This study aims to investigate the information that can be collected about counting strategies when tracking a person’s eye-movements when he/she is doing a mental calculation on a given expression. Eye-tracking is based on the study of what a person look at and the eye-movements between fixations. This study relies on the eye-mind hypothesis which claims that there is a connection between eye movements and the cognitive processes. The result is based on data from two participants and three tasks. The tasks consisted of mathematical expressions with addition and subtraction that the participants solved with mental arithmetic. The data from eye-movements is of such quality that it is possible to see indications on which counting strategies the participants are using and the results are in-line with previous research. The data also show which number the participant focus most on and how they begin to solve the task. On one task both participant gave an incorrect answer and the eye-movement showed where the participants made a mistake. Using this sort of eye-tracking investigation has both its limitations and its possibilities. / Syftet med arbetet är att undersöka vilken information som går att få fram om en persons räknestrategier med eye-tracking som metod. Eye-tracking innebär att en persons ögonrörelser studeras utifrån fixeringar vad någon fokuserar blicken på och sackader förflyttningarna mellan det personen fixerar på. Studien utgår från the eye-mind hypothesis som innebär att det finns ett samband mellan vad någon tittar på och vad den tänker på. Resultatet i det här arbetet baseras på datainsamling från två deltagare som löser tre uppgifter. Uppgifterna innehåller matematiska uttryck med addition och subtraktion som deltagaren ska lösa med huvudräkning. Under tiden deltagaren löste uppgiften registrerades personens ögonrörelser. Data från ögonrörelserna är av sådan kvalitet att det går att se indikationer på vilka räknestrategier deltagarna använder. Resultatet stämmer väl överens med data från tidigare studier. Dessutom visar data vilket tal deltagaren fokuserar sin blick på mest och hur deltagaren väljer att börja lösa uppgiften. På en uppgift gjorde båda deltagarna fel och ögonrörelserna kunde då visa var felräkningen uppstod. Metoden att mäta ögonrörelser diskuteras också utifrån dess möjligheter och begränsningar. Slutsatsen av studien är att eye-tracking kan ge värdefull information och kan bidra till förståelse för olika personers sätt att utföra beräkningar.

Syftet med denna studie är att undersöka vilken information om matematiska strategier som går att urskilja ur en persons ögonrörelser vid en undersökning med en enklare typ av eye-tracker. Eye-tracking är en metod som gör det möjligt att studera människors ögonrörelser genom att följa den visuella uppmärksamheten utifrån vart en person tittar. I studien används en stationär eye-tracker för att kunna mäta ögonrörelserna. I den här studien har eye-tracking-undersökningar genomförts med två deltagare som tittar på och löser matematiska uppgifter som kräver prioritering. Den här studien använder en billig (kostar cirka 1000 SEK) kommersiell eye-tracker med ett egentillverkat datainsamlingsprogram. Resultatet av studien visade att det gick att utläsa information och baserat på det gick det att tolka att deltagarna verkligen använde sig av prioriteringsreglerna vid uppgifterna. / The aim of this study is to investigate what information can be gathered by studying a person’s eye movements with a simpler kind of eye-tracker device. Eye-tracking is a technique that allows studying eye movements. In this study a stationary eye-tracking device was used to study and measure eye movements. This study is an original eyetracking study, consisting of two participants who solved mathematical problems that require the use of order of operations whilst wearing an eye-tracker device. The device was a relatively cheap (cost around 1000 SEK) commercial eye-tracker with a home-made data acquisition software system. The result of the study is that it is indeed possible to collect and interpret information using an eye-tracker. Based on the results the conclusion can be made that the participants used the order of operations to solve the assignments.

Dyslexi innebär bestående ordavkodningssvårigheter som anses vara orsakade av nedsättning i fonologiska färdigheter. Till följd av dessa svårigheter har individer med dyslexi ett annorlunda ögonrörelsemönster vid läsning. Individer med dyslexi kan många gånger övervinna sina svårigheter och lyckas i den akademiska världen. Studiens övergipande syfte var att genom en multipel fallstudie undersöka ordavkodning och ögonrörelser hos fem universitetsstudenter med dyslexi. Ögonrörelserna mättes med en dator specialiserad för detta ändamål. En kontrollgrupp av normalläsare (n=20) fördes samman för jämförelse. I föreliggande studie var användning av ordavkodningstest och mätning av ögonrörelser den metodologiska inriktningen. Resultaten visar att alla de fem studenterna med dyslexi har nedsatt ordavkodning och till stor del ett annorlunda ögonrörelsemönster som varierade något dem emellan. De kvalitativa illustrationerna av ögonrörelserna var svårtolkade i jämförelse med de kvantitativa resultaten på testen, dock anses dessa och bakgrundsinformation ge en fördjupad bild av hur en person verkligen läser. Eye tracking- metoden visade sig vara användbar men för ett större forskningsprojekt skulle det krävas att vissa korrigeringar genomfördes. / Dyslexia can be defined as permanent word decoding deficits caused by difficulties with phonological skills. An abnormal eye movement pattern while reading among individuals with dyslexia is a consequence of these difficulties. Many times these individuals overcome their dyslectic difficulties and succeed in the academic world. The purpose of the present study was to investigate five university students with dyslexia through a multiple case study. Word decoding skills and eye movements were measured, and a control group (n=20) was put together for comparison. In the present study, word decoding skills were measured through tests and eye movements were measured by a computer specialized for this purpose. The results showed that the five students have word decoding difficulties and abnormal eye movement patterns which varied to some extent between the five students. In comparison to the quantitative results from the tests the qualitative illustrations of the eye movements were hard to interpret. Although there were difficulties with interpretation, the illustrations and the background information hold significance to understand how a person reads. The eye tracking method in the present study can be useful; however, if more extensive research were to be conducted some modifications would be of importance.

Online conversations via video have nowadays partially replaced face to face contact, and there are some challenges that occur in video conversations, e.g., time delay and the placement of the camera which leads to eliminating the possibility for direct eye contact, and time delay. There are experiences that these conditions disturb the social connection with the other, which does not mainly affect problem solving effectiveness, but something relational seems to alter. This study investigated if eye-movement can used to measure social connectedness during video conversation. In order to study this, two custom made units (“NUNAs”) with robotized cameras were built, which e.g. allow for unprocessed eye contact. A feasibility pilot was conducted, which data this report is based on. The experimental conditions were 1, available eye contact, 2, skewed visuality and 3, time delayed signal. The participants (n = 12) took part pairwise, they were familiar with online conversation and did not self report autism spectrum disorder. They were instructed to talk naturally and unprobed through video using the NUNA’s for 30-50 minutes, and the three conditions were changing every 4 minutes. Eye movement behavior within the three conditions was compared, such as the duration of the visit in the eyes area. None of the results showed a significant difference. Factors that might lead to these results, such as limited sample size, are discussed. Eye movement in relational processes may be needed to be studied on a dyadic level, and not on individual. / Onlinekonversationer via video har numera delvis ersatt kommunikation ansikte mot ansikte. Det finns dock vissa utmaningar som uppstår vid videosamtal, exempelvis placeringen av kameran som leder till ett omöjliggörande av ögonkontakt, och tidsfördröjning. Det finns erfarenheter av att dessa förhållanden stör känslan av samhörighet till den andre, vilket inte påverkar problemlösningens effektivitet nämnvärt, istället är det de relationella aspekterna som förändras. Denna studie undersökte om ögonrörelser kan användas för att mäta social anknytning under videokonversation. För att studera detta byggdes två specialtillverkade enheter (”NUNA”) med robotiserade kameror, som t.ex. tillåter obearbetad ögonkontakt. En pilotstudie genomfördes och data ifrån studien har legat till grund för denna rapport. Experimentförhållandena var 1, tillgänglig ögonkontakt, 2, skev visualitet och 3, fördröjd signal. Deltagarna (n = 12) deltog parvis, de var bekanta med onlinekonversationer och rapporterade själva att de inte var inom autism spekrat. De instruerades att prata naturligt genom video med hjälp av NUNA i 30-50 minuter, och de tre förhållandena ändrades var 4:e minut. Ögonrörelsebeteenden inom de tre tillstånden jämfördes, såsom längden på besöket i ögonområdet. Inget av resultaten visade någon signifikant skillnad. Faktorer som kan leda till dessa resultat, såsom begränsad urvalsstorlek samt att ögonrörelser i relationella processer kan behöva studeras på dyadisk nivå, och inte på individnivå, diskuteras.

The growing numbers of people suffering from Alzheimer’s and other dementia related diseases are expected to accelerate, and the cost for these diseases in Swedish healthcare is high. There are many ongoing research projects in the dementia diagnostics field which aim to detect cognitive impairment at an earlier stage, which would result in reduced costs in healthcare and improved life quality for sufferers. This work aims to investigate if it is possible to classify cognitive impairment based on a person’s eye movements. More specifically, it will explore the possibility of automating an established picture description task that is widely used in traditional dementia diagnostics. In order to do this, eye tracking data was collected during numerous conductions of this task. The eye tracking data was then parsed in to eye movement features and Binary Logistic Regression was used to classify these eye movements. The results showed that the average accuracy of the classification reached 73%. The results did not confirm that eye tracking technique can be used to automate neuropsychological test with an accuracy high enough, but to use a machine learning approach for detecting deviances in eye movement patterns appears to be a promising approach. Furthermore, this work analyzes the possibilities for practically implementing eye tracking techniques in Swedish healthcare in order to detect cognitive impairment at an earlier stage. Provided that an eye tracker can detect cognitive impairment with an accuracy equal to or higher than a medical professional can maintain, the study argues that automated neuropsychological tests at health clinics could be the key to detect cognitive impairment at an earlier stage. / Antalet personer som lider av alzeimers och andra demensrelaterade sjukdomar förväntar att öka med accelerande fart och kostnaden for dessa sjukdomar för svensk sjukvård är hög. Det finns idag många pågående forskningsprojekt inom demensdiagnostik där man analyserar personers ögonrörelser för att kunna detektera kognitiva svårighetet i tidigt stadie. Forskningen görs för att minska på kostnaden och öka livskvaliten för de som insjuknar. Detta arbete syftar till att undersöka om det går att använda maskininlärning för att klassificera kognitiv svårighet baserat på en persons ögonrörelser. Mer konkret vill man undersöka om en automatisering av en etablerad bildbeskrivningsuppgift, som idag används flitigt inom demensdiagnotistik. Det har äarför samlats in data som representerar personers ögonrörelser under tider de utför olika demenstester. Med hjälp av datan har man sedan tagit fram olika synfunktioner och använt binär och logistisk regression för att klassifisera dessa ögonrörelser. Det genomsnittliga resultatet visade att modellen klassificerade rätt i 73% av fallen. Detta resultat kan inte bekräfta att denna teknik kan användas för att automatisera neuropsykologiskt tester med tillräckligt hög noggrannhet. Daremot ser det lovande ut att kunna ända maskininlärning för att detektera avvikelser i ögonrörelser, hos personer som lider av kognitiva svårigheter. Vidare analyseras också möjligheten att praktiskt implementera tekniken där man analysera ögonrörelser i svensk sjukvård. Resultatet visar att om det är m jligt att utforma en modell som diagnotiserar bättre än vad en professionell läkare gör, så går det att argumentera for att automatiska, neuropsykiska tester skulle kunna vara en nyckel för att detektera kognitiva svårigheter i tidigt stadie.