高度动态决策任务中的潜在注视信息

数字化正渗透至越来越多生活领域。任务日益以数字化方式完成，因此不仅更快、更高效，而且更有目的性与成功率。近年来人工智能领域的快速发展在其中发挥了重大作用，因其带来了许多可依托的有益方法。与此同时，眼睛、其运动以及这些运动的含义正被逐步研究。这些发展的结合催生了令人兴奋的方法。在本学位论文中，我呈现了我在攻读博士期间所从事的其中一些方法。首先，我深入介绍了利用人工智能将眼动与视觉专长相连接的模型开发。这针对两个领域或说人群群体得以展示：决策行动中的运动员与关节镜手术中的外科医生。所得模型可被视为用于自动专长识别的数字诊断模型。此外，我展示了探究眼动模式向不同专长领域可迁移性的方法，以及随后有关泛化技术的重要方面。最后，我探讨了基于眼动数据的困惑 temporal 检测。结果表明所得模型可用作年轻专业人员培训中可能的数字辅助选项的时钟信号。我研究的一个有趣方面是能够依托来自 DFB 青年精英运动员以及关节镜长期专家的高价值数据。尤其是与 DFB 数据相关的工作引起了广播与纸质媒体的兴趣，即 DeutschlandFunk Nova 与 SWR DasDing。此处呈现的所有成果文章均已发表于国际知名期刊或会议。