Erfahren Sie, wie sich rohe Eye-Tracking-Daten in aussagekräftige Indikatoren für die kognitive Belastung umwandeln lassen, die Aufschluss darüber geben, wie visuelle Aufmerksamkeit und geistige Anstrengung zusammenhängen. Durch die Analyse von Blickbewegungsmustern können Forscher die kognitive Belastung quantifizieren und so ein besseres Verständnis der Benutzererfahrung und der Informationsverarbeitung ermöglichen.

Um ein tieferes Verständnis der grundlegenden Methoden zur Erfassung dieser Rohdaten zu erlangen, laden wir Sie ein, unsere spezielle Informationsseite zum Thema „Eye Tracking – Screen Based“ zu erkunden.

Wie man Eye-Tracking-Signale in aussagekräftige Messgrößen für die mentale Anstrengung umwandelt

Eye-Tracking-Systeme generieren große Datenmengen. Jede Aufzeichnung liefert Ströme von Blickkoordinaten, die hunderte Male pro Sekunde erfasst werden, oft zusammen mit Pupillenmessungen und Zeitstempeln. Für sich genommen beschreiben diese Signale natürlich keine kognitiven Prozesse, sondern lediglich Bewegungen.

Die wissenschaftliche Herausforderung liegt nicht in der Datenerhebung, sondern in der Interpretation. Wie lassen sich rohe Blickdaten zu aussagekräftigen Indikatoren für die kognitive Belastung machen? Wie werden visuelle Verhaltensweisen zu interpretierbaren Indikatoren für die geistige Anstrengung?

Dieser Artikel führt Schritt für Schritt durch diesen Transformationsprozess, von den Rohdaten der Blickverfolgung bis hin zu strukturierten Indizes der kognitiven Belastung, und erläutert die Annahmen, die diesen Indizes ihre Aussagekraft verleihen.

Was rohe Bilddaten darstellen

Im Grunde genommen erfassen Eye-Tracker, wohin der Blick zu einem bestimmten Zeitpunkt gerichtet ist. Jeder Datenpunkt besteht in der Regel aus horizontalen und vertikalen Blickkoordinaten sowie einem Zeitstempel.

Die rohen Blickdaten sind kontinuierlich, verrauscht und in hohem Maße kontextabhängig. Sie spiegeln nicht direkt Aufmerksamkeit, Verständnis oder Anstrengung wider. Zwei identische Blickverläufe können je nach Aufgabenanforderungen, Reizeigenschaften und individuellen Strategien sehr unterschiedliche kognitive Zustände widerspiegeln (Rayner, 1998).

Kognitive Bedeutung existiert nicht auf der Ebene der einzelnen Datenpunkte, sondern entsteht erst, nachdem die Daten strukturiert wurden.

Von Blickproben zu Augenbewegungsereignissen

Der erste wichtige Schritt bei der Datenverarbeitung ist die Segmentierung. Die rohen Blickdaten werden zu funktionalen Augenbewegungsereignissen zusammengefasst, meist zu Fixationen und Sakkaden.

Fixationen sind Phasen, in denen die Augen relativ ruhig bleiben und visuelle Informationen verarbeitet werden können. Sakkaden sind schnelle Bewegungen zwischen den Fixationen, während derer die Aufmerksamkeitsverarbeitung weitgehend unterdrückt wird (Rayner, 2009). Bei Leseaufgaben sind Regressionen rückwärtsgerichtete Sakkaden, die den Blick auf zuvor betrachtetes Material zurückführen.

Dieser Segmentierungsschritt ist von Bedeutung, da alle übergeordneten Interpretationen davon abhängen, wie Ereignisse definiert werden. Verschiedene Algorithmen zur Erkennung von Blickfixationen können aus denselben Rohdaten unterschiedliche Zahlen und Dauer der Blickfixationen ergeben. Diese Unterschiede wirken sich unmittelbar auf nachfolgende Metriken und Schlussfolgerungen aus (Holmqvist et al., 2011).

Metriken auf Ereignisebene als Indikatoren für den Verarbeitungsaufwand

Sobald die Blickdaten in Ereignisse unterteilt sind, können Forscher quantitative Kennzahlen ableiten. Diese Kennzahlen werden häufig als mögliche Indikatoren für die kognitive Belastung herangezogen, insbesondere bei Lese- und visuellen Verarbeitungsaufgaben.

Fixationsbasierte Metriken

Längere Fixationsdauern werden häufig mit einem erhöhten Verarbeitungsaufwand in Verbindung gebracht (Andreou & Gkantaki, 2024). Eine hohe Variabilität der Fixationsdauer kann auf eine instabile oder unterbrochene Verarbeitung hindeuten. Die Anzahl der Fixationen in bestimmten Regionen von Interesse zeigt, wie oft Informationen erneut betrachtet werden müssen.

Auf Sakkaden basierende Messgrößen

Bei höheren kognitiven Anforderungen lassen sich häufig kürzere Sakkadenamplituden und erhöhte Regressionsraten beobachten, was auf Unsicherheit bei der Worterkennung und eine erhöhte kognitive Belastung hindeutet. Neuere Eye-Tracking-Studien zeigen, dass flüssiges Lesen durch längere, besser vorhersehbare Sakkaden gekennzeichnet ist, während kognitiv anspruchsvolles Lesen zu eingeschränkteren und weniger effizienten Augenbewegungsmustern führt (Toki, 2024).

Zeitliche Muster

Kognitive Belastung äußert sich oft nicht in einer gleichmäßigen Verlangsamung, sondern in Unregelmäßigkeiten. Plötzliche Pausen, wiederholte Rückblenden und unterbrochene Blickverläufe können allesamt auf Momente erhöhter geistiger Anstrengung hindeuten (Hyönä et al., 2002).

Zum gegenwärtigen Zeitpunkt haben diese Kennzahlen lediglich beschreibenden Charakter. Sie weisen zwar auf Verhaltensmuster hin, stellen jedoch noch keine Indikatoren für die kognitive Belastung dar.

Die Pupillometrie als ergänzendes Signal

Neben der Blickposition erfassen viele Eye-Tracker auch die Pupillengröße. Die durch eine Aufgabe hervorgerufene Pupillenerweiterung ist ein allgemein anerkanntes physiologisches Korrelat für geistige Anstrengung (Beatty, 1982; Kahneman, 1973).

Im Gegensatz zur Blickrichtung sind Pupillenreaktionen nicht räumlich bedingt. Sie spiegeln Veränderungen der Erregung und der Ressourcenverteilung im Zeitverlauf wider. Wenn die Anforderungen einer Aufgabe steigen, vergrößert sich oft die Pupillengröße, selbst wenn die visuelle Reize konstant bleiben.

Pupillendaten erfordern eine sorgfältige Kontrolle. Lichtverhältnisse, Bildschirmhelligkeit, Ermüdung und emotionale Reaktionen beeinflussen die Pupillengröße. Auch demografische Faktoren spielen eine Rolle: Jüngere Kinder und ältere Erwachsene weisen oft unterschiedliche Grunddynamiken der Pupillen und Reaktionsbereiche auf. Bei klinischen Populationen können die Pupillenreaktionen atypisch oder beeinträchtigt sein, was sich direkt auf die Interpretierbarkeit auswirkt.

Die Wahl der Versuchsanordnung, einschließlich des Kontrasts zwischen Text und Hintergrund sowie der Kontraständerungen zwischen den Reizen, beeinflusst die Pupillenreaktionen zusätzlich. Aus diesen Gründen werden Pupillenmessungen in der Regel um den Ausgangswert korrigiert und im Verhältnis zu den Ereignissen der Aufgabe interpretiert, anstatt als absolute Werte betrachtet zu werden (Beatty & Lucero-Wagoner, 2000).

Die Pupillengröße gibt nicht direkt Aufschluss über den Schwierigkeitsgrad einer Aufgabe. Sie spiegelt vielmehr wider, wie viel kognitiver Aufwand in einem bestimmten Moment aufgewendet wird.

Von Metriken zu Indizes: Die Entwicklung von Messgrößen für die kognitive Belastung

Ein Index für die kognitive Belastung ist kein einzelner Messwert. Es handelt sich um eine strukturierte Kombination mehrerer Kennzahlen, die auf theoretisch fundierte Weise aggregiert und normiert werden.

Dieser Prozess umfasst in der Regel mehrere Schritte:

Basislinienkorrektur zur Berücksichtigung individueller Unterschiede
Normalisierung über alle Teilnehmer oder Bedingungen hinweg
Aggregation über Zeitfenster oder Bereiche von Interesse
Gewichtung von Kennzahlen anhand der Relevanz für die jeweilige Aufgabe

Ein Index für die kognitive Belastung beim Lesen könnte beispielsweise die Fixationsdauer, die Regressionshäufigkeit und die Pupillenerweiterung in sprachlich komplexen Textabschnitten kombinieren (Sweller et al., 1998; Paas et al., 2003).

Indizes für die kognitive Belastung werden konstruiert, nicht entdeckt. Ihre Validität hängt von transparenten Annahmen und einer sorgfältigen Abstimmung auf die Anforderungen der Aufgabe ab.

Die Rolle von Aufgabe, Reiz und individuellen Unterschieden

Eye-Tracking-Kennzahlen haben keine festgelegten Bedeutungen. Dieselbe Fixationsdauer kann bei einer Aufgabe auf tiefes Verständnis hindeuten, bei einer anderen hingegen auf Verwirrung.

Die Aufgabenstellung ist entscheidend. Stilles Lesen, lautes Lesen und visuelles Suchen stellen unterschiedliche Anforderungen an das visuelle und das kognitive System. Auch die Gestaltung der Reize spielt eine zentrale Rolle. Worthäufigkeit, Schriftart, Zeichenabstand und Layout beeinflussen das Blickbewegungsverhalten (Rayner, 2009).

Individuelle Unterschiede erschweren die Interpretation zusätzlich. Erfahrene Leser, Leseanfänger und Leser mit Legasthenie können unterschiedliche Augenbewegungsmuster aufweisen, selbst wenn ihre Leseverständnisergebnisse ähnlich sind. Diese Unterschiede spiegeln oft eher Kompensationsstrategien als Defizite wider (Hyönä et al., 2002).

Die kognitive Belastung ist relational. Sie besteht nur im Zusammenhang mit einer Aufgabe, einem Reiz und einem Teilnehmer.

Was Indizes zur kognitiven Belastung aussagen können und was nicht

Bei korrekter Konstruktion können okulometrische Indizes der kognitiven Belastung relative Veränderungen der geistigen Anstrengung über verschiedene Bedingungen, Versuchsdesigns oder Aufgabenphasen hinweg aufzeigen. Sie eignen sich besonders gut dazu, Anstrengungen zu erfassen, die sich nicht allein in Leistungsmaßen widerspiegeln.

Diese Indizes dienen jedoch nicht zur Beurteilung kognitiver Fähigkeiten, der Intelligenz oder klinischer Zustände. Sie erklären nicht, warum es zu einer Belastung kommt. Sie beschreiben vielmehr, wie sich das visuelle Verhalten verändert, wenn die Anforderungen einer Aufgabe steigen (Paas et al., 2003).

Bei sorgfältiger Anwendung tragen Indizes zur kognitiven Belastung zu einer tieferen Erklärung bei. Bei unbedachter Anwendung laden sie jedoch zu Überinterpretationen ein.

Warum dieser Wandel wichtig ist

Die Umwandlung von rohen Blickdaten in Indizes für die kognitive Belastung ist eine der Möglichkeiten, durch die Eye-Tracking über die Messung der visuellen Aufmerksamkeit hinaus wissenschaftlich nutzbar wird. Sie ermöglicht es Forschern, von beschreibenden Blickverläufen zu strukturierten, vergleichbaren Messgrößen für die geistige Anstrengung überzugehen.

Diese Umwandlung findet Anwendung in den Bereichen Leseforschung, Bildung, barrierefreies Design, Mensch-Computer-Interaktion und Ergonomie. In allen Fällen ist das Ziel dasselbe: unsichtbare kognitive Anstrengungen messbar zu machen, ohne sich allein auf Selbstauskünfte zu verlassen.

Erfahren Sie mehr über die kognitive Belastung:

Artikel: Kognitive Arbeitsbelastung verstehen: Was ist das und wie wirkt sie sich auf uns aus?

Artikel: Untersuchung der geistigen Belastung mit iMotions

Produkt: Softwarelösung zur Messung der kognitiven Belastung

Literaturverzeichnis

Beatty, J. (1982). Durch Aufgaben ausgelöste Pupillenreaktionen, Verarbeitungsbelastung und die Struktur der Verarbeitungsressourcen. Psychological Bulletin, 91(2), 276–292.
Beatty, J., & Lucero-Wagoner, B. (2000). Das Pupillensystem. In J. T. Cacioppo et al. (Hrsg.), Handbuch der Psychophysiologie.
Holmqvist, K., Nyström, M., Andersson, R., Dewhurst, R., Jarodzka, H. & van de Weijer, J. (2011). Eye Tracking: Ein umfassender Leitfaden zu Methoden und Messverfahren. Oxford University Press.
Hyönä, J., Lorch, R. F. & Kaakinen, J. K. (2002). Individuelle Unterschiede beim Lesen zur Zusammenfassung von Sachtexten. Journal of Educational Psychology, 94(1), 44–55.
Andreou, G., & Gkantaki, M. (2024). Die Verfolgung der Augenbewegungen von Erwachsenen zur Untersuchung des Textverständnisses: Ein Übersichtsartikel. Languages, 9(12), 360. https://doi.org/10.3390/languages9120360
Kahneman, D. (1973). Aufmerksamkeit und Anstrengung. Prentice-Hall.
Paas, F., Tuovinen, J. E., Tabbers, H. & Van Gerven, P. W. M. (2003). Die Messung der kognitiven Belastung als Mittel zur Weiterentwicklung der Theorie der kognitiven Belastung. Educational Psychologist, 38(1), 63–71.
Toki, E. I. (2024). Einsatz von Eye-Tracking zur Beurteilung von Legasthenie: Eine systematische Übersicht über neue Erkenntnisse. Education Sciences, 14(11), 1256. https://doi.org/10.3390/educsci14111256
Rayner, K. (2009). Augenbewegungen und Aufmerksamkeit beim Lesen, bei der Wahrnehmung von Szenen und bei der visuellen Suche. Quarterly Journal of Experimental Psychology, 62(8), 1457–1506.
Sweller, J., Ayres, P. & Kalyuga, S. (1998). Die Theorie der kognitiven Belastung. Springer.