시선 추적 데이터의 위상학적 분석을 통한 난독증 탐지 방법론

요약

본 논문은 시선 추적(eye-tracking) 데이터를 시간 계열(time series)로 간주하고, 위상 데이터 분석(Topological Data Analysis, TDA) 기법인 영속성 호몰로지(Persistent Homology)를 적용하여 난독증(dyslexia)을 탐지하는 새로운 하이브리드 모델을 제안합니다. 기존의 통계적 특징에 더해 위상학적 특징을 결합한 이 접근 방식은, 코펜하겐 코퍼스(Copenhagen Corpus) 기반 실험에서 기존 방법론보다 우수한 성능을 보였습니다. 특히, 제안하는 새로운 필터레이션(fil

핵심 포인트

• 영속성 호몰로지 (Persistent Homology)를 활용하여 시선 고정 순서(fixation sequences)를 시간 계열 데이터로 분석합니다.
• 위상학적 특징과 전통적인 통계적 특징을 결합한 '하이브리드 모델'을 구축하여 난독증 탐지에 적용했습니다.
• 코펜하겐 코퍼스 데이터를 사용한 실험 결과, 제안된 하이브리드 모델이 기존의 순수 통계 기반 접근법보다 우수한 성능을 입증했습니다.