Sie sind hier

BMBF Projekt: GazeMining

Aufnahme, Analyse und Interpretation von Eyetracking- und Interaktionsdaten auf dynamischen Webinhalten. Weltweit werden etwa eine Milliarde Webseiten betrieben, die spezifische Zielgruppen ansprechen möchten und dabei unter Konkurrenzdruck stehen. Eine gute Usability, also einfache Verständlichkeit und intuitive Bedienung ist elementar, um Informationen oder Waren für Besucher zugänglich zu machen.

Das Thema ist nicht nur im Marketing und E-Commerce-Bereich von großer Bedeutung. Durch zunehmende Online-Angebote von Ämtern und Behörden ist Usability auch ein Gesellschaftsthema, da auch nicht-internetaffine Zielgruppen die Benutzung ermöglicht werden muss.

Die Analyse von Eyetracking-Daten, also dem Blickverhalten von Nutzern, wird zusammen mit der Analyse von Interaktionsdaten (Klicks, Mausbewegungen, Tippen auf der Tastatur, Scrollen, Berührungen auf einem Touchscreen), als aussagekräftiges Werkzeug eingesetzt, um Benutzerintuition zu verstehen und Verbesserungspotenzial in Usability-Studien zu erkennen. Das Ziel des Forschungsvorhabens GazeMining ist es, Websessions semantisch zu erfassen und damit ein vollumfängliches Bild von visuellem Inhalt, Wahrnehmung und Interaktion zu erlangen. Die Log Streams von diesen Usability-Tests werden mithilfe von Data Mining ausgewertet.  
 
Die Analyse und Interpretierbarkeit der erhobenen Daten wird durch (semi-) automatische Analyseverfahren und eine benutzerfreundliche Darstellung ermöglicht. Herausforderungen liegen hier besonders in der Erfassung und der Analyse hochdynamischer Webseiteninhalte und einer Vielzahl von eingesetzten Webtechnologien und Endgeräten. Um eine weitere Verbreitung der Usability-Analysen zu ermöglichen, soll auch Nicht-Experten der Weg zur Analyse der erkenntnisreichen Eyetracking- und Interaktionsdaten geebnet werden. Usability-Beauftragte assozierte Partner werden das Projekt inhaltlich begleiten und in die Entwicklung des Systems und die Evaluation einbezogen. Das Marktpotenzial von GazeMining ist sehr groß, da sowohl der Onlinemarkt als auch das Bewusstsein für Usability und nutzerzentrierte Entwicklungsprozesse stetig wachsen.

Publikationen

Im Beitrag "Enhanced Representation of Web Pages for Usability Analysis with Eye Tracking" schlagen wir eine Methode vor, die feste Elemente auf Webseiten identifiziert und Screenshots der Webseite zu einer verbesserten Darstellung der Seite kombiniert. Die Methode wird im folgenden Video vorgestellt:

Laufzeit

  • Januar 2018 - Juni 2020

Projektpartner

Projektseite

Raphael Menges

B 104
+49 261 287-2862
raphaelmenges@uni-koblenz.de

Dr. Chandan Kumar

B 113
+49 261 287-2767
kumar@uni-koblenz.de

More information: http://chandankumar.net/

Prof. Dr. Steffen Staab

B 108
+49 261 287-2761
staab@uni-koblenz.de

Kurzlebenslauf

Ich habe Informatik und Computerlinguistik an der Universität Erlangen-Nürnberg und an der University of Pennsylvania studiert. Ich habe in der früheren Computerlinguistik-Forschungsgruppe an der Universität Freiburg gearbeitet und meinen Dr. rer. nat. in Informatik an der Technischen Fakultät (damals: Fakultät für angewandte Wissenschaften) 1998 erworben. Danach war ich an der Universität Stuttgart, am Institut IAT, und bei Fraunhofer IAO tätig, bevor ich zur Universität Karlsruhe (jetzt: KIT) wechselte, wo ich als Projektleiter, wissenschaftlicher Assistent und Oberassistent arbeitete. 2004 wurde ich zum Professor für Datenbanken und Informationssystem an der Universität Koblenz-Landau ernannt, wo ich 2009 das Institute for Web Science and Technologies (WeST) gründete. Seit März 2015 halte ich außerdem einen Chair for Web and Computer Science an der University of Southampton.

Forschungsinteressen

Auf dem Rechner beschreiben Daten die Welt. Die Welt ist spannend, aber Daten sind ganz schön langweilig, wenn man nicht weiß, was sie bedeuten. Ich interessiere mich dafür, wie Daten spannend werden, indem man ihre Bedeutung versteht.

Wie aber kommt Bedeutung zustande? 

  • Man kann die Bedeutung von Daten und Informationen modellieren. Begriffliche Modelle und Ontologien sind die Grundlage für Wissensnetze, die dem Rechner erlauben bedeutungsvoll mit Daten umzugehen.
  • Text und Data Mining sowie Informationsextraktion finden bedeutungstragende Muster in Daten (z.B. mittels Ontology Learning oder Text Clustering) und auch Zusammenhänge zwischen Daten und ihrer Verwendung im Kontext (z.B. mit Smartphones). So werden Wissensnetze in Daten gefunden.
  • Menschen kommunizieren Informationen. Um zu verstehen, was Daten und Informationen bedeuten, muss man soziale Interaktionen verstehen. Im Kontext von sozialen Netzwerken werden Wissensnetze bedeutungsvoll für Menschen.
  • Bedeutung ist nichts absolut Gesetztes. Letzten Endes muss die Bedeutung von Daten und Informationen wieder an den Menschen kommuniziert werden, der diese Daten und Informationen nutzt. Interaktion zwischen Menschen und Rechnern muss der Bedeutung von Daten und Informationen gerecht werden.

Das größte Konstrukt, das die Menschheit erfunden hat, um Daten mit Bedeutung zu kommunizieren ist das World Wide Web. Web Science untersucht, wie Netzwerke von Personen und Wissen im Web entstehen, wie Menschen damit umgehen und welche Folgen das für uns alle hat. Das Web ist eine Bedeutungsmaschine, die ich durch meine Forschung verstehen möchte.

Wo ich sonst zu finden bin

Wenn ich nicht gerade im Büro oder auf Dienstreise bin, bin ich am Liebsten zum Laufen im Stadtwald, im Changa oder beim AHS. Watch out!