn der Experimentbaum erweitertwerden soll.

Auf der Oberfläche des Experiment Builders handelt es sich bei dem VisualStimuli Screen um einen Blattknoten. Intern ist dieser allerdings aufgeteilt ineinen internen Knoten (ExperimentScreenManager) und dessen Kindknoten(die ExperimentScreens). Die Daten, die für ein Trial benötigt werden, werdenvon der Klasse ExperimentScreenData verwaltet. Diese Aufteilung ist nötig, umdie Kindknoten in verschiedenen Anzeigereihenfolgen durchgehen zu können.Die Reihenfolge (sequentiell oder randomisiert), in der die Kindknoten angezeigtwerden, wird beim Start des Experimentes festgelegt, sodass keine Berechnungzur Laufzeit stattfinden muss.

Der ExperimentScreenManager enthält außerdem noch die Funktion, die dasEinlesen der Experimentdaten aus der CSV Datei ausführt. Das Schema dereingelesenen Datei wird in Anhang A.1 näher aufgeschlüsselt. Außerdem wirddort anhand eines Beispiels gezeigt, wie eine solche Datei konkret aussehenkann.

Es ist üblich die Daten der uV über Tabellen zu erstellen, da diese einen gutenÜberblick zulassen und auch viele automatisierte Manipulationsmöglichkeitenzulassen, vgl. Kap. 3.1.2 und 3.1.4. Die Erstellung der CSV-Datei geschieht imFalle des Experiment Builders über ein externes Tabellenkalkulationsprogramm,wie zum Beispiel Microsoft Excel, Gnumeric oder LibreOffice Calc.

101


4.3.4. Kommunikation, Kindanzahl Schleifen

In der in dieser Arbeit umgesetzten Baumstruktur ist es nötig, dass die Knotenüber ihre Kindknotenanzahl miteinander kommunizieren. Ein einfaches Beispielhierfür sind Schleifen. Um die korrekte Anzahl an benötigten Aufrufen zukoordinieren, muss sie nicht nur die Wiederholungsanzahl kennen, sondernauch die Anzahl, der durch eine Sequenz verwalteten, Trials. Nehme man zumBeispiel an, dass 4 Trials in einem Visual Stimuli Knoten definiert wurden.Der Visual Stimuli Screen ist einer von zwei Kindknoten einer Sequenz. DerVorgänger der Sequenz ist eine Schleife, welche 5 Wiederholungen bewirkt.Daraus folgt, dass die Schleife 4 ∗ 5 = 20 mal ihre Kinder aufrufen muss. EinSchaubild mit diesem Beispiel ist in Abb. 4.21 dargestellt. Die Sequenz teiltder Schleife mit, dass sie vier mal aufgerufen werden muss, damit sie alleKinder, die sie durch den Visual Stimuli Screen bekommt, abarbeiten kann. DieSchleife multipliziert mit der Wiederholungsanzahl und erhält so die Anzahl anAufrufen, die auf die Sequenz ausgeführt werden müssen.

Die Kommunikation über die Kinderanzahl ist ein weiterer wichtiger Punkt derinternen Struktur. Um Erweiterungen einbauen zu können ist es wichtig, dieVerwaltung der Kinderanzahl und wie diese durch den Experimentbaum propa-giert werden, nachzuvollziehen. Auch in diesem Bereich spielen die besonderenEigenschaften der visuellen Stimuli der Baumstruktur eine wichtige Rolle.

Einfache Anzeigeelemente, wie ein Text oder eine Grafik, teilen den Elternknotendie Anzahl eins mit. Bei komplexen Kindelementen, zum Beispiel einer Sequenzoder den visuellen Stimuli, ist die Antwort darauf wie häufig sie ausgeführtwerden müssen schwieriger.

Visuelle Stimuli Elemente teilen bei der Initialisierung die Anzahl der Tabel-leneinträge bzw. stellvertretend die Anzahl der erstellten ExperimentScreensmit. Die genauen Zusammenhänge, die sich ergeben, werden durch die bereitserläuterte interne Repräsentation dieses Elementes, erklärt, für ein Beispielsiehe Abb. 4.21.

Sequenzen erhalten bei der Initialisierung ihrer Kindknoten deren Kardinalität.Danach geben sie die maximale Anzahl, die von einem Kindknoten mitgeteiltwurde, an den eigenen Elternknoten weiter. In dem Beispiel gibt die Sequenzdeshalb die Anzahl 4 an die Schleife weiter.

102

4.4. Erweiterungsmöglichkeiten Kapitel 4. Software

Abbildung 4.21.: Ein Beispiel das zeigt, wie die Kinderanzahl durch den Baumpropagiert wird.

Loops berechnen die Anzahl der Durchläufe aus der Anzahl der Wiederholungenund der Anzahl der Aufrufe, die das Kindelement an den Loop mitteilen.Außerdem verfügen sie über die Eigenschaft nach einer definierten Anzahl anTrials Pausen einblenden zu können. Diese Eigenschaft hat aber keine weiterenAuswirkungen auf die Anzahl der Durchläufe, die die Schleife den Elternknotenmitteilt.

4.4. Erweiterungsmöglichkeiten

An dieser Stelle der Arbeit werden exemplarisch einige Erweiterungsmöglichkei-ten der Software vorgestellt. Der Fokus liegt nicht auf Erweiterungen, die fürbestimmte Experimente benötigt werden, wie in Kap. 5, sondern auf der Vorstel-lung von Klassen und Paketen, die bei dem Ausbau der Software eine wichtigeRolle spielen. Hierzu werden auch Beispiele genannt, wie die Erweiterung aus-sehen könnte, bzw. welchem Zweck eine Erweiterung dienen kann. Durch dieAufzählung der Erweiterungsmöglichkeiten in diesem Kapitel und den Vor-

103

Kapitel 4. Software 4.4. Erweiterungsmöglichkeiten

schlägen für Versuchspläne (Kap. 5) kann der in dieser Arbeit implementierteFunktionsumfang klarer eingegrenzt werden.

Im letzten Teil dieser Arbeit (Kap. 6.2) wird außerdem noch darauf eingegangen,welche weiteren Forschungsfragen sich ergeben. Diese Fragen enthalten zumTeil auch die Notwendigkeit der Erweiterung des Experiment Builders.

4.4.1. Erweiterung des Baumes

Der Aufbau von Experimenten in einer Baumstruktur hat den Vorteil, dassErweiterungen vergleichsweise einfach vorzunehmen sind. Einige Paradigmenkönnen auch über verschiedene Wege umgesetzt werden. Eine Vererbungsstruk-tur wurde geplant und umgesetzt, sodass es verschiedene Typen von Blattknotengibt, die erweitert werden können.

Im nun folgenden wird der Ausbau der Baumstruktur anhand der Erweiterungum neue Blattknoten skizziert. Ein Beispiel dafür sind Blattknoten, die esermöglichen dynamisch aber nicht unbedingt unmittelbar auf den Userinput zureagieren. Ein Anwendungsszenario für eine solche Erweiterungen sind Trainings-phasen zu Beginn eines Experimentes, bei denen der Proband Rückmeldungerhält. Wenn er zum Beispiel den Zielreiz selektiert, könnte die Rückmeldung“Richtig“ auf dem Screen ausgegeben werden.

Eine Möglichkeit diese Art von Feedback in dem Programm umzusetzen ist es,einen neuen Typ Baumknoten zu definieren, welcher auf den Rückgabewert(InputResponse) des letzten Knotens reagiert.

Dieser Knoten könnte in der konkreten Umsetzung sowohl den Typ InternalNodeals auch den Typ TreeLeaf erweitern. Der Rückgabewert gibt Auskunft darüber,wie auf die Eingabe reagiert werden soll (positiv, negativ oder gar nicht). Würdediese Funktionalität durch einen inneren Knoten umgesetzt, können zwei derbereits erstellten Anzeigeelemente genutzt werden, um je nach Rückmeldungder anderen Knoten mit positivem oder negativem Feedback zu reagieren.

Diese Art Baumknoten lässt sich auf viele unterschiedliche Weisen realisierenund würde die Trainingsphasen in komplexen Untersuchungen verbessern.Die Erstellung neuer Blattknoten liefert viele Möglichkeiten, die in künftigenForschungsarbeiten genutzt werden können.

104


Eine Möglichkeit aus dem aktuellen Forschungsbereich der Arbeitsgruppe ist,einen Blattknoten zu erstellen, welcher die Darstellung einer Bildschirmtastaturbeschreibt. Über die GUI könnten verschiedene Variablen angeboten werden,deren systematische Manipulation den Vergleich verschiedener Verhaltensweisenund Designs definiert.

Ein Beispiel für eine Forschungsfrage wäre, ob es sinnvoll ist, dem NutzerFeedback zu geben. Insbesondere, wenn er längere Texte schreiben möchte,könnten die zusätzlichen Reize zu einer schnelleren Ermüdung führen. Eineweitere Möglichkeit, die sich bietet, wäre es mit der CSV Routine Texte ein-zulesen, welche von den Probanden eingegeben werden müssen. Durch dieseVorgehensweise ist es möglich, die Experimente schnell auf neue Anforderungenanzupassen und ggf. zu verfeinern, da sich die Texte schnell anpassen lassen.

Eine andere Möglichkeit zur Erweiterung der Anzeigeelemente, welche sich gutmit den bereits vorgestellten Erweiterungen oder den implementierten Baum-knoten kombinieren lässt, sind Blattknoten, welche Formulare bereitstellen. Indiesen Formularen, ähnlich wie dem Startdialog, können Fragebögen angezeigtwerden, die zum Beispiel Aspekte der Usability abfragen. Dies würde ermögli-chen neben den objektiven Kennwerten, wie zum Beispiel der Erfolgsrate, auchsubjektive Indikatoren zu beobachten.

In einer konkreten Untersuchung könnte durch die Erweiterung der vorgestelltenAnzeigeelemente ein Experiment erstellt werden, bei welchem der Probandzunächst in einer Trainingsphase übt mit einer Bildschirmtastatur umzugehenund Rückmeldung erhält. In der Experimentphase werden dann zusätzlichsubjektive Indikatoren erfasst, welche zum Beispiel zur Untersuchung vonErmüdung genutzt werden können.

Die Erweiterungsmöglichkeiten der Blattknoten sind sehr umfangreich. EinGrund dafür ist, dass die CSV Dateien erweitert werden können (vgl. 4.2.3),einige weitere Anregungen werden nun folgend vorgestellt.

Erweiterung der CSV

Die Tabellen zu erweitern ist eine gute Möglichkeit, um eine noch stärkereAnpassbarkeit der Untersuchungen zu erhalten. Zunächst wird eine Variablevorgestellt, deren Schnittstelle bereits vorbereitet wurde. Anschließend folgt eine

105


Erweiterung, welche eine Vergrößerung der CSV bedarf, und deren Umsetzungzu der bereits vorgeschlagenen Separation führen kann. Diese Separation trägtdazu bei, dass die Lesbarkeit erhöht wird.

Layout Eine Erweiterung, die bereits beim Einlesen abgefragt wird, aber dienoch nicht variiert werden kann, ist die Layout Einstellung. Es gibt bereitseinige vorgeschlagene Konstanten, welche das Layout beschreiben sollen. Diesesind:

Linear Implementierte Variante. Die Buttons, welche in der Tabelle de-finiert wurden, werden in pseudozufälliger Reihenfolge linear undvertikal auf dem Bildschirm angeordnet und zentriert. Wenn ein Be-stätigungsbutton verwendet wird, verschieben sich die Reize, sodasssie zentriert auf dem übrigen Bildschirm angezeigt werden.

Circular Vorgeschlagenes Layout, bei welchem die Items kreisförmig auf demBildschirm angeordnet werden. Der Mittelpunkt des Kreises sollteim Mittelpunkt des Bildschirms liegen. Dieses Layout kann demZweck dienen, die visuelle Suche zu erschweren bzw. Variation indas Layout zu bringen. Es können können hiermit außerdem Torten-Menüs getestet werden und vergleiche zu linearen Menüstrukturenerfolgen.

Organized Vorgeschlagenes Layout, welches die Buttons gitterförmig auf demBildschirm anordnet. Auf diesem Layout können mehr Reize unter-gebracht werden, als bei dem linearen Layout, dieses Layout könntezum Beispiel auch für Grundlagenforschung zu Bildschirmtastaturengenutzt werden.

Messy Vorgeschlagenes Layout, bei welchem die visuelle Suche besondersschwer fällt, da die Buttons ungeordnet auf dem Bildschirm an-gezeigt werden. Im Hintergrund muss sichergestellt werden, dassdie Buttons sich nicht überschneiden. Mit diesem Layout lässt sichnicht nur die Notwendigkeit von Struktur im Layout nachweisen,sondern auch Untersuchungen zu Distraktoren und deren Wirkungführen, vgl. [SRPW03, S. 70-75].

Corners Vorgeschlagenes Layout, welches zum Vergleich verschiedener Eye-tracker untereinander genutzt werden kann, da die Reize in den

106


Ecken des Bildschirmes angeordnet werden und dieses die Bereichesind, in denen Eyetracker die größten Probleme mit der Genauigkeithaben.

Seperates Reizdesign Während es sich bei dem Layout um bereits vorberei-tete Erweiterungen handelt, bietet die CSV noch viele weitere Möglichkeitenan, die die Ergänzung um weitere Felder in der Tabelle benötigen.

Eine Möglichkeit, die an dieser Stelle vorgestellt werden soll, ist die Ergänzungum Felder, die das Aussehen jedes Buttons manipulieren. Diese Erweiterungführt dazu, dass die aktiven und passiven Distraktoren nicht mehr pro Trial,sondern pro Reiz variiert werden können. Diese Änderung würde eine größereVielfalt an Reizen ermöglichen. Diese Möglichkeit ein Beispiel dafür, dass dieTabelle sehr groß werden könnte. Bei der Umsetzung muss entschieden werden,ob diese Erweiterung in eine zweite Datei ausgelagert werden sollte. Durch dieErweiterung wird es möglich, verschiedene Interaktionen und Styleänderungengegeneinander abzugrenzen (vgl. Kap. 5.7.2). Außerdem lässt sich die visuelleSuche durch die größere Vielfalt an Reizen erschweren, vgl. dazu [SRPW03].

4.4.2. Erweiterung der Auswahltechniken

Die Selektionstechniken sind von Beginn des Entwicklungsprozesses ein Aspektgewesen, bei welchem die Erweiterbarkeit eine wichtige Rolle spielt. Die wichtigs-ten Schnittstellen, die zur Erweiterung der Auswahltechniken benötigt werden,werden nun vorgestellt.

Erweiterung der Selektionstechniken

Die Erweiterung um eine neue Selektionstechnik erfordert, dass ein neuerGazeController für diese Technik erstellt und der Ober?äche zur Verfügunggestellt wird. Hierfür muss ein gleichnamiger Aufzählungstyp de?niert werden,welcher in den Einstellungen des jeweiligen Knotens ausgewählt werden kann.

Ein Beispiel für eine Technik, die besonders schnell eingebaut werden kann, istdie Technik Blink, bei welcher eine Selektion durch das willkürliche schließen

107


beider Augen ausgelöst wird. Blink würde in die Selektionstechniken (GazeSe-lectionType) eingeordnet werden. Diese Methode funktioniert, da das bewussteschließen der Augen länger dauert, als die unbewusst ausgeführten Lidschläge.Es müsste also die Erkennung des zeitlichen Unterschiedes dem Programmhinzugefüht werden. Nichts desto trotz ist diese Methode relativ fehlerintensivund wurde daher auch nicht in dieser Arbeit umgesetzt. [Lan00]

Erweiterung der Gesten

Ein Beispiel für einen bereits vorbereiteten Ausbau, ist die kreisförmige Be-stätigungsgeste. Diese kann über die GUI ausgewählt werden und ist in demAuszählungstyp der Gesten eingepflegt. Außerdem existiert die dazugehörigeKlassen (GazeController_gesture und Gesture_circle) bereits.

Um diese Funktion nutzen zu können, müssen die Methoden noch implementiertwerden. Es können zum Beispiel die bereits für die “Positions“-Geste bestehen-den vertikalen und horizontalen Positionstypen genutzt werden, um die Gestezu realisieren. Dafür muss in diesem Fall eine Datenstruktur umgesetzt werden,die sich merkt, welche Positionsfelder bereits durchlaufen wurden. Andere mehr-stufige Gesten, wie die von [LWD] vorgeschlagenen (vgl. Abb. 4.22), könnenauf dieselbe Weise, wie der exemplarisch angelegte Kreis eingebaut werden. DerKreis ähnelt der Geste 0 in Abb. 4.22. Der Unterschied ist, dass die Idee fürdie Kreis-Geste umfangreicher ist, da die Geste in jedem Positionsfeld und inbeide Richtungen begonnen werden kann. Die tatsächliche Umsetzung kannaber so aussehen, dass es einen fest definiertes Startfeld und eine festgelegteRichtung gibt.

Eine grundsätzliche Erweiterung der Gesten, welche größeren Aufwand erfor-dert, als die Implementierung der Umkreis-Geste, ist die Erweiterung um dieMöglichkeit, Gesten selber zu generieren. Diese Idee könnte für die Umsetzungder von [LWD] vorgeschlagenen Gesten eine besondere Rolle spielen. Auf diekonkrete Umsetzung wird an dieser Stelle nicht weiter eingegangen.

108


Abbildung 4.22.: Verschiedene Möglichkeiten für Gesten, welche mit den bereitsangelegten Positionsfeldern verwirklicht werden können. Quelle: [LWD]

4.4.3. Erweiterung der Kontrollitems

Es ist möglich durch Buttons andere Kontrollelemente zu simulieren. Trotzdemist der Experiment Builder um weitere Kontrollelemente erweiterbar. EineSchnittstelle, die hierfür angepasst werden muss, ist das ViewableActionObject,in welcher Kontrollelemente mit einem Reiztyp verknüpft werden. Der Reiztyp(TargetType) enthält folgende Auswahlmöglichkeiten: Target, aktiver Distraktorund passiver Distraktor. Das einzige bisher mögliche Kontrollelemente ist einButton, es kann aber von dieser Stelle ausgehend um weitere Elemente ergänztwerden.

4.4.4. Erweiterung der Messdaten Verarbeitung

Es gibt verschiedene Möglichkeiten eine Erweiterung der Messdaten Verarbei-tung umzusetzen. Jede Methode hat Vor- und Nachteile. Drei Möglichkeitensollen nun folgend vorgestellt werden:

1. Zur Laufzeit des Experimentes

Diese Vorgehensweise ähnelt der bereits implementierten Version derKlasse, die die Screenshots erstellt (ScreenshotCreator). Diese erhält diebenötigten Daten durch den GazeDataStorage und zeichnet die Blick-

109


Abbildung 4.23.: Ein Moduswechsel für Auswertungen könnte zum Beispiel ähnlichwie in der Entwicklungsumgebung Eclipse erfolgen.

punkte auf einen Screenshot der Szene ein. Der Vorteil an dieser Methodeist, dass es keine weiteren Verarbeitungsschritte durch den Versuchsleitererfordert. Der Nachteil ist, dass weitere Verarbeitung zur Laufzeit dazuführen könnte, dass die zusätzlichen verbrauchten Ressourcen den Ablaufdes Experimentes verlangsamen.

2. Erweiterung des Experiment Builders

Eine andere Möglichkeit ist die Erweiterung der Oberfläche des Experi-ment Builders, sodass dieser verschiedene Auswertungsfunktionalitätenanbieten kann. Abb. 4.23 zeigt eine Skizze, die diesen Vorschlag repräsen-tiert. Der Vorteil bei einer Erweiterung des Experiment Builders ist, dassdas Programm dadurch weitere Teile des Forschungskreislaufes unterstüt-zen kann. Außerdem muss die Berechnung weiterer Auswertungsmethodennicht während des Experimentes erfolgen. Der Versuchsleiter kann dannnur die benötigten Auswertungen generieren oder die Daten auswählen,welche für die gewünschte Auswertung aufgezeichnet werden sollen.

110


3. Externe Verarbeitung der Daten

Die Messdaten sind in einer Form, welche darauf ausgelegt ist, weiterverar-beitet zu werden, z.B. durch Skripte, vgl. Kap. 4.2.5. Da die Auswertungnicht zwingend in Verbindung zum bestehenden Programm ablaufen muss,sollte diese Option ebenfalls genannt werden. Die Ausgabedateien desExperiment Builders sind so geplant worden, dass sie auch unabhängigvom Programm weiterverarbeitet werden können.

Bewertungsmetriken, die aus den Dateien berechnet werden können, sind zumBeispiel, wie lange eine Versuchsperson für eine Selektion gebraucht hat. Wirddieser Wert in Relation zu der Knopfgröße gesetzt, können daraus Statistikengeneriert werden, welche Schlüsse auf die anfangs gestellte Hypothese ziehen.Die Daten liefern neben den in Kap. 2.2.4 genannten Möglichkeiten auchweiterführende Auswertungsmöglichkeiten, z.B. Sakkkadenlänge, Scan Pathund Spontane Fixationen, siehe [JK03, S. 581-586].

Neben den vielen statistischen Auswertungsmöglichkeiten bieten sich auchweitere in der Literatur beschriebene visuelle Verarbeitungsmöglichkeiten an,um nur einige zu nennen: Heatmap Analysen, Bereichsanalysen, Blickverlaufs-Analysen, siehe hierzu [HNA11, K. 6, 7, 8].

111

Kapitel 5Beispielhafte Untersuchungspläne undEntwurf vorexperimenteller Untersuchungen

In diesem Kapitel werden beispielhaft einige Testkonzepte, Untersuchungspläneund Forschungsideen vorgestellt, die mit der entwickelten Software durchgeführtwerden können, um die Möglichkeiten und Grenzen des Experiment Buildersaufzuzeigen.

Bei der Planung der Experimente muss berücksichtigt werden, dass die Er-gebnisse nicht unbedingt für alle Nutzerklassen anwendbar sein müssen. DieTauglichkeit der Interaktionstechniken und die ermittelten Schwellwerte solltenvon individuellen Benutzern zumindest in einem gewissen Maße anpassbarbleiben, da es z.B. bei Dwell keine einheitliche Verweildauer gibt, die für alleBenutzer perfekt ist.

5.1. Aufbau und Ablauf

In [Gei11, K. 2.2.2] können viele Hinweise zum Aufbau von Eye-Tracking Expe-rimenten nachgelesen werden. Ein Gegensatz zu vielen psychologischen Studienist, dass bei Eye-Tracking Experimenten mit Remote-Video Geräten fest ste-hende Stühle verwendet werden, während sonst häufig Dreh- und Rollstühlebenutzt werden. Dreh- und Rollstühle sind an die Wünsche des Probanden an-passbar, sodass diese dazu beitragen die Testsituation angenehmer zu gestalten.Fest stehende Stühle haben im Vergleich dazu den Vorteil, dass die Probandeneinen geringeren Bewegungsspielraum haben.

Das Zimmer in dem das Experiment stattfindet ist idealerweise arm an mög-lichen Ablenkungen und frei von sich verändernden Lichtquellen, wie zumBeispiel einem Fenster. Die Ergebnisse sind außerdem vergleichbarer, wenn beiallen Probanden die genau gleichen Lichtverhältnisse herrschen. [Gei11] emp-fiehlt einen leicht abgedunkelten Raum. Der Proband sollte je nach Eyetracker

113

Kapitel 5. Untersuchungspläne 5.1. Aufbau und Ablauf

Abbildung 5.1.: Möglicher Aufbau bei einem Experiment. Nach:1

im empfohlenen Abstand von 40 bis 50cm zum Monitor und dem Eyetrackersitzen (vgl. Abb. 5.1). [Gei11, K. 2.2.2]

Sobald der Proband Platz genommen hat, kann die Kalibrierung und dasanschließende Experiment stattfinden. [Gei11] weist darauf hin, dass laut Her-stellerangaben leichte Bewegungen des Körpers und insbesondere des Kopfesausgeglichen werden können, trotzdem sei es von Vorteil den Probanden ineiner relativ festen, aber nicht unbequemen, Haltung zu stabilisieren. Einerelativ stabile Haltung lässt sich zum einen durch den fest stehenden Stuhlerreichen, aber sie lässt sich zum Beispiel noch dadurch verstärken, dass dieVersuchsperson so weit an den Tisch rückt, dass sie diesen leicht berührt. Dabesonders die Stabilität während der Kalibrierung wichtig ist, wird sogar derTipp gegeben, dass die Versuchsperson ihre ihre Körperposition für die Zeitder Kalibrierung durch Abstützen der Arme auf den Tisch stabilisiert. Eineandere Möglichkeit, um die Haltung der Versuchspersonen zu stabilisieren,sind Kinnstützen oder Kopfstützen. Hierbei erhöht sich die Invasivität derUntersuchung, dafür verbessert sich die räumliche Auflösung.

1http://www.kt.e-technik.tu-dortmund.de/cms/de/forschung/lehrstuhl_kt/medizintechnik/sehtherapie/, letzter Zugriff am 12.10.2016

114

http://www.kt.e-technik.tu-dortmund.de/cms/de/forschung/lehrstuhl_kt/medizintechnik/sehtherapie/

http://www.kt.e-technik.tu-dortmund.de/cms/de/forschung/lehrstuhl_kt/medizintechnik/sehtherapie/

5.2. Genauigkeit bei Kopfbewegungen Kapitel 5. Untersuchungspläne

5.2. Genauigkeit bei Kopfbewegungen

In vielen Studien mit Remote-Video Systemen, wie dem “GP3“, wird dieKopfbewegung der Probanden mittels einer Kopf- oder Kinnstütze reduziert.Diese Maßnahme soll die Vergleichbarkeit der Daten erhöhen und die ausden Kopfbewegungen resultierende Ungenauigkeit der Daten als Störquelleneliminieren bzw. bestmöglich reduzieren. Dadurch werden situative Fehler undzufällige und systematische Unterschiede der Versuchsteilnehmer so gut wiemöglich kontrolliert.

Die Genauigkeit der Messung mit natürlichen Bewegungen im Kontrast zu derGenauigkeit bei möglichst stabilisierter Haltung ist eine Herangehensweise, umverschiedene Eyetracker miteinander vergleichen zu können.

Um die Notwenigkeit der Stabilisierung als Kontrolltechnik zu überprüfen unddie Genauigkeit bei Kopfbewegungen mit den Herstellerangaben abzugleichen,können Untersuchungen mit dem Experiment Builder durchgeführt werden. Eshandelt sich um einen Ansatzpunkt für Studien zu blickbasierter Interaktion,welcher Grundlagen für viele spätere Untersuchungen schaffen kann.

Ein weiterer Vorteil einer frühen Untersuchung der Unterschiede durch Kopf-stabilisierung ist, dass man die Kopfbewegung anschließend begründet alskonfundierende Variable ausschließen kann. Besonders bei grundlegenden Expe-rimenten, die die Einflussgröße von bestimmten Faktoren bestimmen sollen odereine sehr präzise Messung zum Vergleich verschiedener Variablen benötigen, istes wichtig störende Variablen ausschließen zu können.

Aus benutzerorientierterer Sicht kann ein Ziel dieser Art von Untersuchungensein, dass Daten erhalten werden, die Schlüsse zulassen, in welchen Abständeneine (automatische?) Neukalibrierung des Remote-Video Systems stattfindensollte. Außerdem können Kenngrößen ermittelt werden, die Aussagen über dieAlltagstauglichkeit zulassen.

Die nun vorgestellten Ideen für Experimente können ohne großen Aufwandweiter angepasst werden. Sobald andere Eyetracker in das Framework integriertworden sind, können die Testkonzepte außerdem für die weiteren Systemegenutzt werden und so empirisch vergleichbare Daten liefern.

115

Kapitel 5. Untersuchungspläne 5.2. Genauigkeit bei Kopfbewegungen

Abbildung 5.2.: Möglicher Aufbau des Experimentbaumes für ein Experiment zuKopfstabilisierung.

Schnellere Ergebnisse zu der Notwendigkeit von Kopfstützen bietet das Within-Subjects Design, da man erwarten kann, dass die Bewegungshäufigkeit und-stärke stark personenbezogene Faktoren sind. Die Untersuchung wird aller-dings dadurch erschwert, dass die Studie einen hohen Aufforderungscharakter(Demand Charakteristics, vgl. [GJ14]) aufweist. Daraus folgt, dass ein Untersu-chungsdesign mit Zufallsgruppenbildung eine höhere interne Validität besitzenwürde. Der Vorteil einer höheren internen Validität bringt aber den Nachteilmit sich, dass man für eine Untersuchung mit Between-Subjects-Design einehöhere Anzahl an Versuchspersonen benötigt, um zufällige personenbezogeneFehler ausschließen zu können.

Die Testkonzeption für einen einfaches Startexperiment ist folgende, man las-se eine Versuchsperson im within-subjects-design einen einfach Test machen.Dieser Test wird in zufälligen Blöcken einmal mit und einmal ohne eine Kopf-stütze durchgeführt. Anschließend werden die Ergebnisse auf die Hypotheseuntersucht, dass die Versuchsperson genauer getrackt wurde, wenn der Kopfstabilisiert wurde, dies müsste unter anderem durch eine Differenz in der durch-schnittlich benötigten Zeit messbar sein. Einen Experimentbaum für eine solcheUntersuchung ist in Abb. 5.2 dargestellt.

116

5.3. Störvariablen Kapitel 5. Untersuchungspläne

5.3. Störvariablen

Neben den Kopfbewegungen gibt es andere Forschungsbereiche, wie die nunfolgende Zusammenfassung weiterer Störvariablen, die sich als Startpunktefür Untersuchungen eignen. Die Erforschung von Störvariablen kann grund-sätzliche Auswirkungen auf folgende Studien haben oder die Bewertung vonUntersuchungen und Ergebnissen erleichtern.

Eine besondere Schwierigkeit bei der Untersuchung zu Störvariablen sind derRosenthal-Effekt (siehe Kap. 2.3.5) und der Hawthorne-Effekt2. In diesemZusammenhang würde der Hawthorne-Effekt bedeuten, dass sobald die Ver-suchspersonen wissen, dass der Eyetracker durch bestimmte Faktoren, wiedas Tragen einer Brille, gestört werden kann, nicht auszuschließen ist, dassder Proband sein natürliches Verhalten unbewusst ändert. Ebenfalls effekt-verstärkend kann der Umstand sein, dass die Versuchspersonen relativ leichtVermutungen über die Forschungshypothese bilden können und sich deshalbhypthesenkonform verhalten, vgl. [DB16, S. 101]. Sobald die Untersuchung mitund ohne Sehhilfe von derselben Versuchsperson durchgeführt wird, ist dieForschungshypothese relativ leicht nachvollziehbar.

Der Rosenthal-Effekt könnte dadurch umgangen werden, das Experiment alsDoppelblindstudie zu konzipieren. Doch auch hier stellt sich die Frage, ob sichder Versuchsleiter die Forschungshypothese an bestimmten Merkmalen derUntersuchung herleiten kann.

Theoretisch wäre es von Vorteil die Studie mit dem Within-Subjects Designzu planen. Aber für eine hohe Validität der Untersuchung müsste diese alsBetween-Subjects Design mit ausreichend vielen Probanden angelegt werden,denn nur in diesem Fall können der Rosenthal-Effekt, sowie der Hawthorne-Effekt ausgeschlossen werden.

5.4. Ermüdung

Eine weitere Forschungsfrage, die mit dem Experiment Builder untersucht wer-den kann, ist die Ermüdung der Versuchspersonen. Hieraus lassen sich Schlüsse

2Für genauere Informationen siehe [DWS14, S. 380]

117

Kapitel 5. Untersuchungspläne 5.5. Learnability

ziehen, wie lange eine Software, zum Beispiel eine virtuelle Tastatur, die über dieAugen gesteuert wird, benutzt werden sollte. Um diese eher personenbezogeneEigenschaft zu untersuchen, können abhängige Variablen, wie die Fehlerquote,über die Zeit analysiert werden. Ebenfalls ein geeignetes Bewertungsmaß istdie Dauer, die für die Erfüllung der einzelnen Trials gebraucht wird, da davonauszugehen ist, dass bei steigender Ermüdung auch eine langsamere Durch-führung der Aufgaben zu beobachten ist. Hieraus können auch interessanteweiterführende Studien zu der Ermüdung bei verschiedenen Selektionstechnikenfolgen.

Besonders eignen würde sich ein Experimentdesign, welches Messwiederholun-gen mit den gleichen Versuchspersonen und verschiedenen Selektionstechnikendurchführt. Um Reihenfolgeeffekte auszuschließen sollte darauf geachtet werden,dass die Selektionstechniken in einer randomisierten Reihenfolge dargebotenwerden. Außerdem sollte darauf geachtet werden, dass die Konstitution derProbanden immer gleich eingeschätzt wird. Aus dieser Forschungsfrage lässtsich auch die Frage ableiten, wie dringend ein System adaptierbar sein soll-te, d.h. ist es nötig dem Benutzer die Möglichkeit zu geben die Tasten einerBildschirmtastatur zu vergrößern, weil man diese ermüdet besser benutzenkann.

5.5. Learnability

Ein weiterer eventuell mehrteiliger Untersuchungsplan, welcher sich mit derSoftware realisieren lässt, dient zur Bestimmung der Erlernbarkeit der Eye-trackerbenutzung. Hierbei müssen einige Versuchspersonen über eine bestimmteZeit an Experimenten teilnehmen und verschiedene Usabilitykriterien erfasstwerden. Es kann sich hierbei zum Beispiel um die benötigte Zeit für die Ex-perimente, die Fehleranzahl oder die Zufriedenheit der Probanden und derenSelbsteinschätzung handeln.

Learnability ist ein hypothetisches Konstrukt, dass sich über viele Begleiter-scheinungen erfassen lässt. Einen guten Einstieg in das Thema bietet [GFA09].In dem Artikel wird außerdem betont, dass Learnability ein wichtiges Thema inder Entwicklung spielen sollte, auch wenn es bisher keine einheitliche Definitionfür diesen Begriff gibt. [TA13, K. 4.5] definiert Learnability als eine von fünfgrundlegenden Performancegrößen, die abbildet, wie sich die Leistung der Nut-

118

5.6. Visuelle Suche Kapitel 5. Untersuchungspläne

zer mit der Zeit entwickelt. Tullis und Albert stellen verschiedene Möglichkeitenvor, die Erlernbarkeit zu messen. Nicht zuletzt wird Erlernbarkeit als einer derfünf Attribute von Usability beschrieben, vgl. [Nie93, S. 33ff].

Fragen, die sich mit dieser Art von Untersuchungen klären lassen, sind zum Bei-spiel: “In wie weit ist die Eyetrackernutzung erlernbar?“, “Wie stark kann mansich an verschiedene Selektionstechniken gewöhnen bzw. diese erlernen?“ und“Wie groß sind die zu erwartenden Verbesserungen und Effizienzsteigerungen?“.

5.6. Visuelle Suche

Die visuelle Suche ist ein Paradigma, welches genutzt wird, um Aufmerksamkeitund Wahrnehmung zu untersuchen. Typischerweise werden der Versuchspersonbei der visuellen Suche Reize dargeboten. Aufgabe des Probanden ist es, einenvorher definierten Zielreiz zu finden. Die visuelle Suche bietet für viele Experi-mente, die mit dem Experiment Builder erstellt werden können, ein gewissesGrundgerüst. Für Experimente, die aktive und passive Distraktoren nutzen, gilt,dass die visuelle Suche ein Teil der Untersuchung ist, vgl. [Wüh14a]. Hierbeilassen sich viele Untersuchungen zum Erscheinungsbild von Reizen erstellen,da diese einen Einfluss auf die visuelle Suche haben. Weitere Anmerkungenzum Design der Zielreize und Distraktoren ist im nun folgenden Abschnitt zufinden.

5.7. Objektdesign

Es gibt viele Aspekte, die sich zum Thema Design untersuchen lassen. Einigedavon lassen sich mit dem Experiment Builder untersuchen. Aspekte, die nochnicht durch die Software manipulierbar sind, wurden bei der Implementierungder Software berücksichtigt und können in weiteren Arbeiten eingepflegt werden.

Ein Beispiel dafür ist die Anordnung der Objekte auf dem Bildschirm. Bisherwurde ein Layout für die Anordnung der Buttons umgesetzt, welches dieObjekte vertikal übereinander ausrichtet. Andere Layouts, wie zum Beispiel eincirculäres oder eins, das die Ecken des Bildschirms testet sind in der Software

119

Kapitel 5. Untersuchungspläne 5.7. Objektdesign

vorgesehen. Ebenfalls angedacht ist ein Layout, welches die Items chaotisch aufdem Bildschirm anordnet, vgl. 4.4.1.

5.7.1. Größe der Objekte

Bereits möglich ist eine genaue Manipulation der Größe der Objekte, welche inder CSV-Datei spezifiziert werden können. Ebenso kann die Größe der passivenund aktiven Distraktoren angepasst werden. Daraus ergeben sich eine Reihe vonmöglichen Experimenten, die unter anderem der Erforschung visueller Suchedienen. Andere mögliche Forschungsfragen sind, ob es Korrelationen zwischender Erfolgsrate, Größe eines Objektes und der Selektionsmethode gibt.

Etwas grundlegender ist die Frage, ob Items eine bestimmte Größe haben müs-sen, damit sie von durchschnittlichen Benutzern komfortabel benutzt werdenkönnen. Außerdem ist die Frage der Notwendigkeit der Anpassung von Softwarezu klären. Inwieweit muss Software personalisierbar sein, welche Anforderungenhaben die Nutzer und was für eine Bandbreite an Fähigkeiten gibt es? Wel-che Schwellwerte sollten beim Design von neuer Software mit Kompatibilitätzu blickbasierter Interaktion eingehalten werden? Des weiteren spielt die Ge-nauigkeit des verwendeten Eyetrackers eine Rolle, um die MIndestgröße derangezeigten Items zu bestimmen, vgl. Kap. 2.2.2.

Um diese Fragen zu klären sind Experimente nötig, in denen die Größe derObjekte systematisch manipuliert wird. Eine Ergänzung zu den bereits in denErgebnisdateien vorhandenen Daten für die Auswertung könnten subjektiveBefragungen sein, ähnlich wie in den Studien von [SII03] und [RR12].

5.7.2. Farben

In dem aktuellen Stand der Software kann die Farbe der verschiedenen Objekte(Targets, aktive Distraktoren und passive Distraktoren) in ihren verschiedenenZuständen (ungedrückt, gedrückt) in der Klasse StyleData.java angepasst wer-den. [LHB09, S. 38] beschreibt die Funktionen von Farbe wie folgt: “Farbe imDesign soll Aufmerksamkeit erregen, Elemente gruppieren, Inhalte vermittelnund die Ästhetik verstärken.“ Im Kontext der Barrierefreiheit spielt Farbe eineRolle, da bei der Farbgestaltung einer Software die Möglichkeit von Farbfehl-

120

5.8. Interaktionstechniken und Feedback Kapitel 5. Untersuchungspläne

sichtigkeit einbezogen werden sollten. [LHB09] geben hierzu den Hinweis, dassdeshalb nicht allein Farben zur Informationsvermittlung genutzt werden sollten.Eine andere Möglichkeit der Informationsvermittlung ist zum Beispiel die inKap. 2.2.5 vorgestellte Methode Selektionen über kleine Rechtecke auf denElementen anzuzeigen, vgl. [SII03, S. 487].

Im Experiment Builder können verschiedene Hintergrundfarben eingestelltund getestet werden. Um die Anpassung der Farbe ebenfalls komfortabler zugestalten, könnten zukünftige Arbeiten die Software dorthingehend Erweitern,vgl. Kap. 4.4.1.

Die in der Software standardmäßig voreingestellten Farben sind eine triadischeKombination, deren Statusänderungen durch monochrome Farbabstufungendargestellt werden. Die Farben wurden durch den kostenlosen Colour SchemeDesigner3 berechnet. Experimente zur Farbgestaltung machen besonders fürkonkrete Anwendungen Sinn, vgl. [LHB09].

5.8. Interaktionstechniken und Feedback

Besonders dieses Feld kann eine Menge Forschungsfragen liefern: “WelcheInteraktionstechnik ist für welche Anwendung sinnvoll?“, “Was für Schwellwertesind besonders geeignet?“, “Was für Empfehlungen können an GUI Designergegeben werden?“, usw. Der Experiment Builder ist so geplant, dass sich neueInteraktionstechniken ohne erheblichen Aufwand ergänzen lassen, sodass dasProgramm auch für weiterführende Forschungsfragen gerüstet ist, siehe 4.4.2.

5.8.1. Interaktionstechniken

Die verschiedenen Interaktionstechniken, die in der Software implementiertworden sind, können auf vielfältige Weise in Experimenten untersucht werden.Es ist möglich im Experiment Builder Studien zu konzipieren, die verschiedeneSelektionsmethoden oder Auswahlmethoden miteinander vergleichen. Eineandere Möglichkeit ist die Ermittlung von Schwellwerten. Ein Beispiel hierfürist der Vergleich von verschiedenen Dwell- und Winktimes, die als unabhängige

3http://paletton.com

121

http://paletton.com

Kapitel 5. Untersuchungspläne 5.8. Interaktionstechniken und Feedback

Variablen manipuliert werden. Durch eine Erweiterung des Experiment Builderskönnten auch verschiedene Sprachbefehle miteinander verglichen werden.

In weiterführenden Studien könnten Zusammenhänge zwischen dem Designder Objekte und verschiedenen Selektionstechniken untersucht werden, daman zum Beispiel zu dem Ergebnis kommen kann, dass Reize, die mit einerTastenberührung selektiert werden, kleinere Abmessungen aufweisen können alsObjekte, die mit einer gaze-only Technik ausgewählt werden sollen. ÄhnlicheInteraktionen mit Sprachbefehlen und Objektdesign sind ebenfalls möglich.

Auch zweistufige Interaktionstechniken sind noch nicht umfangreich analysiertworden. So stellt sich zum Beispiel im Fall des Bestätigungsknopfes die Frage,ob dieser statisch an einer bestimmten Stelle der Szene angezeigt werdenoder dynamisch auftauchen bzw. dynamisch die Position verändern sollte,sobald ein Item selektiert ist. Ein weiteres Forschungsfeld, dass im ExperimentBuilder vorbereitet ist, sind Gesten, deren Möglichkeiten bereits in Kap. 2.2.5und Kap. 4.4.2 besprochen worden sind. Gesten können dabei nicht nur alsBestätigungstechniken eingesetzt werden, sondern auch aktiv zur Eingabegenutzt werden, vgl. [Iso00] und[DS07].

[KPW] vergleicht blickgesteuerte Interaktion mit Mausinput und anderen Inter-aktionstechniken und analysiert verschiedene subjektive abhängige Variablenund objektive abhängige Variablen (subjektive Geschwindigkeit, subjektivePräzision, Bequemlichkeit der Nutzung, subjektive Präferenz und objektiveGeschwindigkeit).

5.8.2. Feedback

Feedback in Form von Gazepointern ist eine umstrittene Art von visueller Rück-kopplung, die schon seit einiger Zeit diskutiert wird, vgl. [Jac93, S. 17]. Die Vor-und Nachteile wurden schon im Grundlagenkapitel diskutiert, siehe Kap. 2.2.5.Bisher fehlen genaue statistische Daten über die Größe der Ablenkung, dennder Cursor kann bei Messungenauigkeiten Aufmerksamkeit im Blickfeld desBenutzers erregen.

Die Auswertung der Daten ist in diesem Forschungsfeld eine besondere Her-ausforderung, da Ablenkung nicht einfach zu modellieren ist. In vielen For-schungsfeldern, werden die Blickbewegungen hierfür ausgewertet, doch da es

122

5.8. Interaktionstechniken und Feedback Kapitel 5. Untersuchungspläne

sich bei den Gazepointern um eine besondere Art der Ablenkung handelt, istdie Operationalisierung nicht eindeutig. Ein erster Schritt ist es, die Nutzer diegleichen Aufgaben mit und ohne Gazepointer lösen zu lassen. Hierbei lässt sichdas Experiment neben der Aktivierung und Deaktivierung des Gazepointersum weitere Größen, wie die Größe des Cursors, den genutzten Filter zur Glät-tung und absichtlich herbeigeführten Messungenauigkeiten erweitern. DieseErweiterungen können ohne erheblichen Aufwand in den Experiment Buildereingepflegt werden, vgl. dazu Kap. 4.4. [Jac93, S. 17], [SII03, S. 478]

Eine weitere Anregungen für die Untersuchung von Feeedbackmechanismenbei der Gestaltung von Oberflächen und Interaktionen ist die Erweiterungdes Experiment Builders um einen Sticky Gaze Pointer, welcher bereits inKap. 2.2.5 beschrieben wurde. Besonders bei der Interaktion auf komplexerenAnwendungen ist dieser Ansatz eine vielversprechende Methode um die Usabilityzu erhöhen. [SD12]

Visuelles Feedback in der Oberflächen- und Interaktionsgestaltung ist inhaltlichnah an der Gestaltung der Objekte. In [KKL08] wird eine Untersuchung vorge-stellt, bei der getestet worden ist, welches die sinnvollste taktile Rückmeldungist. Die Studie hat das Ziel, die Benutzung von Smartphones intuitiver undnutzerfreundlicher zu gestalten. Diese Art von Studie kann eine geeignete Vor-lage bilden, um Untersuchungen über die Wirksamkeit der Rückmeldung vonSteuerungselementen, die mit Blicksteuerung ausführbar sein sollen, zu führen.

123

Kapitel 6Diskussion der Ergebnisse

Im ersten Teil dieses Kapitels, dem Fazit, wird die Arbeit resümiert. Diewesentlichen Ergebnisse werden zusammengefasst und vorgestellt. Im zweitenTeil wird ein kurzer Ausblick auf die noch offenen Forschungsfragen gegeben.

6.1. Fazit

Richtlinien und Gestaltungshinweise leisten einen Beitrag zur barrierefreienSoftwareentwicklung. Alternative Eingabemethoden, wie zum Beispiel Eye-Tracking, haben besondere Anforderungen an das Design der Programme. DieForschung, die diese Anforderungen ermittelt, kann zukünftig mit der in dieserArbeit entwickelten Software unterstützt werden.

Ein Ziel dieser Arbeit war es eine methodische Basis zu experimentellen Designszu legen. Durch die für diese Arbeit vollzogene Recherche konnten Anforde-rungen an den Experiment Builder aufgestellt werden und ein Grundstein fürspätere Arbeiten gelegt werden. Mithilfe der Literaturrecherche konnten sowichtige Begriffe und Konzepte empirischer Untersuchungen vorgestellt werden.In Kapitel 2 wurde deutlich gemacht, wie wichtig die Planung für valides,objektives und reliables Vorgehen bei Untersuchungen ist.

Zu Beginn der Softwareentwicklungsphase wurden bereits existierende Soft-warelösungen untersucht und diese auf ihre wichtigsten Eigenschaften, Ge-meinsamkeiten und Unterschiede analysiert. Anschließend wurden aus diesenErkenntnissen und dem Wissen über empirische Konzepte Eigenschaften formu-liert, die für den Experiment Builder essentiell sind. Zu diesen Eigenschaftenzählen die Anpassbarkeit der Software an unterschiedliche Forschungsfragen,aber auch die Bereitstellung empirischer Techniken, wie der Randomisierung.

Im Rahmen der vorliegenden Arbeit wurden die elementaren Funktionen für(erste) empirische Studien implementiert. Besonderer Wert wurde darauf gelegt,dass die Software erweiterbare Schnittstellen liefert und eine große Bandbreite

125

Kapitel 6. Diskussion der Ergebnisse 6.2. Ausblick

von experimentellen Versuchsplänen unterstützt. Zusätzlich wurden Routinenzur Abspeicherung der Messdaten umgesetzt, sodass die Software nachfolgendfür Untersuchungen verwendet werden kann.

Ein weiterer Punkt, der in dieser Arbeit behandelt wurde, ist mögliche Anwen-dungen des Experiment Builders herauszuarbeiten und Forschungsfragen zuentwickeln. Neben Experimenten, die das Ziel haben Richtlinien für Eyetrackerfreundliche Oberflächen, Navigation und Interaktionskonzepte zu entwickeln,wie zum Beispiel in Kap. 5.7 und 5.8, werden mögliche Untersuchungsdesignszu hypothetischen Konstrukten wie Ermüdung und Learnability vorgeschlagen,vgl. Kap. 5.4 und Kap. 5.5. Des weiteren kann der Experiment Builder zudem Zweck eingesetzt werden, Richtwerte zu ermitteln, mit denen untersuchteSysteme besser vergleichen werden können. Beispiele hierfür werden in Kap. 5.2beschrieben.

6.2. Ausblick

Das bereits in der Einleitung genannte Ziel, Richtlinien für Oberflächen- undInteraktionsdesigns zu erstellen, ist ein elementares Forschungsfeld mit vielZukunftspotenzial mit vielen laufenden Forschungen. In dieser Masterarbeitwurde ein Tool erstellt, welches die Erforschung verschiedener Themen wieUsabillity, blickbasierte Interaktion und Barrierefreiheit unterstützen soll.

Neben den in Kapitel 5 vorgestellten Anwendungen des Experiment Buildersund den dort vorgestellten Fragen, bietet dieser viele Erweiterungsmöglichkeiten.Durch Anpassungen lassen sich so weitere Themenfelder untersuchen. Damitwurde das Ziel erreicht ein Tool zu entwickeln, dass langfristig verschiedeneForschungsperspektiven unterstützen kann. Die Forschungsansätze, die imfünften Kapitel vorgestellt wurden, machen deutlich, dass die Blickbedienungnoch nicht ihr volles Potenzial ausschöpft. Viele offene Fragen müssen nochevaluiert werden. Die daraus gewonnenen Ergebnisse könnten Auswirkungenauf die Oberflächen- und Interaktionsgestaltung haben und dazu beitragen,dass die Technik mehr Menschen zugänglich gemacht wird.

Anhand der Überlegungen in Kap. 5 haben sich mehrere Forschungsfragen er-öffnet, die als Grundlage für nachfolgende Arbeiten dienen können. Thematischlassen sich die Forschungsfragen in verschiedene Gruppen gliedern.

126

6.2. Ausblick Kapitel 6. Diskussion der Ergebnisse

Ein wesentlicher Bestandteil ist die Frage nach der Interaktion zwischen Be-nutzer und Computer. Welche Techniken sind für welche Anwendungszweckebesonders geeignet? Was für Schwellwerte sind vorteilhaft und inwieweit solltedas System anpassbar sein?

Weitere Themen, die in zukünftigen Arbeiten behandelt werden können, sindinterdisziplinäre Studien zu hypothetischen Konstrukten, wie zum Beispiel derErlernbarkeit. Ein anderes Beispiel hierfür, das in dieser Arbeit genannt wird,ist das Ausmaß der Ermüdung, welche bei der Benutzung von blickbasierterInteraktion auftritt.

Einen guten Ausgangspunkt für weiterführende Untersuchungen bilden Studienzu Störvariablen, da diese zum Verständnis der grundlegenden Störgrößen undder Abschätzung dieser beitragen. Besonders das Beispiel der Kopfstabilisierungwurde genauer vorgestellt. Daran anschließend wurden weitere Störvariablenrecherchiert und erläutert. Die Untersuchung dieser erfordert ein der Kopfstabi-lisierung ähnliches Testdesign.

Ein letzter Ausblick auf zukünftige Forschungsperspektiven ist, dass der Expe-riment Builder dazu genutzt werden kann, um einen Vergleich verschiedenerEyetracker untereinander durchzuführen.

127

Literaturverzeichnis

[AKK+09] Albers, Sönke (Hrsg.) ; Klapper, Daniel (Hrsg.) ; Kon-radt, Udo (Hrsg.) ; Walter, Achim (Hrsg.) ; Wolf, Joa-chim (Hrsg.): Methodik der empirischen Forschung. 3., über-arbeitete und erweiterte Auflage. Wiesbaden : Gabler Ver-lag, 2009. http://dx.doi.org/10.1007/978-3-322-96406-9.http://dx.doi.org/10.1007/978-3-322-96406-9. – ISBN9783834917034

[BC14] Becker-Carus, Christian: Reiz. Version: 2014. https://portal.hogrefe.com/dorsch/Reiz/. In: Dorsch, Friedrich(Hrsg.) ; Wirtz, Markus A. (Hrsg.) ; Strohmer, Janina (Hrsg.):Dorsch Lexikon der Psychologie. Bern : Huber, 2014. – ISBN978–3–456–85460–1, 364

[BD09] Bortz, Jürgen ; Döring, Nicola: Forschungsmethoden undEvaluation für Human- und Sozialwissenschaftler: Mit ... 87Tabellen. 4., überarb. Aufl., Nachdr. 2009. Heidelberg : SpringerMedizin Verl., 2009 (Springer-Lehrbuch). – ISBN 978–3–540–33305–0

[BG09] Borchardt, Andreas ; Göthlich, Stephan E.: Erkenntnisge-winnung durch Fallstudien. In: Albers, Sönke (Hrsg.) ; Klapper,Daniel (Hrsg.) ; Konradt, Udo (Hrsg.) ; Walter, Achim (Hrsg.); Wolf, Joachim (Hrsg.): Methodik der empirischen Forschung.Wiesbaden : Gabler Verlag, 2009. – ISBN 9783834917034, S.33–48

129

http://dx.doi.org/10.1007/978-3-322-96406-9

http://dx.doi.org/10.1007/978-3-322-96406-9

https://portal.hogrefe.com/dorsch/Reiz/

https://portal.hogrefe.com/dorsch/Reiz/


[BHH05] Box, George E. P. ; Hunter, J. S. ; Hunter, William G.:Statistics for experimenters: Design, innovation, and discovery.2. ed. Hoboken, NJ : Wiley-Interscience, 2005 (Wiley se-ries in probability and statistics). http://www.loc.gov/catdir/enhancements/fy0619/2004063780-b.html. – ISBN9780471718130

[BHS97] Blundell, James K. ; Hines, Mary L. ; Stach, Jerrold: Themeasurement of software design quality. In: Annals of SoftwareEngineering 4 (1997), Nr. 1, 235–255. http://dx.doi.org/10.1023/A:1018914711050. – DOI 10.1023/A:1018914711050.– ISSN 1573–7489

[Böv14] Bövers, Thorsten: Entwicklung und Untersuchung vonAuswahltechniken und ihren Anforderungen für die freihändigeblickbasierte Interaktion. Universität Paderborn, Masterthesis,01.09.2014

[BP14] Bierhoff, Hans-Werner ; Petermann, Franz:Forschungsmethoden der Psychologie. Göttingen : Hogre-fe, 2014 (Bachelorstudium Psychologie). – ISBN 3–8017–2183–3

[Bre13] Bremus, Timm: Barrierefreiheit: Webanwendungen ohneHindernisse. Frankfurt am Main : entwickler.press, 2013. – ISBN9783868022834

[Brö11] Bröder, Arndt: Versuchsplanung und experimentellesPraktikum. Göttingen : Hogrefe, 2011 (Bachelorstudium Psy-chologie). – ISBN 9783801721435

[BS10] Bortz, Jürgen ; Schuster, Christof: Statistik für Human- undSozialwissenschaftler. 7., vollständig überarbeitete und erweiterteAuflage. Berlin, Heidelberg : Springer Berlin Heidelberg, 2010. –ISBN 9783642127700

[Bul94] Bullinger, Hans-Jörg: Software-Ergonomie: Ergonomie:Produkt- und Arbeitsplatzgestaltung. In: Bullinger, Hans-Jörg (Hrsg.): Ergonomie. Wiesbaden : Vieweg+Teubner Verlag,1994 (Technologiemanagement - Wettbewerbsfähige Technologie-entwicklung und Arbeitsgestaltung). – ISBN 978–3–663–12094–0,S. 359–380

130

http://www.loc.gov/catdir/enhancements/fy0619/2004063780-b.html

http://www.loc.gov/catdir/enhancements/fy0619/2004063780-b.html

http://dx.doi.org/10.1023/A:1018914711050

http://dx.doi.org/10.1023/A:1018914711050


[CC57] Cochran, William G. ; Cox, Gertrude M.: Experimental designs.2. ed. New York NY u.a. : Wiley, 1957 (Wiley series in probabilityand mathematical statistics : Applied probability and statistics).– ISBN 0–471–16203–5

[CC79] Cook, Thomas D. ; Campbell, Donald T.:Quasi-experimentation: Design & analysis issues for fieldsettings. Boston : Houghton Mifflin, 1979. – ISBN 0395307902

[CF59] Campbell, Donald T. ; Fiske, Donald W.: Convergent anddiscriminant validation by the multitrait-multimethod matrix.In: Psychological Bulletin 56 (1959), Nr. 2, S. 81–105. http://dx.doi.org/10.1037/h0046016. – DOI 10.1037/h0046016. –ISSN 0033–2909

[CGK12] Charness, Gary ; Gneezy, Uri ; Kuhn, Michael A.: Experi-mental methods: Between-subject and within-subject design. In:Journal of Economic Behavior & Organization 81 (2012), Nr. 1,S. 1–8. http://dx.doi.org/10.1016/j.jebo.2011.08.009. –DOI 10.1016/j.jebo.2011.08.009. – ISSN 01672681

[CH06] Cui, Yongqin ; Hondzinski, Jan M.: Gaze tracking accuracy inhumans: two eyes are better than one. In: Neuroscience letters396 (2006), Nr. 3, S. 257–262. http://dx.doi.org/10.1016/j.neulet.2005.11.071. – DOI 10.1016/j.neulet.2005.11.071. –ISSN 0304–3940

[CITH15] Chen, Chih-Yang ; Ignashchenkova, Alla ; Thier, Peter ;Hafed, Ziad M.: Neuronal Response Gain Enhancement pri-or to Microsaccades. In: Current Biology 25 (2015), Nr. 16,2065–2074. http://dx.doi.org/10.1016/j.cub.2015.06.022.– DOI 10.1016/j.cub.2015.06.022. – ISSN 0960–9822

[CS66] Campbell, Donald T. ; Stanley, Julian C.: Experimental andquasi-experimental designs for research. 18. pr. Chicago : RandMcNally, 1966

[DB16] Döring, Nicola ; Bortz, Jürgen: Forschungsmethoden undEvaluation in den Sozial- und Humanwissenschaften. 5. vollstän-dig überarbeitete, aktualisierte und erweiterte Auflage. Berlin,

131

http://dx.doi.org/10.1037/h0046016

http://dx.doi.org/10.1037/h0046016

http://dx.doi.org/10.1016/j.jebo.2011.08.009

http://dx.doi.org/10.1016/j.neulet.2005.11.071

http://dx.doi.org/10.1016/j.neulet.2005.11.071

http://dx.doi.org/10.1016/j.cub.2015.06.022


Heidelberg : Springer, 2016 (Springer-Lehrbuch). http://dx.doi.org/10.1007/978-3-642-41089-5. – ISBN 9783642410888

[DBB14] Dubben, Hans-Hermann ; Beck-Bornholdt, Hans-Peter:Rororo Science. Bd. 62196: Der Hund, der Eier legt: Erkennen vonFehlinformation durch Querdenken. 8. Aufl. Reinbek bei Ham-burg : Rowohlt-Taschenbuch-Verl., 2014. – ISBN 9783499621963

[DS07] Drewes, Heiko ; Schmidt, Albrecht: Interacting with the Com-puter Using Gaze Gestures. In: Proceedings of the 11th IFIP TC13 International Conference on Human-computer Interaction -Volume Part II. Berlin, Heidelberg : Springer-Verlag, 2007 (IN-TERACT’07). – ISBN 3–540–74799–0, 475–488

[Duc07] Duchowski, Andrew T.: Eye tracking methodology: Theory andpractice. 2nd ed. London : Springer, 2007. – ISBN 1846286085

[Dur64] Durstenfeld, Richard: Algorithm 235: Random Permu-tation. In: Communications of the ACM 7 (1964), Nr. 7,420. http://dx.doi.org/10.1145/364520.364540. – DOI10.1145/364520.364540

[DV99] Dean, Angela M. ; Voss, Daniel: Design and analysis ofexperiments. New York : Springer, 1999 (Springer texts in stati-stics). – ISBN 9780387985619

[DWS14] Dorsch, Friedrich (Hrsg.) ; Wirtz, Markus A. (Hrsg.) ; Stroh-mer, Janina (Hrsg.): Dorsch Lexikon der Psychologie. 17. Aufl.Bern : Huber, 2014. – ISBN 978–3–456–85460–1

[Ebn15] Ebner, Martin: L3T’s research! Wissenschaftlich Arbeiten zumLehren und Lernen mit Technologien: Reader. Norderstedt :Books on Demand, 2015. – ISBN 3738615040

[Ehr03] Ehrenstein, Walter: Online-Lexikon derPsychologie: Korrelation [Elektronische Ressource]. http://www.spektrum.de/lexikon/psychologie/korrelation/8236.Version: 2003

[EK03] Engbert, Ralf ; Kliegl, Reinhold: Binocular Coordinationin Microsaccades. In: Hyönä, Jukka (Hrsg.) ; Radach, Ralph

132

http://dx.doi.org/10.1007/978-3-642-41089-5

http://dx.doi.org/10.1007/978-3-642-41089-5

http://dx.doi.org/10.1145/364520.364540

http://www.spektrum.de/lexikon/psychologie/korrelation/8236

http://www.spektrum.de/lexikon/psychologie/korrelation/8236


(Hrsg.) ; Deubel, Heiner (Hrsg.): The mind’s eye. Amsterdam,Boston : North-Holland, 2003. – ISBN 0–444–51020–6, S. 103–118

[Fir93] Firestone, William A.: Alternative Arguments for GeneralizingFrom Data as Applied to Qualitative Research. In: EducationalResearcher 22 (1993), Nr. 4, S. 16–23. – ISSN 0013–189X

[Fol10] Foley, James D.: Computer graphics: Principles and practice. 2.ed. in C, reprinted with corr., 25. print. Boston : Addison-Wesley,2010 (The systems programming series). – ISBN 0201848406

[FWC84] Foley, J. D. ; Wallace, V. L. ; Chan, P.: The human fac-tors of computer graphics interaction techniques. In: IEEEComputer Graphics and Applications 4 (1984), Nr. 11, S. 13–48. http://dx.doi.org/10.1109/MCG.1984.6429355. – DOI10.1109/MCG.1984.6429355. – ISSN 0272–1716

[Gei11] Geise, Stephanie: Extended Paper Eyetracking in derKommunikations- und Medienwissenschaft: Theorie, Methodeund kritische Reflexion. In: SCM: Studies in Communicationand Media (2011), Nr. 2, 149–263. http://www.scm.nomos.de/archiv/2011/heft-2/beitrag-geise/

[GFA09] Grossman, Tovi ; Fitzmaurice, George ; Attar, Ramtin:A Survey of Software Learnability: Metrics, Methodologies andGuidelines. In: Proceedings of the SIGCHI Conference on HumanFactors in Computing Systems. New York, NY, USA : ACM, 2009(CHI ’09). – ISBN 978–1–60558–246–7, 649–658

[GGKM+07] Gigerenzer, Gerd ; Gaissmaier, Wolfgang ; Kurz-Milcke,Elke ; Schwartz, Lisa M. ; Woloshin, Steven: HelpingDoctors and Patients Make Sense of Health Statistics. In:Psychological Science in the Public Interest 8 (2007), Nr. 2, S. 53–96. http://dx.doi.org/10.1111/j.1539-6053.2008.00033.x.– DOI 10.1111/j.1539–6053.2008.00033.x. – ISSN 15291006

[Gie03] Giegler, Helmut: Online-Lexikon der Psychologie: Validität[Elektronische Ressource]. http://www.spektrum.de/lexikon/psychologie/validitaet/16103. Version: 2003

[GJ14] Gollwitzer, Mario ; Jäger, Reinhold S.: Evaluationkompakt: Glossar. 2., überarb. Aufl. Weinheim : Beltz,

133

http://dx.doi.org/10.1109/MCG.1984.6429355

http://www.scm.nomos.de/archiv/2011/heft-2/beitrag-geise/

http://www.scm.nomos.de/archiv/2011/heft-2/beitrag-geise/

http://dx.doi.org/10.1111/j.1539-6053.2008.00033.x

http://www.spektrum.de/lexikon/psychologie/validitaet/16103

http://www.spektrum.de/lexikon/psychologie/validitaet/16103


2014 https://www.beltz.de/fileadmin/beltz/downloads/OnlinematerialienPVU/28131_GollwitzerJaeger/Glossar.pdf. – ISBN 978–3–621–28175–1

[GW03] Goldberg, Joseph H. ; Wichansky, Anna M.: Eye Tracking inUsability Evaluation: A Practitioner’s Guide. In: Hyönä, Jukka(Hrsg.) ; Radach, Ralph (Hrsg.) ; Deubel, Heiner (Hrsg.): Themind’s eye. Amsterdam, Boston : North-Holland, 2003. – ISBN0–444–51020–6, S. 493–516

[Ham08] Hammoud, Riad I.: Passive Eye Monitoring: Algorithms,Applications and Experiments. Springer Berlin Heidelberg,2008 (Signals and Communication Technology). https://books.google.de/books?id=k0VGgU0lHroC. – ISBN 9783540754121

[HD12] Hecht, Heiko ; Desnizza, Wolfgang: Psychologie alsempirische Wissenschaft: Essentielle wissenschaftstheoretischeund historische Grundlagen. Heidelberg : Spektrum Akademi-scher Verlag, 2012. – ISBN 9783827429469

[Hel12] Heller, Jürgen: Experimentelle Psychologie: Eine Einführung.München : Oldenbourg, 2012 (Sozialwissenschaften 10-2012).http://www.oldenbourg-link.com/isbn/9783486702675. –ISBN 9783486702675

[Him09] Himme, Alexander: 31. Gütekriterien der Messung: Reliabilität,Validität Reliabilitat, Validitat Gutekriterien und Generalisier-barkeit. In: Albers, Sönke (Hrsg.) ; Klapper, Daniel (Hrsg.) ;Konradt, Udo (Hrsg.) ; Walter, Achim (Hrsg.) ; Wolf, Joa-chim (Hrsg.): Methodik der empirischen Forschung. Wiesbaden :Gabler Verlag, 2009. – ISBN 9783834917034, S. 485–500

[HIV12] Hyrskykari, Aulikki ; Istance, Howell ; Vickers, Stephen:Gaze Gestures or Dwell-based Interaction? In: Proceedings of theSymposium on Eye Tracking Research and Applications. NewYork, NY, USA : ACM, 2012 (ETRA ’12). – ISBN 978–1–4503–1221–9, 229–232

[HNA11] Holmqvist, Kenneth ; Nyström, Marcus ; Andersson, Ri-chard: Eye Tracking: A comprehensive guide to methods and

134

https://www.beltz.de/fileadmin/beltz/downloads/OnlinematerialienPVU/28131_GollwitzerJaeger/Glossar.pdf



https://books.google.de/books?id=k0VGgU0lHroC

https://books.google.de/books?id=k0VGgU0lHroC

http://www.oldenbourg-link.com/isbn/9783486702675


measures. Oxford : OUP Oxford, 2011 http://gbv.eblib.com/patron/FullRecord.aspx?p=990529. – ISBN 9780199697083

[HP11] Hellbusch, Jan E. ; Probiesch, Kerstin: Barrierefreiheitverstehen und umsetzen: Webstandards für ein zugängliches undnutzbares Internet. 1. Aufl. Heidelberg : dpunkt-Verl., 2011. –ISBN 9783898645201

[HSB+09] Hamborg, Kai-Christoph ; Strauß, Friedrich ; Beck, Astrid ;Dahm, Markus ; Heers, Rainer ; Heinecke, Andreas M.: Einneuer Standard für die Ausbildung im Fach Mensch-Computer-Interaktion. In: Informatik-Spektrum 32 (2009), Nr. 3, 214–222. http://dx.doi.org/10.1007/s00287-008-0322-5. – DOI10.1007/s00287–008–0322–5. – ISSN 1432–122X

[HSE13] Hussy, Walter ; Schreier, Margrit ; Echterhoff, Gerald:Forschungsmethoden in Psychologie und Sozialwissenschaften fürBachelor. Berlin, Heidelberg : Springer Berlin Heidelberg, 2013. –ISBN 978–3–642–34361–2

[HWM+89] Hutchinson, T. E. ; White, K. P. ; Martin, W. N. ; Reichert,K. C. ; Frey, L. A.: Human-computer interaction using eye-gazeinput. In: IEEE Transactions on Systems, Man, and Cybernetics19 (1989), Nr. 6, S. 1527–1534. http://dx.doi.org/10.1109/21.44068. – DOI 10.1109/21.44068. – ISSN 00189472

[IBHV08] Istance, Howell ; Bates, Richard ; Hyrskykari, Aulikki ;Vickers, Stephen: Snap Clutch, a Moded Approach to Sol-ving the Midas Touch Problem. In: Proceedings of the 2008Symposium on Eye Tracking Research & Applications. New York,NY, USA : ACM, 2008 (ETRA ’08). – ISBN 978–1–59593–982–1,221–228

[Iso00] Isokoski, Poika: Text Input Methods for Eye Trackers UsingOff-screen Targets. In: Proceedings of the 2000 Symposium onEye Tracking Research & Applications. New York, NY, USA :ACM, 2000 (ETRA ’00). – ISBN 1–58113–280–8, 15–21

[Ist06] Istance, Howell: Communication Through Eye-gaze: Where WeHave Been, Where We Are Now and Where We Can Go fromHere. In: Proceedings of the 2006 Symposium on Eye Tracking

135

http://gbv.eblib.com/patron/FullRecord.aspx?p=990529

http://gbv.eblib.com/patron/FullRecord.aspx?p=990529

http://dx.doi.org/10.1007/s00287-008-0322-5

http://dx.doi.org/10.1109/21.44068

http://dx.doi.org/10.1109/21.44068


Research &Amp; Applications. New York, NY, USA : ACM, 2006(ETRA ’06). – ISBN 1–59593–305–0, 9

[Jac91] Jacob, Robert J. K.: The use of eye movements in human-computer interaction techniques: What you look at is what youget. In: ACM Transactions on Information Systems 9 (1991), Nr.2, S. 152–169. http://dx.doi.org/10.1145/123078.128728. –DOI 10.1145/123078.128728. – ISSN 10468188

[Jac93] Jacob, Robert J.: Eye Movement-Based Human-ComputerInteraction Techniques: Toward Non-Command Interfaces. In:Hartson, H. R. (Hrsg.) ; Hix, Deborah (Hrsg.): Advances inhuman-computer interaction Bd. 4. Norwood, NJ : Ablex Publ.Corp, 1993. – ISBN 0893919349, S. 151–190

[JK03] Jacob, J. K. R. ; Karn, S. K.: Eye Tracking in Human-ComputerInteraction and Usability Research: Ready to Deliver the Promi-ses (Section Commentary). In: Hyönä, Jukka (Hrsg.) ; Radach,Ralph (Hrsg.) ; Deubel, Heiner (Hrsg.): The mind’s eye. Ams-terdam, Boston : North-Holland, 2003. – ISBN 0–444–51020–6,S. 573–605

[JSG14] Jong, Ton de ; Sotiriou, Sofoklis ; Gillet, Denis: Innovationsin STEM education: the Go-Lab federation of online labs. In:Smart Learning Environments 1 (2014), Nr. 1, 1–16. http://dx.doi.org/10.1186/s40561-014-0003-6. – DOI 10.1186/s40561–014–0003–6. – ISSN 2196–7091

[Ker14] Keren, Lewis: Between- or Within-Subjects Design: A Me-thodological Dilemma. In: Keren, Gideon (Hrsg.) ; Lewis,Charles (Hrsg.): A Handbook for Data Analysis in the BehaviorialSciences. Hoboken : Psychology Press, 2014. – ISBN 1317759982,S. 257–273

[KH09] Kaya, Maria ; Himme, Alexander: Möglichkeiten der Stichpro-benbildung. In: Albers, Sönke (Hrsg.) ; Klapper, Daniel (Hrsg.); Konradt, Udo (Hrsg.) ; Walter, Achim (Hrsg.) ; Wolf, Joa-chim (Hrsg.): Methodik der empirischen Forschung. Wiesbaden :Gabler Verlag, 2009. – ISBN 9783834917034, S. 79–88

136

http://dx.doi.org/10.1145/123078.128728

http://dx.doi.org/10.1186/s40561-014-0003-6

http://dx.doi.org/10.1186/s40561-014-0003-6


[KKL08] Koskinen, Emilia ; Kaaresoja, Topi ; Laitinen, Pauli: Feel-good Touch: Finding the Most Pleasant Tactile Feedback fora Mobile Touch Screen Button. In: Proceedings of the 10thInternational Conference on Multimodal Interfaces. New York,NY, USA : ACM, 2008 (ICMI ’08). – ISBN 978–1–60558–198–9,297–304

[KNAH10] Kotani, Kentaro ; Nakajima, Akira ; Asao, Takafumi ; Horii,Ken: Hands-free Data Manipulation for Visual Inspection Systemby Using Temporal Characteristics of Saccades. In: O.V. (Hrsg.):IUI 2010 Workshop : Eye Gaze in Intelligent Human MachineInteraction. New York, NY, USA : ACM, 2010 (EGIHMI ’10). –ISBN 978–1–60558–999–2, 8–11

[KPW] Kumar, Manu ; Paepcke, Andreas ; Winograd, Terry:EyeExpose - Switching Applications with Your Eyes. http://hci.stanford.edu/cstr/reports/2007-02.pdf

[Kru07] Kruse, Otto: Keine Angst vor dem leeren Blatt: OhneSchreibblockaden durchs Studium. 12., völlig neu bearb. Aufl.Frankfurt/Main : Campus-Verl., 2007 (Campus concret). – ISBN9783593384795

[KTH+03] Kaur, Manpreet ; Tremaine, Marilyn ; Huang, Ning ; Wilder,Joseph ; Gacovski, Zoran ; Flippo, Frans ; Mantravadi,Chandra S.: Where is "it" ? Event Synchronization in Gaze-SpeechInput Systems. In: Oviatt, Sharon (Hrsg.) ; Darrell, Trevor(Hrsg.) ; Maybury, Mark (Hrsg.) ; Wahlster, Wolfgang (Hrsg.):Proceedings of the 5th international conference on Multimodalinterfaces, 2003, S. 151–158

[Lan00] Lankford, Chris: Effective eye-gaze input into Windows. In:Duchowski, Andrew T. (Hrsg.): ETRA ’00, 2000, S. 23–27

[Lev81] Levine, James L.: An eye-controlled computer. YorktownHeights, N.Y. : IBM Research Division, T.J. Watson ResearchCenter, 1981 (RC 8857)

[LHB09] Lidwell, William ; Holden, Kritina ; Butler, Jill: Design: Die100 Prinzipien für erfolgreiche Gestaltung. [Nachdr.]. München,2009

137

http://hci.stanford.edu/cstr/reports/2007-02.pdf

http://hci.stanford.edu/cstr/reports/2007-02.pdf


[LWD] Luca, Alexander de ; Weiss, Roman ; Drewes, Heiko: Eva-luation of Eye-gaze Interaction Methods for Security EnhancedPIN-entry. http://dx.doi.org/10.1145/1324892.1324932.In: Proceedings of the 19th 2007 Australasian Conference onComputer-Human Interaction: Entertaining User Interfaces. –DOI 10.1145/1324892.1324932, 199–202

[Mon09] Montgomery, Douglas C.: Design and analysis of experiments.7. ed., internat. student version. Hoboken, NJ : Wiley, 2009. –ISBN 9780470398821

[MST12] Mathôt, Sebastiaan ; Schreij, Daniel ; Theeuwes, Jan: Open-Sesame: An open-source, graphical experiment builder for thesocial sciences. In: Behavior Research Methods 44 (2012), Nr. 2,314–324. http://dx.doi.org/10.3758/s13428-011-0168-7. –DOI 10.3758/s13428–011–0168–7. – ISSN 1554–3528

[MŠTM06] Miniotas, Darius ; Špakov, Oleg ; Tugoy, Ivan ; MacKenzie,I. S.: Speech-augmented eye gaze interaction with small closelyspaced targets. In: Räihä, Kari-Jouko (Hrsg.) ; Duchowski, An-drew T. (Hrsg.): ETRA ’06: Proceedings of the 2006 Symposiumon Eye Tracking Research, 2006, 67–72

[Nie93] Nielsen, Jakob: Usability Engineering. San Francisco, CA, USA: Morgan Kaufmann Publishers Inc, 1993. – ISBN 0125184050

[PB06] Poole, Alex ; Ball, Linden J.: Eye Tracking in Human-Computer Interaction and Usability Research: Current Statusand Future. In: Ghaoui, Claude (Hrsg.): Encyclopedia of humancomputer interaction. Hershey Pa. u.a. : Idea Group, 2006. –ISBN 1–591–40798–2, S. 211–219

[Pop02] Popper, Karl R.: The logic of scientific discovery. Londonand New York : Routledge, 2002 (Routledge classics). – ISBN0203994620

[Pos12] Pospiech, Ulrike: Wie schreibt man wissenschaftliche Arbeiten?Mannheim : Dudenverl., 2012 (Duden-Ratgeber). – ISBN9783411902965

[RM13] Reich, Klaus ; Miesenberger, Klaus: Barrierefreiheit: Grund-lage gerechter webbasierter Lernchancen. In: Ebner, Martin

138

http://dx.doi.org/10.1145/1324892.1324932

http://dx.doi.org/10.3758/s13428-011-0168-7


(Hrsg.) ; Schön, Sandra (Hrsg.): Lehrbuch für Lernen und Lehrenmit Technologien (L3T). Berlin : epubli GmbH, 2013. – ISBN9783844204377, S. 343–354

[RR12] Raudsandmoen, Håkon ; Rødsjø, Børge: Empirically BasedDesign Guidelines for Gaze Interaction in Windows 7. Trond-heim, Norwegian University of Science and Technology, Mastert-hesis, 2012. http://www.diva-portal.org/smash/get/diva2:571485/FULLTEXT01.pdf

[RS12] Reiß, Siegbert ; Sarris, Viktor: Experimentelle Psychologie:Von der Theorie zur Praxis. [Grundlegende Neubearb.]. München[u.a.] : Pearson, 2012 (Always learning). – ISBN 978–3–86894–147–0

[Sch96] Schönfeld, Ingo: Spezifikation von Interaktionen:Beschreibungstechniken für das dynamische Verhalten vongraphischen Benutzungsschnittstellen. Bremen, UniversitätBremen, Diplomarbeit, 1996

[Sch98] Schneider, Hans-Jochen: Lexikon Informatik undDatenverarbeitung. 4. Oldenbourg : De Gruyter, 1998http://dx.doi.org/10.1515/9783486795523. – ISBN9783486245387

[SD12] Stellmach, Sophie ; Dachselt, Raimund: Designing Gaze-based User Interfaces for Steering in Virtual Environments. In:Proceedings of the Symposium on Eye Tracking Research andApplications. New York, NY, USA : ACM, 2012 (ETRA ’12). –ISBN 978–1–4503–1221–9, 131–138

[SHL+12] Schou, Lone ; Høstrup, Helle ; Lyngsø, Elin E. ; Larsen,Susan ; Poulsen, Ingrid: Validation of a new assessment tool forqualitative research articles. In: Journal of Advanced Nursing 68(2012), Nr. 9, S. 2086–2094. – ISSN 03092402

[SII03] Surakka, Veikko ; Illi, Marko ; Isokoski, Poika: VoluntaryEye Movements in Human-Computer Interaction. In: Hyönä,Jukka (Hrsg.) ; Radach, Ralph (Hrsg.) ; Deubel, Heiner (Hrsg.):The mind’s eye. Amsterdam, Boston : North-Holland, 2003. –ISBN 0–444–51020–6, S. 473–492

139

http://www.diva-portal.org/smash/get/diva2:571485/FULLTEXT01.pdf

http://www.diva-portal.org/smash/get/diva2:571485/FULLTEXT01.pdf

http://dx.doi.org/10.1515/9783486795523


[SK12] Schneider, Gerd. ; Kurt, J.: Technische Prinzipien zur Messungder Blickrichtung und der Augenbewegungen. In: Institut fürRehabilitationswissenschaften der HU-Berlin. (2012), S. 7–14

[SM03] Schwennen, Christian ; Musahl, Hans-Peter: Online-Lexikonder Psychologie: Versuchsplanung [Elektronische Ressource].http://www.spektrum.de/lexikon/psychologie/versuchsplanung/16357. Version: 2003

[SRPW03] Shen, Jiye ; Reingold, Eyal M. ; Pomplun, Marc ; Williams,Diane E.: Saccadic Selectivity During Visual Search: The Influenceof Central Processing Difficulty. In: Hyönä, Jukka (Hrsg.) ;Radach, Ralph (Hrsg.) ; Deubel, Heiner (Hrsg.): The mind’seye. Amsterdam, Boston : North-Holland, 2003. – ISBN 0–444–51020–6, S. 65–88

[SSM+10] San Agustin, Javier ; Skovsgaard, Henrik ; Mollenbach,Emilie ; Barret, Maria ; Tall, Martin ; Hansen, Dan W.; Hansen, John P.: Evaluation of a low-cost open-source gazetracker. In: Proceedings of the 2010 Symposium on Eye-TrackingResearch & Applications, 2010, S. 77–80

[Ste46] Stevens, S. S.: On the Theory of Scales of Measurement. In:Science 103 (1946), Nr. 2684, S. 677–680. – ISSN 00368075,10959203

[Sti99] Stier, Winfried: Empirische Forschungsmethoden: Mit 53Tabellen. 2., verb. Aufl. Berlin : Springer, 1999 (Springer-Lehrbuch). – ISBN 978–3–540–65295–3

[TA13] Tullis, Thomas ; Albert, William: Measuring theuser experience: Collecting, analyzing, and presentingusability metrics. Amsterdam : Elsevier, 2013 http://search.ebscohost.com/login.aspx?direct=true&scope=site&db=nlebk&db=nlabk&AN=486121. – ISBN 9780124157811

[The10] Thesmann, Stephan: Einführung in das Design multimedialerWebanwendungen. Wiesbaden : Vieweg+Teubner Verlag / GWVFachverlage GmbH Wiesbaden, 2010 http://dx.doi.org/10.1007/978-3-8348-9627-8. – ISBN 9783834896278

140

http://www.spektrum.de/lexikon/psychologie/versuchsplanung/16357

http://www.spektrum.de/lexikon/psychologie/versuchsplanung/16357

http://search.ebscohost.com/login.aspx?direct=true&scope=site&db=nlebk&db=nlabk&AN=486121



http://dx.doi.org/10.1007/978-3-8348-9627-8

http://dx.doi.org/10.1007/978-3-8348-9627-8


[Ton09] Tonder, Martin S.: The Development and Evaluation of GazeSelection Techniques. Port Elizabeth, 2009

[Tre10] Treiblmaier, Horst: Datenqualität und Validität bei Online-Befragungen. In: der markt 50 (2010), Nr. 1, 3–18. http://dx.doi.org/10.1007/s12642-010-0030-y. – DOI 10.1007/s12642–010–0030–y. – ISSN 1867–8882

[Voß10] Voßkühler, Adrian: Blickbewegungsmessung an Versuchsauf-bauten: Studien zur Wahrnehmung, Verarbeitung und Usabilityvon physikbezogenen Experimenten am Bildschirm und in derRealität. In: Niedderer, Hans (Hrsg.) ; Fischler, Helmut(Hrsg.) ; Sumfleth, Elke (Hrsg.): Studien zum Physik- undChemielernen Bd. 104. Berlin : Logos, 2010, S. 1–226

[VRM14] Velichkovsky, Boris B. ; Rumyantsev, Mikhail A. ; Mo-rozov, Mikhail A.: New Solution to the Midas Touch Pro-blem: Identification of Visual Commands Via Extraction of Fo-cal Fixations. In: Procedia Computer Science 39 (2014), 75–82.http://dx.doi.org/10.1016/j.procs.2014.11.012. – DOI10.1016/j.procs.2014.11.012. – ISSN 18770509

[Wes00] Westermann, R.: Wissenschaftstheorie undExperimentalmethodik: Ein Lehrbuch zur PsychologischenMethodenlehre. Hogrefe Verlag, 2000 https://books.google.de/books?id=yaKxYMMo4bMC. – ISBN 9783840910906

[Wir14] Wirtz, Markus A.: Distraktoren. Version: 2014. https://portal.hogrefe.com/dorsch/distraktoren/. In: Dorsch,Friedrich (Hrsg.) ; Wirtz, Markus A. (Hrsg.) ; Strohmer, Jani-na (Hrsg.): Dorsch Lexikon der Psychologie. Bern : Huber, 2014.– ISBN 978–3–456–85460–1, 416

[WM87] Ware, Colin ; Mikaelian, Harutune H.: An Evaluation of anEye Tracker As a Device for Computer Input2. In: Proceedingsof the SIGCHI/GI Conference on Human Factors in ComputingSystems and Graphics Interface. New York, NY, USA : ACM,1987 (CHI ’87). – ISBN 0–89791–213–6, 183–188

[Wüh14a] Wühr, Peter: Visuelle Suche. Version: 2014. https://portal.hogrefe.com/dorsch/visuelle-suche/. In: Dorsch, Friedrich

141

http://dx.doi.org/10.1007/s12642-010-0030-y

http://dx.doi.org/10.1007/s12642-010-0030-y

http://dx.doi.org/10.1016/j.procs.2014.11.012

https://books.google.de/books?id=yaKxYMMo4bMC

https://books.google.de/books?id=yaKxYMMo4bMC

https://portal.hogrefe.com/dorsch/distraktoren/

https://portal.hogrefe.com/dorsch/distraktoren/

https://portal.hogrefe.com/dorsch/visuelle-suche/

https://portal.hogrefe.com/dorsch/visuelle-suche/


(Hrsg.) ; Wirtz, Markus A. (Hrsg.) ; Strohmer, Janina (Hrsg.):Dorsch Lexikon der Psychologie. Bern : Huber, 2014. – ISBN978–3–456–85460–1, 1644

[Wüh14b] Wühr, Peter: Zielreiz. Version: 2014. https://portal.hogrefe.com/dorsch/zielreiz/. In: Dorsch, Friedrich (Hrsg.) ; Wirtz,Markus A. (Hrsg.) ; Strohmer, Janina (Hrsg.): Dorsch Lexikonder Psychologie. Bern : Huber, 2014. – ISBN 978–3–456–85460–1,364

[WW16] Wu, Huiyue ; Wang, Jianmin: A visual attention-based methodto address the midas touch problem existing in gesture-basedinteraction. In: The Visual Computer 32 (2016), Nr. 1, S. 123–136. – ISSN 0178–2789

142

https://portal.hogrefe.com/dorsch/zielreiz/

https://portal.hogrefe.com/dorsch/zielreiz/

Anhang AA.1. Unabhängige Variablen in der CSV

Der Aufbau der CSV Dateien muss einem bestimmten Muster entsprechen,welches an dieser Stelle genauer erläutert wird.

Um die Bearbeitung in Tabellenkalkulationsprogrammen so angenehm wiemöglich zu machen, wird die erste Zeile, die sogenannte Kopfspalte, beimImportieren übersprungen, sodass dort Überschriften platziert werden können.Daraus ergibt sich auch eine Erweiterungsmöglichkeit. Wenn die Importroutinedie erste Zeile für String Vergleiche nutzen würde, dann wäre es möglich, beimImport zu bestimmen, welche Variablen gebraucht werden und ungenutztemüssten nicht mit eingelesen werden.

Das Zeichen, welches für die Trennung der Datenfelder benutzt wird, ist dasSemikolon. Der jetzige Stand der Software erfordert es, dass die Tabelle immerdie gleiche feste Anzahl an Spalten hat. Dies wird auch beim Einlesen überprüft.Die Tabelle braucht 18 Felder, die Reihenfolge ist von Bedeutung.

Nun wird zuerst die richtige Reihenfolge der Variablen dargestellt und anschlie-ßend wird in Abb. A.1 ein Beispiel gezeigt, welches besonders viele Kombinatio-nen enthält und während der Entwicklung der Software zum Testen verwendetwurde. Die Datei ist ebenfalls in ExperimentCSV/example.csv (auch im .xlsxFormat) zugänglich, da sie an dieser Stelle sehr klein dargestellt werden muss.

1. ID

Für die bessere Zuordnung der Ergebnisse bei randomisierter Anzeigerei-henfolge erhält jedes Trial eine ID, die in die Ergebnisdatei geschriebenwird.

2. Input

Kann folgende Werte annehmen: GP3, MOUSE ; geplant sind die Erwei-terung um den Eye Tribe und den SMI Eyetracker

143

A.1. Unabhängige Variablen in der CSV

3. Confirmation Type

Die Art der Bestätigung kann drei Ausprägungen annehmen: SCREEN-BUTTON, GESTURE oder DIRECT, wobei die ersten beiden selbster-klärend sind. Direkte Bestätigung steht dafür, dass die Selektion direktbestätigt ohne einen weiteren Kontrollschritt, welcher für die Bestätigungverantwortlich ist. Daraus folgt, dass die Auswahlmethode einstufig ist.

4. Selection Type

Der Wert DWELL wählt die Verweildauermethode aus, WINK steht fürZwinkern als Selektionstechnik, KEYBOARD spezifiziert eine Eingabeüber die Tastatur, SPEECH wählt die Spracheingabe als Selektionstechnikaus. NONE wird benutzt, wenn es sich um eine bestimmte Anzeigedauerhandeln soll, ohne dass ein User Input nötig ist. Diese letzte Option istnur KOmbinierbar mit dem Confirmation Type DIRECT.

5. Dwell Wink Time (in ms) OR Keyboard OR Displaytime (inms) OR Spreechinput

In dieser Spalte werden die Werte des Selektionstypen näher beschrieben.Displaytime, Dwell und Wink Time werden in ms erfasst, Standardwertelassen sich zum Beispiel bei [Böv14] nachlesen. Anzeigedauern für Szenenohne Selektion (NONE) liegen normalerweise in einer Spanne von Sekun-denbruchteilen im Falle von Hinweisreizen und einigen Sekunden, wennInformationen präsentiert werden sollen. Tasten, die vom System erfasstwerden können, sind SPACE, C und ENTER. Speechinput beschreibt,auf welche Worte das System reagieren soll. Diese Spalte ist bereits ein-gerichtet, wird aber noch nicht genauer durch das System ausgewertet.Vorgesehene Werte sind: AH und CLICK.

6. Gesturetype

Im Falle von Gesten als Bestätigung können folgende Werte eingesetztwerden: POSITION, DIRECTION oder CIRCLE. CIRCLE ist in derSoftware vorgesehen, aber noch nicht implementiert. Im Falle der erstenbeiden Werte POSITION und DIRECTION werden in den nächstenbeiden Feldern genauere Einstellungen vorgenommen. DIRECTION be-schreibt eine Geste, die nach der Selektion ausgeführt wird und bedeutet,dass der Proband in eine von dem selektierten Button aus gesehene Rich-

144


tung schauen muss, um die Selektion zu bestätigen. Bei POSITION wirdeine Position auf dem Screen spezifiziert, die eine Bestätigung auslöst.Hierfür wurde der Bildschirm in neun Segmente aufgeteilt.

7. Gestureadjustment vertical OR Screenbutton height

Vertikale Gestenspezifizierung: TOP, CENTER und BOTTOM. Falls essich bei dem Confirmation Type um den SCREENBUTTON handelt,wird in diesem Feld die Höhe des Buttons eingelesen.

8. Gestureadjustments horizontal OR Screenbutton width

Horizontale Gestenspezifizierung: LEFT, CENTER und RIGHT. Fallses sich bei dem Confirmation Type um den SCREENBUTTON handelt,wird in diesem Feld die Breite des Buttons eingelesen.

9. Feedback

Über dieses Feld kann über die Werte true und false angegeben werden,ob der User Feedback über einen Gazecursor erhalten soll.

10. Layout

Diese Variable hat zum jetzigen Zeitpunkt nur eine mögliche Ausprägung:LINEAR. Da es hierbei aber um eine besonders sinnvolle Erweiterunghandelt, wurde der Import bereits eingebaut. Andere Werte die für Lay-outs vorgesehen sind, sind CIRCULAR, ORGANIZED, MESSY undCORNERS.

11. Target height

In diesem Feld wird die Höhe des Zielreizes definiert.

12. Target width

In diesem Feld wird die Breite des Zielreizes definiert.

13. Number of distractors (active)

Wie viele aktive Distraktoren von dem Programm eingefügt werdensollen wird an dieser Stelle festgelegt. Aktive Distraktoren können vonProbanden geklickt werden, zum Beispiel, wenn das Target zu klein ist,

145


um geklickt zu werden oder sie werden ausgewählt, weil sie stark vomZielreiz ablenken.

14. Active distractor width

In diesem Feld wird die Höhe der aktiven Distraktoren definiert.

15. Active distracor height

In diesem Feld wird die Breite der aktiven Distraktoren definiert.

16. Number of distractors (passive)

Die Anzahl der passiven Distraktoren wird in diesem Feld angepasst.Passive Distraktoren können nicht von dem Probanden geklickt werdenund dienen häufig dazu die visuelle Suche zu erschweren.

17. Passive distractor width

In diesem Feld wird die Höhe der passiven Distraktoren definiert.

18. Passive distracor height

In diesem Feld wird die Breite der passiven Distraktoren definiert.

146


IDIn

put

Conf

irmat

ion

Type

Sele

ctio

n Ty

pe

Dwel

l Win

k Ti

me

(in m

s),

Keyb

oard

, Di

spla

ytim

e (in

m

s)

Gest

uret

ype

Gest

urea

djus

tmen

t ve

rtic

al,

Scre

enbu

tton

hei

ght

Gest

urea

djus

tmen

t ho

rizon

tal,

Scre

enbu

tton

wid

thFe

edba

ckLa

yout

Targ

et

heig

htTa

rget

w

idth

Num

ber o

f di

stra

ctor

s (a

ctiv

e)

Activ

e di

stra

ctor

w

idth

Activ

e di

stra

cor

heig

ht

Num

ber o

f di

stra

ctor

s (p

assiv

e)

Pass

ive

dist

ract

or

wid

th

Pass

ive

dist

raco

r he

ight

1GP

3SC

REEN

BUTT

ON

DWEL

L20

000

5050

true

LIN

EAR

5050

00

00

00

2GP

3SC

REEN

BUTT

ON

DWEL

L20

000

5010

0tr

ueLI

NEA

R50

501

5050

00

03

GP3

SCRE

ENBU

TTO

NDW

ELL

2000

010

010

0tr

ueLI

NEA

R50

500

00

150

504

GP3

SCRE

ENBU

TTO

NDW

ELL

2000

010

050

true

LIN

EAR

5050

150

501

5050

5GP

3SC

REEN

BUTT

ON

KEYB

OAR

DEN

TER

050

50tr

ueLI

NEA

R50

500

00

00

06

GP3

SCRE

ENBU

TTO

NKE

YBO

ARD

SPAC

E0

5010

0tr

ueLI

NEA

R50

501

5050

00

07

GP3

SCRE

ENBU

TTO

NKE

YBO

ARD

ENTE

R0

100

100

true

LIN

EAR

5050

00

01

5050

8GP

3SC

REEN

BUTT

ON

KEYB

OAR

DSP

ACE

010

050

true

LIN

EAR

5050

150

501

5050

9GP

3SC

REEN

BUTT

ON

WIN

K10

000

5050

true

LIN

EAR

5050

00

00

00

10GP

3SC

REEN

BUTT

ON

WIN

K10

000

5010

0tr

ueLI

NEA

R50

501

5050

00

011

GP3

SCRE

ENBU

TTO

NW

INK

1000

010

010

0tr

ueLI

NEA

R50

500

00

150

5012

GP3

SCRE

ENBU

TTO

NW

INK

1000

010

050

true

LIN

EAR

5050

150

501

5050

13GP

3DI

RECT

DWEL

L20

000

00

true

LIN

EAR

5050

00

00

00

14GP

3DI

RECT

DWEL

L20

000

00

true

LIN

EAR

5050

150

500

00

15GP

3DI

RECT

DWEL

L20

000

00

true

LIN

EAR

5050

00

01

5050

16GP

3DI

RECT

DWEL

L20

000

00

true

LIN

EAR

5050

150

501

5050

17GP

3DI

RECT

KEYB

OAR

DEN

TER

00

0tr

ueLI

NEA

R50

500

00

00

018

GP3

DIRE

CTKE

YBO

ARD

SPAC

E0

00

true

LIN

EAR

5050

150

500

00

19GP

3DI

RECT

KEYB

OAR

DEN

TER

00

0tr

ueLI

NEA

R50

500

00

150

5020

GP3

DIRE

CTKE

YBO

ARD

SPAC

E0

00

true

LIN

EAR

5050

150

501

5050

21GP

3DI

RECT

WIN

K10

000

00

true

LIN

EAR

5050

00

00

00

22GP

3DI

RECT

WIN

K10

000

00

true

LIN

EAR

5050

150

500

00

23GP

3DI

RECT

WIN

K10

000

00

true

LIN

EAR

5050

00

01

5050

24GP

3DI

RECT

WIN

K10

000

00

true

LIN

EAR

5050

150

501

5050

25GP

3DI

RECT

NO

NE

3000

00

0tr

ueLI

NEA

R50

500

00

00

026

GP3

DIRE

CTN

ON

E30

000

00

true

LIN

EAR

5050

150

500

00

27GP

3DI

RECT

NO

NE

3000

00

0tr

ueLI

NEA

R50

500

00

150

5028

GP3

DIRE

CTN

ON

E30

000

00

true

LIN

EAR

5050

150

501

5050

29GP

3GE

STU

REDW

ELL

2000

POSI

TIO

NTO

PLE

FTtr

ueLI

NEA

R50

500

00

00

030

GP3

GEST

URE

DWEL

L20

00PO

SITI

ON

CEN

TER

LEFT

true

LIN

EAR

5050

150

500

00

31GP

3GE

STU

REDW

ELL

2000

POSI

TIO

NBO

TTO

MLE

FTtr

ueLI

NEA

R50

500

00

150

5032

GP3

GEST

URE

DWEL

L20

00PO

SITI

ON

TOP

CEN

TER

true

LIN

EAR

5050

150

501

5050

33GP

3GE

STU

REKE

YBO

ARD

ENTE

RPO

SITI

ON

CEN

TER

CEN

TER

true

LIN

EAR

5050

00

00

00

34GP

3GE

STU

REKE

YBO

ARD

SPAC

EPO

SITI

ON

BOTT

OM

CEN

TER

true

LIN

EAR

5050

150

500

00

35GP

3GE

STU

REKE

YBO

ARD

ENTE

RPO

SITI

ON

TOP

BOTT

OM

true

LIN

EAR

5050

00

01

5050

36GP

3GE

STU

REKE

YBO

ARD

SPAC

EPO

SITI

ON

CEN

TER

BOTT

OM

true

LIN

EAR

5050

150

501

5050

37GP

3GE

STU

REW

INK

1000

POSI

TIO

NBO

TTO

MBO

TTO

Mtr

ueLI

NEA

R50

500

00

00

038

GP3

GEST

URE

WIN

K10

00PO

SITI

ON

TOP

LEFT

true

LIN

EAR

5050

150

500

00

39GP

3GE

STU

REW

INK

1000

POSI

TIO

NCE

NTE

RCE

NTE

Rtr

ueLI

NEA

R50

500

00

150

5040

GP3

GEST

URE

WIN

K10

00PO

SITI

ON

BOTT

OM

BOTT

OM

true

LIN

EAR

5050

150

501

5050

41GP

3SC

REEN

BUTT

ON

DWEL

L20

000

5050

false

LIN

EAR

5050

00

00

00

42GP

3SC

REEN

BUTT

ON

DWEL

L20

000

5010

0fa

lseLI

NEA

R50

501

5050

00

043

GP3

SCRE

ENBU

TTO

NDW

ELL

2000

010

010

0fa

lseLI

NEA

R50

500

00

150

5044

GP3

SCRE

ENBU

TTO

NDW

ELL

2000

010

050

false

LIN

EAR

5050

150

501

5050

45GP

3SC

REEN

BUTT

ON

KEYB

OAR

DEN

TER

050

50fa

lseLI

NEA

R50

500

00

00

0

Abbildung A.1.: Beispiel CSV Datei, hierbei handelt es sich um die Testdatei, diewährend der Implementierung genutzt worden ist und die besonders viele Variationenenthält.

147

A.1. Unabhängige Variablen in der CSV46

GP3

SCRE

ENBU

TTO

NKE

YBO

ARD

SPAC

E0

5010

0fa

lseLI

NEA

R50

501

5050

00

047

GP3

SCRE

ENBU

TTO

NKE

YBO

ARD

ENTE

R0

100

100

false

LIN

EAR

5050

00

01

5050

48GP

3SC

REEN

BUTT

ON

KEYB

OAR

DSP

ACE

010

050

false

LIN

EAR

5050

150

501

5050

49GP

3SC

REEN

BUTT

ON

WIN

K10

000

5050

false

LIN

EAR

5050

00

00

00

50GP

3SC

REEN

BUTT

ON

WIN

K10

000

5010

0fa

lseLI

NEA

R50

501

5050

00

051

GP3

SCRE

ENBU

TTO

NW

INK

1000

010

010

0fa

lseLI

NEA

R50

500

00

150

5052

GP3

SCRE

ENBU

TTO

NW

INK

1000

010

050

false

LIN

EAR

5050

150

501

5050

53GP

3DI

RECT

DWEL

L20

000

00

false

LIN

EAR

5050

00

00

00

54GP

3DI

RECT

DWEL

L20

000

00

false

LIN

EAR

5050

150

500

00

55GP

3DI

RECT

DWEL

L20

000

00

false

LIN

EAR

5050

00

01

5050

56GP

3DI

RECT

DWEL

L20

000

00

false

LIN

EAR

5050

150

501

5050

57GP

3DI

RECT

KEYB

OAR

DEN

TER

00

0fa

lseLI

NEA

R50

500

00

00

058

GP3

DIRE

CTKE

YBO

ARD

SPAC

E0

00

false

LIN

EAR

5050

150

500

00

59GP

3DI

RECT

KEYB

OAR

DEN

TER

00

0fa

lseLI

NEA

R50

500

00

150

5060

GP3

DIRE

CTKE

YBO

ARD

SPAC

E0

00

false

LIN

EAR

5050

150

501

5050

61GP

3DI

RECT

WIN

K10

000

00

false

LIN

EAR

5050

00

00

00

62GP

3DI

RECT

WIN

K10

000

00

false

LIN

EAR

5050

150

500

00

63GP

3DI

RECT

WIN

K10

000

00

false

LIN

EAR

5050

00

01

5050

64GP

3DI

RECT

WIN

K10

000

00

false

LIN

EAR

5050

150

501

5050

65GP

3DI

RECT

NO

NE

3000

00

0fa

lseLI

NEA

R50

500

00

00

066

GP3

DIRE

CTN

ON

E30

000

00

false

LIN

EAR

5050

150

500

00

67GP

3DI

RECT

NO

NE

3000

00

0fa

lseLI

NEA

R50

500

00

150

5068

GP3

DIRE

CTN

ON

E30

000

00

false

LIN

EAR

5050

150

501

5050

69GP

3GE

STU

REDW

ELL

2000

POSI

TIO

NTO

PLE

FTfa

lseLI

NEA

R50

500

00

00

070

GP3

GEST

URE

DWEL

L20

00PO

SITI

ON

CEN

TER

LEFT

false

LIN

EAR

5050

150

500

00

71GP

3GE

STU

REDW

ELL

2000

POSI

TIO

NBO

TTO

MLE

FTfa

lseLI

NEA

R50

500

00

150

5072

GP3

GEST

URE

DWEL

L20

00PO

SITI

ON

TOP

CEN

TER

false

LIN

EAR

5050

150

501

5050

73GP

3GE

STU

REKE

YBO

ARD

ENTE

RPO

SITI

ON

CEN

TER

CEN

TER

false

LIN

EAR

5050

00

00

00

74GP

3GE

STU

REKE

YBO

ARD

SPAC

EPO

SITI

ON

BOTT

OM

CEN

TER

false

LIN

EAR

5050

150

500

00

75GP

3GE

STU

REKE

YBO

ARD

ENTE

RPO

SITI

ON

TOP

BOTT

OM

false

LIN

EAR

5050

00

01

5050

76GP

3GE

STU

REKE

YBO

ARD

SPAC

EPO

SITI

ON

CEN

TER

BOTT

OM

false

LIN

EAR

5050

150

501

5050

77GP

3GE

STU

REW

INK

1000

POSI

TIO

NBO

TTO

MBO

TTO

Mfa

lseLI

NEA

R50

500

00

00

078

GP3

GEST

URE

WIN

K10

00PO

SITI

ON

TOP

LEFT

false

LIN

EAR

5050

150

500

00

79GP

3GE

STU

REW

INK

1000

POSI

TIO

NCE

NTE

RCE

NTE

Rfa

lseLI

NEA

R50

500

00

150

5080

GP3

GEST

URE

WIN

K10

00PO

SITI

ON

BOTT

OM

BOTT

OM

false

LIN

EAR

5050

150

501

5050

81GP

3SC

REEN

BUTT

ON

SPEE

CHAh

050

50tr

ueLI

NEA

R50

500

00

00

082

GP3

SCRE

ENBU

TTO

NSP

EECH

Clic

k 0

5010

0tr

ueLI

NEA

R50

501

5050

00

083

GP3

SCRE

ENBU

TTO

NSP

EECH

Ah0

100

100

true

LIN

EAR

5050

00

01

5050

84GP

3SC

REEN

BUTT

ON

SPEE

CHCl

ick

010

050

true

LIN

EAR

5050

150

501

5050

85GP

3GE

STU

RESP

EECH

AhPO

SITI

ON

CEN

TER

CEN

TER

true

LIN

EAR

5050

00

00

00

86GP

3GE

STU

RESP

EECH

Clic

k PO

SITI

ON

BOTT

OM

CEN

TER

true

LIN

EAR

5050

150

500

00

87GP

3GE

STU

RESP

EECH

AhPO

SITI

ON

TOP

BOTT

OM

true

LIN

EAR

5050

00

01

5050

88GP

3GE

STU

RESP

EECH

Clic

k PO

SITI

ON

CEN

TER

BOTT

OM

true

LIN

EAR

5050

150

501

5050

89GP

3DI

RECT

SPEE

CHAh

00

0tr

ueLI

NEA

R50

500

00

00

090

GP3

DIRE

CTSP

EECH

Clic

k 0

00

true

LIN

EAR

5050

150

500

00

91GP

3DI

RECT

SPEE

CHAh

00

0tr

ueLI

NEA

R50

500

00

150

5092

GP3

DIRE

CTSP

EECH

Clic

k 0

00

true

LIN

EAR

5050

150

501

5050

93GP

3SC

REEN

BUTT

ON

SPEE

CHAh

050

50fa

lseLI

NEA

R50

500

00

00

094

GP3

SCRE

ENBU

TTO

NSP

EECH

Clic

k 0

5010

0fa

lseLI

NEA

R50

501

5050

00

095

GP3

SCRE

ENBU

TTO

NSP

EECH

Ah0

100

100

false

LIN

EAR

5050

00

01

5050

Abbildung A.2.: Beispiel CSV Datei, hierbei handelt es sich um die Testdatei, diewährend der Implementierung genutzt worden ist und die besonders viele Variationenenthält.

148


96GP

3SC

REEN

BUTT

ON

SPEE

CHCl

ick

010

050

false

LIN

EAR

5050

150

501

5050

97GP

3GE

STU

RESP

EECH

AhPO

SITI

ON

BOTT

OM

BOTT

OM

false

LIN

EAR

5050

00

00

00

98GP

3GE

STU

RESP

EECH

Clic

k PO

SITI

ON

TOP

LEFT

false

LIN

EAR

5050

150

500

00

99GP

3GE

STU

RESP

EECH

AhPO

SITI

ON

CEN

TER

CEN

TER

false

LIN

EAR

5050

00

01

5050

100

GP3

GEST

URE

SPEE

CHCl

ick

POSI

TIO

NBO

TTO

MBO

TTO

Mfa

lseLI

NEA

R50

501

5050

150

5010

1GP

3DI

RECT

SPEE

CHAh

00

0fa

lseLI

NEA

R50

500

00

00

010

2GP

3DI

RECT

SPEE

CHCl

ick

00

0fa

lseLI

NEA

R50

501

5050

00

010

3GP

3DI

RECT

SPEE

CHAh

00

0fa

lseLI

NEA

R50

500

00

150

5010

4GP

3DI

RECT

SPEE

CHCl

ick

00

0fa

lseLI

NEA

R50

501

5050

150

50

Abbildung A.3.: Ende der Beispiel CSV Datei, die besonders viele Variationenenthält.

149

A.2. Entwurfsskizzen


Während der Planungsphase wurde das Tool “Balsamiq Mockups“1 dazu genutzt,um Konzeptskizzen zu erstellen. Diese Skizzen wurden dazu genutzt, um dasBenutzerinterface auf Bedienung und mögliche Fehler zu untersuchen. Einigedieser Konzeptskizzen werden nun an dieser Stelle vorgestellt, sodass deminteressierten Leser ein Eindruck von dem Planungsprozess vermittelt werdenkann.

Abbildung A.4.: Im Wurzelknoten kann eine Beschreibung des Experimentes ge-speichert und globale Einstellungen vorgenommen werden.

1Siehe: https://balsamiq.com/products/mockups/, letzter Zugriff am 01.10.2016

150

https://balsamiq.com/products/mockups/


Abbildung A.5.: Schleife des ersten Treatments

Abbildung A.6.: Erste Planungen sahen vor eine Tabelle in den Visual StimuliScreens zu definieren.

151

A.3. Messdaten

A.3. Messdaten

Die gemessenen Daten können in zwei Versionen abgespeichert werden, einedokumentierte Version, die dem Leser einen kurzen Überblick über die Unter-suchung geben kann und eine Version bei welcher auf zusätzliche Erklärungenverzichtet wird, da insbesondere die gespeicherten Gazepoints durch Skipteoder andere Programme weiterverarbeitet werden. Bei den in Abb. A.7 undAbb. A.8 gezeigten Bildern handelt es sich um denselben Versuchsdurchlauf,welcher in beiden Darstellungsweisen präsentiert wird.

Abbildung A.7.: Messdaten ohne erläuternde Erklärungen, welche auf das wesent-liche reduziert sind.

152

A.3. Messdaten

Abbildung A.8.: Messdatendatei, welche durch zusätzliche Erläuterungen lesbarerwird.

153

Ehrenwörtliche Erklärung

Hiermit versichere ich, die vorliegende Masterarbeit selbstständig verfasst undkeine anderen als die angegebenen Quellen und Hilfsmittel benutzt zu haben.Alle Stellen, die aus den Quellen entnommen wurden, sind als solche kenntlichgemacht worden. Diese Arbeit hat in gleicher oder ähnlicher Form noch keinerPrüfungsbehörde vorgelegen.

Paderborn, den 21. Oktober 2016

Ort, Datum Unterschrift

Masterarbeit PlanungundImplementierungeines ......Eye-Tracking ist die technische Erfassung von...

Documents

Transcript of Masterarbeit PlanungundImplementierungeines ......Eye-Tracking ist die technische Erfassung von...