arbeiten:mousetracking_und_zeitbasierte_erwartung

Nachweis von zeitbasiertem Entscheidungsverhalten anhand von Mausbewegungsdaten

Thema:
Nachweis von zeitbasiertem Entscheidungsverhalten anhand von Mausbewegungsdaten
Art:
MA
BetreuerIn:
Johanna Bogon / David Halbhuber
BearbeiterIn:
Benedikt Strasser
ErstgutachterIn:
Johanna Bogon
ZweitgutachterIn:
N.N.
Status:
in Bearbeitung
angelegt:
2024-07-01
Antrittsvortrag:
2024-09-30

Hintergrund

Der menschliche Alltag ist von vielfältigen Ereignissen geprägt. Viele dieser Ereignisse sind antizipierbar und ermöglichen es, sich auf diese Ereignisse und die damit zusammenhängenden Handlungen vorzubereiten. In vielen Sitationen verändert die vergangenen Zeit die Erwartung bestimmter Ereignisse. So zum Beispiel bei einem Telefonanruf: Zunächst erwarte ich, dass die Person, die ich anrufe, abhebt. Ab einem bestimmte Zeitpunkt ohne Antwort ändert sich die Erwartung und ich fange an zu überlegen, was ich wohl auf den Anrufbeantworter sprechen werde. Solche Situationen beschreiben eine zeitbasierte Erwartung (z.B. Volberg & Thomaschke, 2017)

Erwartungen dieser Art existieren auch in Computerspielen. Im Falle von Dark Souls haben Gegner z.B. eine Auswahl an Angriffen, welche sich unter anderem durch ihre Vorlaufzeit unterscheiden. In Situationen wie diesen kann es hilfreich sein, sich anhand dieser Vorlaufzeiten kognitiv und motorisch auf bestimmte Ausweichmanöver vorzubereiten.

Zielsetzung der Arbeit

Das Ziel dieser Arbeit ist es, herauszufinden, ob Mausbewegungsdaten verwendet werden können, um die zeitliche Dynamik von vorbereitendem Verhalten bei zeitbasierten Ereignissen zu identifizieren. Dabei werden verschiedene Analyseansätze betrachtet.

Konkrete Aufgaben

  • Literaturrecherche
  • Aimtrainer als Messinstrument bauen
  • Analysemethoden für Maustrackingdaten recherchieren und einarbeiten
  • Nutzerstudie konzipieren und durchführen
  • Erhobene Mousetrackingdaten analysieren
  • Wissenschaftliche Arbeit schreiben

Erwartete Vorkenntnisse

  • Kenntnisse mit Unity und C#
  • Erfahrung mit Datenanalyse

Weiterführende Quellen

  • Aufschnaiter, S., Zhao, F., Gaschler, R., Kiesel, A., & Thomaschke, R. (2022). Investigating time-based expectancy beyond binary timing scenarios: Evidence from a paradigm employing three predictive pre-target intervals. Psychological Research, 86(6), 2007–2020. https://doi.org/10.1007/s00426-021-01606-2
  • Halbhuber, D., Thomaschke, R., Henze, N., Wolff, C., Probst, K., & Bogon, J. (2023). Play with my Expectations: Players Implicitly Anticipate Game Events Based on In-Game Time-Event Correlations. Proceedings of the 22nd International Conference on Mobile and Ubiquitous Multimedia, 386–397. https://doi.org/10.1145/3626705.3627970
  • Hanson, C. (2018). Game Time: Understanding Temporality in Video Games. Indiana University Press.
  • Kieslich, P. J., Schoemann, M., Grage, T., Hepp, J., & Scherbaum, S. (2020). Design factors in mouse-tracking: What makes a difference? Behavior Research Methods, 52(1), 317–341. https://doi.org/10.3758/s13428-019-01228-y
  • Los, S. A., Knol, D. L., & Boers, R. M. (2001). The foreperiod effect revisited: Conditioning as a basis for nonspecific preparation1. Acta Psychologica, 106(1), 121–145. https://doi.org/10.1016/S0001-6918(00)00029-9
  • Schoemann, M., O’Hora, D., Dale, R., & Scherbaum, S. (2021). Using mouse cursor tracking to investigate online cognition: Preserving methodological ingenuity while moving toward reproducible science. Psychonomic Bulletin & Review, 28(3), 766–787. https://doi.org/10.3758/s13423-020-01851-3
  • Thomaschke, R., & Dreisbach, G. (2013). Temporal Predictability Facilitates Action, Not Perception. Psychological Science, 24(7), 1335–1340. https://doi.org/10.1177/0956797612469411
  • Thomaschke, R., Kunchulia, M., & Dreisbach, G. (2015). Time-based event expectations employ relative, not absolute, representations of time. Psychonomic Bulletin & Review, 22(3), 890–895. https://doi.org/10.3758/s13423-014-0710-6
  • Volberg, G., & Thomaschke, R. (2017). Time-based expectations entail preparatory motor activity. Cortex, 92, 261–270. https://doi.org/10.1016/j.cortex.2017.04.019