Bildungsindustrie

Wie wir schon im Abschnitt „Was kann Eye-Tracking für den Nutzerwert von Internetseiten leisten?“ erwähnt haben, können emotionale Reaktionen – wie sie z. B. beim Aufbau von Vertrauen entstehen – mithilfe von Eye-Tracking beobachtet und dokumentiert werden. Aber auch die Beachtung oder Nichtbeachtung von Elementen auf den Internetseiten, die Vertrauen beim Kunden oder Besucher aufbauen sollen, sind bei fast allen Unternehmen wichtig. Ohne Vertrauen kommen keine Verträge zustande.

Einige Dienstleistungsindustrien sind besonders stark vom Vertrauen der Kunden abhängig. Hierzu gehören die Dienstleistungen in den Bereichen Bildung, Gesundheit und Banken und Finanzen. Diese zählen zu den sogenannten Vertrauensgüterindustrien.

Was ist das jetzt schon wieder?

Was sind Vertrauensgüter?

Bei einigen Dienstleistungen können wir als Kunden die wahre Qualität, die uns geliefert wurde, letztlich nie präzise beurteilen. Bei Vertrauensgütern können wir das sogar dann noch nicht einmal, nachdem die Dienstleistung geliefert wurde. Klassische Beispiele für Vertrauensgüter sind Autoreparaturen, medizinische und juristische Dienstleistungen, Finanzdienstleistungen und Bildungsdienstleistungen des Hochschulsektors, aber auch der Weiterbildungsinstitute. Welcher Laie kann schon wirklich beurteilen, ob eine Autoreparatur in dem Umfang wirklich nötig war und ob sie gut ausgeführt wurde. Es gibt Ausnahmen, aber in der Regel können wir das noch nicht einmal richtig beurteilen, nachdem wir den Wagen wieder aus der Reparaturwerkstatt abgeholt haben.

Bei Vertrauensgütern kann der Kunde die wahre Qualität der gelieferten Leistung (also des Gegenstandes oder der Dienstleistung) selbst dann nicht korrekt beurteilen, nachdem der es konsumiert hat bzw. mit ihm Erfahrungen gesammelt hat.

Vertrauensgüter sind extreme Fälle der Qualitätsunsicherheit und der asymmetrischen Information über die tatsächlich gelieferte Qualität. Im Gegensatz zu Erfahrungsgütern können die Anbieter von Ver­trauensgütern die Nachfrage ihrer Kunden häufig sogar selbst festlegen (z. B. bei Fahrschulen).[1] In der Hochschulbildung kommt erschwerend hinzu, dass man nicht mehrere Anbieter „ausprobieren“ oder Erfahrungen mit ihnen machen kann, was zumindest bei Autoreparaturwerkstätten noch möglich ist. Hier muss man blind vertrauen.

Das wiederum öffnet Betrügern und den sogenannten „degree mills“ („Titelmühlen“), die akademische Titel verkaufen, ohne Bildung zu liefern, Tür und Tor. Das bekannteste Beispiel hierfür ist der US-amerikanische Präsident Donald Trump und seine „Trump University“.[2]

Dichtung…

„https://www.youtube.com/watch?v=C0ei2h-0QDU“
„Trump University Informercial | The Briefing“

und Wahrheit

„https://www.youtube.com/watch?v=ZfaLYHCC-HU“
„Former Trump University student: It was a fraud“
Aber solche Fälle sind kein Einzelfall. Die meisten Menschen, die im Bildungssektor an der Produktion beteiligt sind, werden zahllose Beispiele benennen können, bei denen Dozenten oder ganze Programme:

• den Teilnehmern oder Studenten irrelevante oder veraltete Inhalte didaktisch zu zeitaufwendig und wenig motivierend präsentiert haben,
• es versäumt wurde, die Relevanz von theoretischem Wissen für die Anwendung aufzuzeigen und verständlich zu machen und
• die Studenten zum Wissenstransfer angemessen anzuleiten.

All diese Qualitätsmängel kann man aber leider erst in einem sehr fortgeschrittenen Bildungsstadium konkret benennen und kompetent belegen. Studenten sind solchen Qualitätsproblemen bei der Leistungserbringung ähnlich hilflos ausgeliefert wie die meisten von uns bei der Kfz-Reparatur. [3] Dill und Soo [2004, Seite 61] schreiben hierzu: [4]

„Since applicants are generally hard-put to know just how much they are really learning, let alone how much they can expect to learn at a school they have never seen, they do not make enlightened choices. They rarely possess either the time or the information to explore all the promising options available to them and usually have only a limited basis for comparing the options they do consider. Under these conditions, competition does not necessarily cause good instruction to drive out bad. Instead, students often flock to courses with superficial appeal or to institutions with established reputations even though the education they receive is only mediocre … Competition does not inspire universities or their faculties to do as much as they might to improve their instruction in the way that it forces computer companies to work at improving their products.“

Qualitätsunsicherheit in den „Top“ MBA Programmen an den „Top“ Business Schools

Es ist nicht allzu einfach, quantitative Daten zu finden, die objektiv belegen, wie groß die Qualitätsunsicherheit im Bildungssektor ganz allgemein und bei den „Top“ MBA Programmen der vermeintlichen „Top“ Business Schools im Speziellen ist. Der seltene Fall, dass hierfür quantitative Daten geliefert werden, stellen die Financial Times Rankings dar. Die Financial Times stellt für insgesamt 100 der von ihr präferierten – also für würdig betrachteten – Business Schools umfangreiches Datenmaterial öffentlich zur Verfügung. Für insgesamt 20 verschiedene Indikatoren (wie z. B. die Steigerung des Einkommens nach Abschluss des Studiums oder dem erzielten Karrierefortschritt) berichtet die FT für jede Business School Werte bzw. Rangplätze.

Die Grafik zeigt den möglichen Zusammenhang zwischen der Rangposition, den eine Business School beim FT Ranking einnimmt (also der erwarteten Qualität) und der Rangposition, den diese Hochschule bei der Beurteilung der Absolventen in Bezug auf die erreichten Ziele (also die tatsächlich erfahrene Qualität im Urteil der Absolventen) einnimmt. Wenn keine Qualitätsunsicherheit herrschen würde, dann müsste der Rang der erwarteten Qualität dem Rang der erfahrenen Qualität entsprechen. Diejenigen Business Schools, bei denen das der Fall ist, die also den Erwartungen entsprochen haben, liegen auf der diagonalen Linie. Je weiter eine Hochschule von dieser diagonalen Linie entfernt liegt, desto größer ist die Überraschung zwischen erwarteter und erfahrener Qualität. Drei Beispiele mögen dies verdeutlichen.

Die London Business School liegt im FT Ranking auf Platz eins. Beim Indikator „Ziele erreicht“ haben die durchschnittlichen Bewertungen der Absolventen zu einer Beurteilung geführt, die diese Hochschule auf den zweiten Platz positioniert. Bei der London Business School haben sich die hohen Erwartungen also fast bestätigt. Ganz anders sieht es beim Indian Institute of Management in Ahmedabad (Indien) aus. Diese Business School befindet sich auf dem 11. Rang im FT Ranking. Bei der Bewertung der Absolventen in Bezug auf die erreichten Ziele befindet sich diese Business School aber nur auf dem 93. Rang! Aber auch die Harvard Business School, die im FT Ranking immerhin auf dem 3. Platz liegt, kommt im Urteil der Absolventen wesentlich schlechter weg. Diese Beurteilungen sehen sie nur auf dem 51. Platz. Dass es auch sehr positive Überraschungen bei der Qualitätsunsicherheit geben kann, zeigt die Cox Business School der Southern Methodist University. Das FT Ranking hat sie auf den 88. Platz verbannt. Die Bewertungen der Absolventen hingegen waren so gut, dass diese Business School auf dem 5. Platz gelandet ist! Und die Schweizer Business School IMD belegt nur den 14. Platz im FT Ranking, aber den 1. Platz im Ranking der Bewertungen der Absolventen!

Das Grundübel der Qualitätsunsicherheit ist die fehlende Transparenz der tatsächlich gebotenen Qualität der Bildungsleistung, sowohl was die Inhalte als auch die Kundenorientierung betrifft. Das ist eigentlich völlig unnötig und widersinnig in Zeiten des Internets, denn selbst ganze Vorlesungen kann man online präsentieren. Einzig und allein die Anbieter der MOOCs (Massive Open Online Courses) haben begriffen, dass sie durch diese Transparenzoffensive die Konkurrenz vor sich hertreiben. Bei den Business Schools hat sich das aber noch nicht flächendeckend herumgesprochen. Eine sehr lobenswerte Initiative, die Qualitätstransparenz von Hochschulen zu verbessern, ist das Hochschulranking Webometrics (http://www.webometrics.info/en/Objetives), das rein Internet-basiert ist und zur Zeit 19.403 Hochschulen weltweit berücksichtigt. Es ist entlarvend für diese Art der Hochschulen, dass sich Webometrics 2013 entschlossen hat, das Hochschul-Ranking für Business School einzustellen.

„The Ranking Web of Business Schools & MBA granting institutions has been discontinued, so it is no longer updated. We realized that these institutions are not transparent enough for being monitored from their web presence. You can still follow our work in the other Rankings Web where we supply additional information about the development of Webometrics discipline.“ [Kursivdruck nachträglich hinzugefügt.]

http://business-schools.webometrics.info/

Das Problem der Qualitätsunsicherheit betrifft aber in gleicher Weise nicht nur die Business Schools, die zwischen 40.000 und 80.000.- Euro für ein MBA-Programm verlangen, sondern auch alle Unternehmen der Weiterbildungsindustrie, und das sind Tausende Anbieter.

Warum diskutieren wir auf unserer Eye-tracking-Education.com Website die Qualitätsprobleme der Weiterbildungsindustrie so ausführlich?

Das hat mehrere Gründe.

1. Erstens bieten wir selbst für einige spezialisierte Inhalte Weiterbildung an und möchten auf jeden Fall vermeiden, dass Lerner enttäuscht sind und nicht das erhalten, was sie erhalten könnten und sollten. Wie wollen wir dieses Ziel erreichen? Es sind im Wesentlichen zwei Elemente, die wir einsetzen wollen, um Ihnen Qualitätssicherheit für die von uns angebotene Weiterbildung zu liefern.
   1. Vollständige Transparenz der Lehrinhalte, bevor sich ein Lerner zum Kurs anmeldet.
   2. Statt Klausuren oder ähnlich wertlose und intransparente Belege für den Lernerfolg fertigen die Lerner ein Dokument an, das ihren Lernerfolg belegt und sich technologisch für die Veröffentlichung im Internet eignet. Die Details hierzu erklären wir ausführlich in der Rubrik „Angebote – Weiterbildung“.
2. Zweitens bietet Eye-Tracking den großen Hochschulen mit einer Vielzahl von Mitarbeitern und den erforderlichen finanziellen Ressourcen eine ganze Reihe von Möglichkeiten, den Vertrauensaufbau der Besucher der Website zu fördern und zu kontrollieren.

Eye-Tracking für Bildungsindustrien

Jenseits dieser Möglichkeiten den Vertrauensaufbau bei den Lernern zu unterstützen, den jede Bildungsinstitution braucht, um Lernern als Kunden zu gewinnen, hat die Eye-Tracking Forschung über die Jahre hinweg für die Bildungsindustrie eine große Vielfalt von extrem relevanten Forschungsergebnissen und Anwendungen generiert. Das ist auch nicht verwunderlich, wenn man bedenkt, dass durch Eye-Tracking:

1. die Aufmerksamkeit,
2. eventuelle Übermüdung,
3. die Emotionen und
4. der Lesefortschritt

kontinuierlich und objektiv gemessen werden können. Damit besteht die Möglichkeit, den Lernpfad und das Lernverhalten individuell zu beobachten und dementsprechend individuelle Unterstützung für jeden Lerner zu geben. Ein entsprechend entwickeltes Lernsystem mit integriertem Eye-Tracking kann deshalb so viel über den Lernprozess eines einzelnen Menschen in Erfahrung bringen, wie dies nur ein aufmerksamer und empathischer Privatlehrer tun könnte.

Personalisiertes Lernen: Adaptive E-Learning, Individualized Learning, Student-Centered Learning

Da alle hierfür notwendigen Daten digital erfasst werden, besteht damit prinzipiell auch die Möglichkeit, dieses individualisierte Lernen durch intelligente Softwaresysteme automatisch zu unterstützen. Statt Lerner zu zwingen, sich dem E-Learning Input anpassen zu müssen, den die Dozenten aus dem Hörsaal mehr oder weniger eins-zu-eins in das Learning Content Management System hochgeladen haben, würde dieses adaptive E-Learning System gezwungen, sich der Persönlichkeit des Lerners anzupassen! Damit würde endlich das Realität werden, wovon Lerner seit Jahrhunderten nur zu träumen wagten, weil nur die Königskinder so unterrichtet wurden – durch individualisiertes Lernen.

Deshalb wird ein solches adaptives E-Learning System für individualisiertes Lernen einen enormen gesamtgesellschaftlich und gesamtwirtschaftlichen Beitrag für unsere Ökonomien generieren, denn nichts behindert das Lernen bzw. die Humankapitalinvestitionen so sehr wie die Tatsache, dass in allen Bildungssystemen Schüler alle Fächer und Inhalte in der gleichen Geschwindigkeit mit den gleichen Lernressourcen und den gleichen Motivationen lernen müssen. Es passen erwiesenermaßen nur diejenigen Schüler in dieses Prokrustesbett, die sich ihm bzw. den Lehrern geschmeidig anpassen. Alle anderen haben aber große Schwierigkeiten damit, denn gemäß ihren unterschiedlichen Talenten, Denkstrukturen, Motivationen und Interessen lernen sie sehr unterschiedlich schnell die unterschiedlichen Inhalte.

Personalisiertes Lernen ist aber nur ein Gebiet, für das Eye-Tracking wirklich außergewöhnlich innovative Beiträge liefert. Bisher lassen sich mindestens 10 verschiedene Bereiche identifizieren, und man darf erwarten, dass weiter hinzukommen werden:

1. Personalisiertes Lernen
2. Leseverständnis, Leseverständlichkeit, Textvereinfachungen
3. Persönlichkeits- und Kreativitätstests
4. Visualisierung abstrakter Konzepte (z. B. Mathematik, Software-Entwicklung, Jura, Wirtschaftstheorie, Ingenieurwissenschaften)
5. Beobachtung der sequentiellen Aufmerksamkeit beim Lernen
6. Visuelle Expertise
7. Fahrsimulatoren
8. Eye-Guidance
9. Aufmerksamkeitskontrolle
10. Usability of E-learning Systems

Ein wichtiger Schritt zur Entwicklung solcher Lernsysteme besteht darin, die bisher so sträflich übersehene, aber eben zentrale Dimension des Lernens zu berücksichtigen: Unsere Emotionen. Wer traurig oder stark belastet ist, kann nicht richtig lernen, zumindest nicht so, wie er es könnte, wenn er gute Laune hätte. Das ist eine einfache Einsicht, die wir laufend bei unseren Kindern beobachten können. Woher wissen der Dozenten beim E-Learning in welchem emotionalen Zustand sich ein Lerner befindet? Diese Frage haben Porta, et al. [2012] zum Anlass genommen, eine E-Learning Plattform zu entwickeln, die die emotionale Verfassung des Lerners misst. Einen Schritt weiter wollen dann Wand [2006] in ihrer Eye-Tracking Studie gehen, die eine Software entwickeln wollen, die zu einem empathischen automatisierten E-Learning Tutor führt, die durch Messung der Emotionen mit Hilfe von Eye-Tracking in Abhängigkeit von den Emotionen, der Aufmerksamkeit und den Interessen des Lerners den Lernpfad zu personalisieren.

Literatur

Calvi, Clara, Porta, Marco and Sacchi, Dario, [2008], “e5Learning, an E-Learning Environment Based on Eye Tracking”, Presented at ICALT 2008, International Conference on Advanced Learning Technologies, Santander, Spain, July 1-5, IEEE, 2008.

Conati, Cristina and Merten, Christina, [2007], “Eye-Tracking for User Modeling in Exploratory Learning Environments: An Empirical Evaluation”, Discussion Paper, Department of Computer Science, University of British Columbia, Canada and Department of Information and Communication Technology, University of Trento, Italy, May, 2007.

Mödritscher, Felix, Garcia-Barrios, Victor Manuel and Gütl, Christian, [2004], “The Past, the Present and the Future of adaptive E-Learning – An Approach within the Scope of the Research Project AdeLE”,  Discussion Paper, Institute for Systems and Computer Media (IICM), Faculty of Computer Science at Graz University of Technology, Austria, IT and IT-Marketing at Graz University of Applied Sciences CAMPUS 02, Austria and Infodelio Information Systems and Internet Studio-Isser, Austria, Sep. 2004.

Okoso, Ayano, Kunze, Kai and Kise, Koichi, [2014], “Implicit Gaze based Annotations to Support Second Language Learning”, Working Paper, Graduate School of Engineering, Osaka Prefecture University, Osaka, Japan UbiComp’14 Adjunct, September 13-17, 2014, Seattle, WA, USA.

Pivec, Maja, Trummer, Christian and Pripfl, Juergen, [2006], “Eye-Tracking Adaptable e-Learning and Content Authoring Support”, Informatica, Vol. 30, pp. 83–86, 2006. Department of Information Design, University of Applied Sciences FH JOANNEUM, Graz, Austria.

Shute, Valerie J. and Zapata-Rivera, Diego, [2007], “Adaptive Technologies”, Educational Testing Service, Research Report, RR-07-05, March 2007.

Song, Jae-Chu, Nam, Sanchun, Song, Ki-Sang and Park, Se Young, [2015], “Development of a Personalized Learning System Using Gaze Tracking System”, WSEAS Transactions on Computers, Volume 14,264-271, 2015.

Tsianos, Nikos, Germanakos, Panagiotis, Lekkas, Zacharias, Mourlas, Costas and Samaras, George, [2009], “Eye-tracking Users’ Behavior in Relation to Cognitive Style within an E-Learning Environment”, Discussion Paper, Faculty of Communication and Media Studies, National and Kapodistrian University of Athens an Department of Management and MIS, University of Nicosia, Cyprus, Department of Computer Science, University of Cyprus, Cyprus, 2009.

Emotionsmessung beim E-learning

Porta, Marco, Ricotti, Stefania and Perez, Calet Jimenez, [2015], “Emotional E-Learning through Eye Tracking”, Discussion Paper, Dipartimento di Informatica e Sistemistica – Università di Pavia, Via Ferrata 1 – 27100 – Pavia – Italy, August 2015.

Ricotti, S. and Perez, C. J., [2012], „Emotional e-learning through eye tracking,“ Global Engineering Education Conference (EDUCON), 2012 IEEE, pp. 1-6, 17-20 April 2012.

Wang, Hua, Chignell, Mark and Ishizuka, Mitsuru, [2006], “Empathic Tutoring Software Agents Using Real-time Eye Tracking”, Discussion Paper, University of Toronto and University of Tokyo, April 2006.

Leseverständnis, Leseverständlichkeit, Textvereinfachungen

Auer, Eric, [2005], „Eye-tracking during concurrent scene and sentence presentation, Diplomarbeit, Faculty 4, Humanities II, Department 4.7, General Linguistics, Saarland University, 2005.

Kennedy, A., Radach, R., Heller, D., and Pynte, J., (Eds.), [2000], Reading as a Perceptual Process, Oxford, Elsevier Science, 2000.

Radach, R., Kennedy, A., and Rayner, K., (Eds.), [2004], Eye Movements and Information Processing During Reading, A Special Issue of the European Journal of Cognitive Psychology, Psychology Press, 2004.

Rayner, Keith, [1992], Eye Movements and Visual Cognition: Scene Perception and Reading, Springer-Verlag New York, Springer Series in Neuropsychology, 1992.

Van Gompel, Roger PG, [2007], Eye Movements: A Window on Mind and Brain, Elsevier Science, 2007.

Persönlichkeits- und Kreativitätstests

Nisiforou, Efi A., [2015], “Examining the Association Between Users Creative Thinking and Field Dependence-Independence Cognitive Style through Eye Movement Components”, Multimedia and Graphic Arts, Cyprus University of Technology, C&C 2015, June 22 – 25, 2015, Glasgow, United Kingdom.

Rauthmann, John F., Seubert, Christian T., Sachse, Pierre and Furtner, Marco R., [2012], “Eyes as windows to the soul: Gazing behavior is related to personality”, Journal of Research in Personality, Vol. 46, pp. 147–156, 2012.

Optimizing Visualizations through Eye-Tracking

Acartürk, Cengiz and Habel, Christopher, “Eye Tracking in Multimodal Comprehension of Graphs”, Working Paper, Middle East Technical University, Informatics Institute, 06800 Ankara, Turkey and University of Hamburg, Computer Science, Vogt-Koelln-Str. 30, 22527 Hamburg, Germany.

Dawoodi, Shehnaaz Yusuf Patel, [2007], Assessing the Comprehension of UML Class Diagrams via Eye Tracking, Master Thesis, Department of Computer Science, Kent State University, December, 2007.

Beobachtung der sequentiellen Aufmerksamkeit beim Lernen

Observing Learning Paths in Mathematics

Anderson, John R., Carter, Cameron and Koedinger, Kenneth R., [2001], “Tracking the Course of Mathematics Problems”, Discussion Paper, Carnegie Mellon University, University of Pittsburgh Medical Center, Carnegie Mellon University, April, 2001.

Observing Learning Paths in Computer Programming

Busjahn, Teresa, Schulte, Carsten, Sharif, Bonita, Begel, Andrew, Hansen, Michael, Bednarik, Roman, Orlov, Paul, Ihantola, Petri, Shchekotova, Galina and Antropova, Maria, [2014], “Eye Tracking in Computing Education”, Discussion Paper, Freie Universität Berlin, Youngstown State, University University of Newcastle, Microsoft Research, Indiana University, University of Eastern Finland, Aalto University, JetBrains, June, 2014.

Najar, Amir Shareghi, Mitrovic, Antonija and Neshatian, Kourosh, [2011], “Utilizing Eye Tracking to Improve Learning from Examples”, Discussion Paper, Department of Computer Science and Software Engineering, University of Canterbury, Christchurch, New Zealand, adfa, Springer-Verlag Berlin Heidelberg, pp. 1-9, 2011.

Stieff, Mike, [2013], “Leveraging Eye Tracking Methods for Chemistry Education Research”, MSU CREATE for STEM Eye-­‐Tracking Conference University of Illinois-­‐Chicago, April 22-­‐24, 2013.

Visual Expertise

Juni, Mordechai Z. and Eckstein, Miguel P., [2017], “The wisdom of crowds for visual search”, PNAS Plus PNAS 2017 114 (21) E4306-E4315; May 10, 2017.

Sugimoto, Maki and Cottrell, Garrison W., [2001], “Visual Expertise is a General Skill”, Proceedings of the Annual Meeting of the Cognitive Science Society, 23, 2001.

Air Traffic Controllers

Hyun, Seok Hoon, Kim, Kyeong Tae, Song, Sun Mi, Yoon, Jong Sung, Lee, Jae In, Cho, Sun Min and Sohn, Young Woo, [2006], “Effects of Expertise and Situation Complexity on Visual Attention and Action Planning for Air Traffic Control”, Proceedings of the Human Factors and Ergonomics Society 50^th Annual Meeting – 2006, pp. 420-423, 2006.

Driving

Palazzi Andrea, Abati, Davide, Calderara, Simone, Solera, Francesco, and Cucchiara, Rita, [2017], “Predicting the Driver’s Focus of Attention: the DR(eye)VE Project”, Working Paper, Department of Engineering “Enzo Ferrari”, University of Modena and Reggio Emilia, Italy, May, 2017.

Physicians

University of Cumbria – Health Research – Visual Expertise Medical Image Perception

“Health researcher, Tim Donovan, from the University of Cumbria, talks about his research into Visual Expertise Medical Imaging Perception. http://www.cumbria.ac.uk/healthresearch

The aim of the research is to understand human expertise and, in particular, visual expertise in radiology. The research will develop and use eye movement paradigms as a means of determining the various aspects of visual expertise and how they can affect performance.”

 https://www.youtube.com/watch?v=PMvEuuIU3DM

Cooper, Lindsey, Gale, Alastair, Darker, Iain, Andoni, Toms and Saada, Janak, [2009], “Radiology image perception and observer performance: how does expertise and clinical information alter interpretation? Stroke detection explored through eye-tracking”, in: Sahiner, B. and Manning, D. J. (eds.), Medical Imaging 2009, Image Perception, Observer Performance, and Technology Assessment. Proceedings of SPIE, Vol. 7263, Society of Photo-Optical Instrumentation Engineers, 2009.

Gegenfurtner, Andreas, Kok, Ellen, van Geel, Koos, de Bruin, Anique, Jarodzka, Halszka, Szulewski, Adam and van Merriënboer, Jeroen J. G. , [2017], “The challenges of studying visual expertise in medical image diagnosis”, Medical Education, Vol. 51, pp. 97–104, 2017.

Gegenfurtner, Andreas, Lehtinen, Erno and Säljö, Roger, [2011], “Expertise Differences in the Comprehension of Visualizations: A Meta-Analysis of Eye-Tracking Research in Professional Domains”, Educational Psychology Review, Vol. 23, Issue 4, pp. 523–552, 2011.

Jaarsma, Thomas, Boshuizen, Henny P., Jarodzka, Halszka, Nap, Marius, Verboon, Peter, and van Merriënboer, Jeroen J. G., [2016], “Tracks to a Medical Diagnosis: Expertise Differences in Visual Problem Solving”, Applied Cognitive Psychology, Appl. Cognit. Psychol. 30: 314–322 (2016).

Kok, Ellen M. and Jarodzka, Halszka, [2017], “Before your very eyes: the value and limitations of eye tracking in medical education”, Medical Education, Vol. 51, pp. 114–122, 2017.

Reingold, E. M. and Sheridan, H., [2011], “Eye movements and visual expertise in chess and medicine”, in: Liversedge, S. P., Gilchrist, I. D. and Everling S., (Eds.) Oxford Handbook on Eye Movements, pp. 528-550, 2011.

Vilppu, Henna, Mikkilä-Erdmann, Mirjamaija, Södervik, Ilona and Österholm-Matikainen, Erika, [2017], “Exploring Eye Movements of Experienced and Novice Readers of Medical Texts Concerning the Cardiovascular System in Making a Diagnosis”, Anatomical Sciences Education, Jan./Feb., pp. 23–33, 2017.

Wood, Greg, Batt, Jeremy, Appelboam, Andrew, Harris, Adrian and Wilson, Mark R., [2014], “Exploring the Impact of Expertise, Clinical History, and Visual Search on Electrocardiogram Interpretation”, Medical Decision Making, Jan., Vol. 34(1), pp. 75-83, 2014.

Wood, Greg, Knapp, Karen M., Rock, Benjamin, Cousens, Chris, Roobottom, Carl and Wilson, Mark R., [2013], “Visual expertise in detecting and diagnosing skeletal fractures”, Skeletal Radiology, Vol. 42, pp. 165–172, 2013.

Reading

Biedert, Ralf, Buscher, Georg and Dengel, Andreas, [2010], „The eyeBook – Using Eye Tracking to Enhance the Reading Experience”, Informatik-Spektrum, Volume 33, Issue 3, pp. 272–281, , June 2010.

Maurer, Urs, Zevin, Jason D. and McCandliss, Bruce D., [2008], “Left-lateralized N170 Effects of Visual Expertise in Reading: Evidence from Japanese Syllabic and Logographic Scripts”, Journal of Cognitive Neuroscience, Vol. 20, No. 10, pp. 1878–1891, October 2008.

Software Developers

Antropova, Maria and Shchekotova, Galina, [2014], “Eye Movements in Programming Education. Analyzing the Expert’s Gaze”, in: Bednarik, Roman, Busjahan, Teresa, Schulte, Carsten, (eds.), [2014], Movements in Programming Education: Analyzing the Expert’s Gaze, Proceedings of the First International Workshop, pp. 1-3, Publications of the University of Eastern Finland, Reports and Studies in Forestry and Natural Sciences, No 18, University of Eastern Finland, Faculty of Science and Forestry, School of Computing, Joensuu, Finland, 2014.

Bednarikn, Roman, [2012], “Expertise-dependent visual attention strategies develop over time during debugging with multiple code representations”, International Journal of Human-Computer Studies, Vol. 70, pp. 143–155, 2012.

Husain, Ahraz, [2015], “Understanding How Developers Work on Change Tasks Using Interaction History and Eye Gaze Data,” Master Thesis, Department of Computing and Information Systems, Youngstown State University, December 2015.

Sports

D’Innocenzo G., Gonzalez C. C., Williams, A. M. and Bishop, D. T., [2016], “Looking to Learn: The Effects of Visual Guidance on Observational Learning of the Golf Swing”, PLoS ONE, Vol. 11, No. 5, 2016.

Savelsbergh, Geert J.P. A., Williams, Van Der Kamp, John, Mark and Ward, Paul, [2002], “Visual search, anticipation and expertise in soccer goalkeepers”, Journal of Sports Sciences, Vol. 20, No. 3, pp. 279-287, 2002.

Fahrsimulatoren

Fisher, Donald L., Pradhan, Anuj K., Alexander Pollatsek, and Michael A. Knodler, Jr., [2007], “Empirical Evaluation of Hazard Anticipation Behaviors in the Field and on Driving Simulator Using Eye Tracker”, Transportation Research Record Journal of the Transportation Research Board, pp. 80-86, December 2007 Fisher L et al. – 2007 – Empirical Evaluation of Hazard Anticipation Behaviors in the Field and on Driving Simulator Using Eye Tracking.pdf

Palinko, Oskar, Kun, Andrew L., Shyrokov, Alexander and Heeman, Peter, [2010], “Estimating Cognitive Load Using Remote Eye Tracking  in a Driving Simulator”,  Discussion Paperm, University of New Hampshire, Oregon Health & Science University, May 2010.

Anleitung der Blickführung zur Erlangung der visuellen Expertise

Roads, Brett, Mozer, Michael C. and Busey, Thomas A., [2016], “Using Highlighting to Train Attentional Expertise”, PLOSONE. January 8, 2016.

Eye Guidance for Computer Vision and Pattern Recognition

Khosravan, Naji, Celik, Haydar, Turkbey, Baris, Cheng, Ruida, McCreedy, Evan, McAuliffe, Matthew, Bednarova, Sandra, Jones, Elizabeth, Chen, Xinjian, Choyke, Peter L., Wood, Bradford J. and Bagci, Ulas, [2016], “Gaze2Segment: A Pilot Study for Integrating Eye-Tracking Technology into Medical Image Segmentation”, Discussion Paper, Center for Research in Computer Vision (CRCV), University of Central Florida, (UCF), Orlando, FL., National Institutes of Health (NIH), Bethesda, MD and Soochow University, Suzhou City, China, August 2016.

Van Gog, T., Jarodzka, H., Scheiter, K., Gerjets, P., and Paas, F., [2009], “Attention guidance during example study via the model’s eye movements”, Computers in Human Behavior, 25, 785-791.

Aufmerksamkeitskontrolle

Eines der Hauptprobleme, das Lehrer weltweit mit ihren Schülern haben, die die Kontrolle und Durchsetzung der Aufmerksamkeit der Schüler. D’Mello, et al. [2016], haben deshalb vorgeschlagen, Lernsysteme mit Eye-technologien auszustatten, die die Aufmerksamkeit der Schüler misst und bei mangelhafter Aufmerksamkeit, Minitests der zuvor zu lernenden Inhalte vorschreiben.

D’Mello, Sidney K., Mills, Caitlin, Bixler, Robert and Bosch, Nigel, [2016], “Zone out no more: Mitigating mind wandering during computerized reading”, Proceedings of the 10th International Conference on Educational Data Mining, 2016.

Usability of E-learning Systems

Kim, Yu-Jin, Bae, Jin Ah and Jeon, Byeong Ho, [2009], “Students’ Visual Perceptions of Virtual Lectures as Measured by Eye Tracking”, in: Jacko, Julie A., (Ed.), [2009], Human-Computer Interaction – New Trends, 13th International Conference, HCI International 2009, San Diego, CA, USA, July 19-24, 2009, Proceedings, Part I, pp. 85-94, Springer-Verlag Berlin Heidelberg, 2009.

Rakoczi, Gergely, [2011], „Design Optimierung der Benutzeroberfläche einer zentral eingesetzten Moodle Instanz (28.000+ User) anhand von Eye Tracking“, Diskussionspapier, Teaching Support Center, Technische Universität Wien, Januar, 2011.

Rakoczi, Gergely, [2014], Analysis of eye movements in the context of E-learning: recommendations for eye-efficient user interfaces, Techn. Univ. Wien, Dissertation. Technische Universität Wien, Fakultät für Informatik, Institut für Gestaltungs- und Wirkungsforschung, 2014.

Literatur zu den Vertrauensgütern

Emons, Winand, [1997], „Credence Goods and Fraudulent Experts,“ Rand Journal of Economics, vol. 28, no. 1, spring, pp. 107-119, 1997.

Franck, Egon P.  and Schönfelder, Bruno, [2000], „On the Role of Competition in Higher Education – Uses and Abuses of the Economic Methaphor,“ Schmalenbach Business Review, Vol. 52, Juli, Seite 214 – 237, 2000.

Rasch, Alexander and Waibel, Christian, [2015], “What Drives Fraud in a Credence Goods Market? — Evidence from a Field Study”, Discussion Paper, Heinrich‐Heine‐Universität Düsseldorf, Faculty of Economics, Düsseldorf Institute for Competition Economics (DICE), March 2015.

[1] Emons [1997, S. 108] gibt mehrere Beispiel für die Märkte der medizinischen Dienstleistungen und Autoreparaturen bei denen die Experten nachweislich überhöhte Rechnungen ausgestellt haben oder Dienstleistungen erbracht haben, die nicht notwendig gewesen wären. Er schreibt: „In the Swiss canton Ticino, ‚ordinary patients‘ (i.e., the population average) had 33% more of the seven most important operations than medical doctors and their families. Interestingly enough, lawyers and their loved ones have about the same operation frequency as the families of medical doctors (Domenighetti et al., 1993). In Germany the most expensive shops charge up to double what the cheapest garages charge for bodywork without necessarily being any better (ADAC Motorwelt, 1992). In the United States, unnecessary repairs were recommended to car owners by employees of Sears Automotive Centers in 90% of the test cases (Patterson, 1992).“

[2] Siehe: https://en.wikipedia.org/wiki/Trump_University

[3] Auf die Tatsache, dass tertiären Bildung durch eine Vertrauensgüterindustrie angeboten wird, haben Franck und Schönfelder [2000, Seite 216] hingewiesen. Sie schreiben: „A basic tenet of this paper asserts that higher education is to a large extent a credence good. Even after consumption the consumer cannot ascertain its quality with any precision.“.

[4] Dill, David D. und Soo, Maarja [2004], “Transparency and Quality in Higher Education Marktes,” in: Teixeira, P., Jongbloed, B., Dill, D. und Amaral, A., (Hrsg.), Markets in Higher Education: Rhetoric or Reality, Seite 61–85, Kluwer Academic Publishers, 2004.