Ajankohtaista

Väitös: 1.6.2017: Silmänliiketutkimus paljastaa miten taidemaalauksia katsellaan (Ylitalo)

Alkamisaika: torstai 01. kesäkuuta 2017, 12.00

Päättymisaika: torstai 01. kesäkuuta 2017, 15.00

Paikka: Seminaarinmäki, Seminarium S212

kuva_Ylitalo_nettisivu.JPG
Anna-Kaisa Ylitalo
FM Anna-Kaisa Ylitalon tilastotieteen väitöskirjan ”Statistical inference for eye movement sequences using spatial and spatio-temporal point processes” tarkastustilaisuus. Vastaväittäjänä professori Peter J. Diggle (Lancaster University) ja kustoksena akatemiatutkija Matti Vihola (Jyväskylän yliopisto). Väitöstilaisuus on englanniksi.

Anna-Kaisa Ylitalon väitöstutkimuksessa tarkasteltiin taidemaalauksia katselevien koehenkilöiden katsepolkuja. Erityistä huomiota kiinnitettiin siihen, tapahtuuko katseluprosessissa muutoksia silmänliikkeiden tasolla, ja onko koehenkilön asiantuntijuudella vaikutusta siihen, miten hän maalauksia katsoo.

Katseltavana oleva maalaus vaikutti enemmän noviisien kuin kokeneempien taideharrastajien katseluprosessiin, kuten esimerkiksi siihen, kuinka pitkiä katseen pysähdyksiä tehtiin. Myös asiantuntijuus vaikutti katseen pysähdyksen pituuteen ja siihen, kuinka laajasti katse vaelteli tarkastelun aikana.

– Yksittäisen henkilön katseluprosessia tutkittaessa puolestaan havaittiin, että katseella on tapana palata alueelle, jossa se on jo aiemmin käynyt, Ylitalo kertoo.

Tutkimuksessa kehitettiin uusia tapoja silmänliikeaineistojen informaation tiivistämiseen ja piirteiden erotteluun spatiaalisen tilastotieteen ja mallinnuksen avulla. Taidemaalausten tarkastelua koskevien tutkimustulosten lisäksi tutkimuksen tuloksena syntyi pisteprosessimalleja, joita kehitettiin sekä ryhmä- että yksilötason silmänliikeaineistojen piirteiden tutkimiseen.

 – Silmänliikeaineistojen lisäksi näitä pisteprosessimalleja voidaan hyödyntää myös esimerkiksi eläinten liikkumisesta syntyvien seuranta-aineistojen analysoinnissa, Ylitalo kertoo.

Katseenseurannalla (eye tracking) kerätään tietoa katseen kulusta silmänliikekameran avulla. Kamera tallentaa tietoa katseen pysähdyksistä eli fiksaatioista, joiden ajatellaan ilmentävän tarkkaavaisuuden kohdistumista.

Ylitalon tutkimuksessa kehitettiin silmänliikeaineistojen analysointia varten uusia tilastollisia menetelmiä ja työkaluja, jotka ottavat huomioon myös silmänliikkeiden ajassa tapahtuvat muutokset.

– Silmänliikeaineistojen analysoinnissa on tyypillisesti käytetty yksinkertaisia tilastollisia menetelmiä, joita varten aineiston sisältämää informaatiota on jouduttu tiivistämään. Samalla on kadotettu katsepolun prosessimainen luonne, joka kuvaa sen ajallista kehitystä, Ylitalo arvioi.

Silmänliikkeen fiksaatiosta tiedetään sen syntymähetki, kesto sekä sijainti. Tällöin fiksaatioiden voidaan ajatella olevan spatio-temporaalisen pisteprosessin tuottamia tapahtumia.

– Spatio-temporaalisilla pisteprosesseilla voidaan mallintaa tapahtumia, joilla on ajallinen järjestys sekä paikka tai sijainti. Niitä voidaan siis hyödyntää myös katsepolkujen tutkimiseen, Ylitalo kertoo.

Lisätietoja

Anna-Kaisa Ylitalo,  anna-kaisa.ylitalo@jyu.fi, 040 8053119
Viestintäharjoittelija Anni Laine, anni.l.k.laine@jyu.fi, 050 4965141

Anna-Kaisa Ylitalo kirjoitti ylioppilaaksi Kannuksen lukiosta vuonna 2003 ja valmistui filosofian maisteriksi Jyväskylän yliopistosta vuonna 2010. Tämän jälkeen hän on työskennellyt tohtorikoulutettavana matematiikan ja tilastotieteen laitoksella COMAS ja FDPSS-tutkijakoulujen tukemana. Elokuusta 2015 lähtien Ylitalo on työskennellyt projektitutkijana musiikin, taiteen ja kulttuurintutkimuksen laitoksella Suomen Akatemian rahoittamassa konsortiohankkeessa Nuotinluku: Silmänliikkeet ja asiantuntijuuden kehittyminen.

Väitöskirja on julkaistu sarjassa University of Jyväskylä, Department of Mathematics and Statistics, Report 160, Jyväskylä 2017, ISSN 1457-8905, ISBN 978-951-39-7063-5 (nid.), ISBN 978-951-39-7064-2 (pdf). Luettavissa JYX-arkistossa: http://urn.fi/URN:ISBN:978-951-39-7064-2

Abstract

Eye tracking is a widely used method for recording eye movements, which are important indicators of ongoing cognitive processes during the viewing of a target stimulus. Despite the variety of applications, the analyses of eye movement data have been lacking of methods that could take both the spatial and temporal information into account. So far, most of the analyses are based on strongly aggregated measures, because eye movement data are considered to be complex due to their richness and large variation between and within the individuals. Therefore, the eye movement methodology needs new statistical tools in order to take full advantage of the data. 

This dissertation is among the first studies to employ point process statistics for eye movement data in order to understand its spatial nature together with the temporal dynamics. Here, we consider eye movements as a realisation of a spatio-temporal point process. The emphasis is in statistical inference on eye movements using existing point process statistics along with the new methods and models introduced in this work. Our aim is to get understanding of eye movements as a temporally evolving process in space. This objective is achieved in four steps: First, we apply the second-order characteristics of point processes to describe features of the process. Second, we develop new functional summary statistics in order to evaluate the temporal nature of the eye movements. Third, we use likelihood-based modelling to assess the uncertainty related to these data summaries. Fourth, the developed models are used both for group comparisons and for distinguishing components in an eye movement sequence. 

The empirical results of this dissertation give new information on visual processing of paintings. We find evidence that the viewing process of one subject changes during the inspection of the painting being an indication of learning. The behaviour of this learning effect, however, varies between the individuals. We also study differences between novices and non-novices in art viewing by comparing where they look at and for how long the gaze typically stops. The latter distinguishes the two groups, whereas the former reveals minor differences that are not statistically significant. Altogether, we hope that our results encourage researchers to pay more attention to temporal dynamics in eye movement data, as well as to the inevitable variation in the individual level.

The spatio-temporal analysis of eye movements presented here is novel and covers a wide range of methods from functional summary statistics to the likelihood-based modelling. The methods and tools presented are applicable to other eye movement data collected in a free-viewing condition, but we believe that the developed models, being rather simple but flexible, could also be useful for the analysis of spatio-temporal sequences outside the field.

Lisätietoja

Anna-Kaisa Ylitalo
anna-kaisa.ylitalo@jyu.fi
+358408053119
kuuluu seuraaviin kategorioihin: ,