<?xml version="1.0" encoding="utf-8"?>
<export-example>
  <doc>
    <id>8479</id>
    <completedYear/>
    <publishedYear>2025</publishedYear>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber>ix, 369 Seiten</pageNumber>
    <edition/>
    <issue/>
    <volume/>
    <type>doctoralthesis</type>
    <publisherName/>
    <publisherPlace/>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>2025-08-23</completedDate>
    <publishedDate>--</publishedDate>
    <thesisDateAccepted>2025-07-21</thesisDateAccepted>
    <title language="deu">Data Science in der empirischen Eyetracking-Forschung</title>
    <abstract language="deu">Empirische Forschung stellt Anfänger vor eine Vielzahl von Herausforderungen. Besonders herausfordernd gestaltet sich die (statistische) Datenanalyse -- eine Aufgabe, die bislang Vorkenntnisse aus zwei verschiedenen Bereichen erfordert: Experimentalforschung und Programmierung. Es muss bekannt sein, was zu tun ist, aber auch wie dies technisch umgesetzt werden kann. Die vorliegende Arbeit befasst sich mit der Frage, wie angehende Forschende bei dieser Aufgabe bestmöglich unterstützt werden können. In einem ersten Schritt wird hierfür die Ausgangslage erfasst. Mit einer systematischen Literaturrecherche wird identifiziert, welche Analyseverfahren in der Praxis Anwendung finden; für diese Verfahren werden dann jeweils der theoretische Hintergrund und die praktische Anwendung aufgearbeitet. Zudem werden in unsystematischer Recherche die Möglichkeiten ausgelotet, die bestehende Software-Systeme bieten. Basierend darauf wird dann eine Webanwendung konzipiert bzw. realisiert, die gängige Analysen auf eine Weise ermöglicht, die sowohl für Statistik- als auch für Programmieranfänger geeignet ist. Das entstandene System wird in einem dritten Schritt durch heuristische Diskussion und empirische Nutzerstudien bestätigt. Angemerkt sei, dass alle Untersuchungen auf die empirische Eyetracking-Forschung in der Disziplin Software Engineering zugeschnitten, aber nicht darauf beschränkt sind.</abstract>
    <identifier type="urn">urn:nbn:de:bvb:898-opus4-84797</identifier>
    <identifier type="doi">10.35096/othr/pub-8479</identifier>
    <enrichment key="opus.source">publish</enrichment>
    <licence>Creative Commons - CC BY-NC - Namensnennung - Nicht kommerziell 4.0 International</licence>
    <author>Lisa Grabinger</author>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Data Science</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Eyetracking</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Statistik</value>
    </subject>
    <collection role="institutes" number="FakEI">Fakultät Elektro- und Informationstechnik</collection>
    <collection role="othpublikationsherkunft" number="">Dissertation der OTH Regensburg</collection>
    <collection role="DFGFachsystematik" number="1">Ingenieurwissenschaften</collection>
    <collection role="othforschungsschwerpunkt" number="">Digitale Transformation</collection>
    <thesisPublisher>Ostbayerische Technische Hochschule Regensburg</thesisPublisher>
    <thesisGrantor>Ostbayerische Technische Hochschule Regensburg</thesisGrantor>
    <file>https://opus4.kobv.de/opus4-oth-regensburg/files/8479/Dissertation_Grabinger_2025.pdf</file>
  </doc>
</export-example>
