[논문 리뷰] The Copenhagen Corpus of Eye Tracking Recordings from Natural Reading of Danish Texts

Nora Hollenstein, Maria Barrett외 1명|arXiv (Cornell University)|2022. 04. 28.

Gaze Tracking and Assistive Technology인용 수 11

한 줄 요약

이 논문은 덴마크어 자연어 독서에서의 눈 운동 데이터를 담은 첫 번째 눈 추적 코퍼스인 CopCo를 소개한다. 총 1,832개 문장, 22명의 참가자로부터 수집된 데이터를 포함하며, 정지 지속 시간, 건너뛰기 비율, 착석 위치 등의 눈 운동 특징을 제공한다. 이는 단어 길이와 빈도가 처리에 상당히 영향을 미치며, 이는 다국어 간의 패턴과 일치함을 보여주며, 덴마크어의 인지 기반 자연어 처리 및 심리언어학 연구에 유용한 자료로 기여한다.

ABSTRACT

Eye movement recordings from reading are one of the richest signals of human language processing. Corpora of eye movements during reading of contextualized running text is a way of making such records available for natural language processing purposes. Such corpora already exist in some languages. We present CopCo, the Copenhagen Corpus of eye tracking recordings from natural reading of Danish texts. It is the first eye tracking corpus of its kind for the Danish language. CopCo includes 1,832 sentences with 34,897 tokens of Danish text extracted from a collection of speech manuscripts. This first release of the corpus contains eye tracking data from 22 participants. It will be extended continuously with more participants and texts from other genres. We assess the data quality of the recorded eye movements and find that the extracted features are in line with related research. The dataset available here: https://osf.io/ud8s5/.

연구 동기 및 목표

• 덴마크어에 대해 기존 눈 운동 자료가 제한적인 언어임을 감안할 때, 대규모이고 생태학적으로 타당한 자연어 독서를 위한 눈 추적 코퍼스를 구축하는 것.
• 실제 문맥이 풍부하고 자연스러운 텍스트에서의 실시간 언어 처리를 연구할 수 있도록 심리언어학 연구를 지원하는 것.
• 인지 기반 자연어 처리를 발전시키기 위해 뇌 기능적 처리 노력과 반영된 눈 운동 특징을 제공하는 것.
• 덴마크어처럼 연구가 덜 진행된 언어에서 기준 데이터셋을 제공함으로써 다국어 간 비교를 가능하게 하는 것.
• 정지 지속 시간 및 건너뛰기 비율과 같은 시선 보완 특징을 통해 자연어 처리 모델의 개발 및 해석을 지원하는 것.

제안 방법

• 코퍼스는 녹음된 구어 텍스트에서 유래하여 총 1,832개 문장, 덴마크어 토큰 34,897개를 추출하였다.
• 표준화된 기록 장비를 사용하여 22명의 모국어가 덴마이크어인 독자가 이 텍스트를 자연스럽게 독서하는 동안 눈 운동 데이터를 수집하였다.
• 주요 눈 운동 특징—초기 정지 지속 시간, 평균 정지 지속 시간, 총 정지 지속 시간, 첫 번째 통과 지속 시간, 지나침 시간—은 데이터 품질을 확보하기 위해 추출 및 검증되었다.
• 단어 수준의 특징인 건너뛰기 비율, 착석 위치, 정지 지속 시간을 단어 길이와 빈도와 관련하여 스피어만 순위 상관관계를 사용하여 분석하였다.
• 기존 코퍼스(GECO, ZuCo 등)와 비교하여 특징의 범위가 다른 언어에서의 결과와 일치함을 확인하였다.
• 추가 참가자 및 텍스트 장르(예: 소셜 미디어, 위키백과 콘텐츠 포함)를 지속적으로 확장할 수 있도록 코퍼스를 설계하였다.

실험 결과

연구 질문

• RQ1 덴마크어 텍스트의 자연어 독서에서 단어 길이와 빈도는 정지 및 건너뛰기 행동에 어떻게 영향을 미치는가?
• RQ2 덴마크어에서의 눈 운동 패턴은 정지 지속 시간과 착석 위치에 관해 다국어 간 연구 결과와 어느 정도 일치하는가?
• RQ3 자연어 독서에서의 눈 추적 특징는 덴마크어에서 인지 처리 노력 모델링에 신뢰성 있게 사용될 수 있는가?
• RQ4 개인적 차이(예: 연령, 독서 능력)는 덴마크어 독서에서 눈 운동 패턴에 어떤 영향을 미치는가?
• RQ5 이 코퍼스는 어느 정도 덴마크어에서 인지 기반 자연어 처리 모델의 훈련 및 해석을 지원할 수 있는가?

주요 결과

• 단어 평균 정지 횟수는 0.69회(표준편차 = 1.05)이며, 정지 지속 시간과 건너뛰기 비율은 GECO 및 ZuCo와 같은 유사 코퍼스에서 관찰된 범위 내에 있다.
• 더 긴 단어일수록 정지될 가능성이 높으며, 단어 길이와 착석 위치 지수 사이에 강한 양의 상관관계(rho = 0.90, p < 0.0001)가 있다.
• 빈도가 높은 단어일수록 더 자주 건너뛰며, 참가자 간 총 건너뛰기 비율 범위는 0.29에서 0.58로, 고빈도 단어가 더 효율적으로 처리됨을 시사한다.
• 단어 빈도가 증가할수록 정지 비율이 감소함을 확인하여, 빈도가 덴마크어 독서에서 처리 노력에 영향을 미친다는 것을 확인하였다.
• 착석 위치와 문자 빈도 사이에는 중간 정도의 상관관계가 있었으며(rho = 0.35, p = 0.069), 그러나 단어 길이에 의해 강하게 예측됨을 확인하여, 초도 착석 시 시각적 요소가 지배적임을 시사한다.
• 모음과 자음에 대한 착석 지속 시간에 유의미한 차이가 없어, 초기 정지 시 강한 발음 또는 철자적 편향이 없음을 나타낸다.