Este estudio tiene como objetivo determinar cuáles son las variables oculomotoras más utilizadas en investigaciones de seguimiento ocular orientadas a las áreas de ciencias de la computación e ingeniería en sistemas. Para ello se revisaron 26 trabajos académicos publicados entre el 2012 y el 2018. Se llevó a cabo un análisis de conglomerados jerárquicos, del que se desprenden tres grandes grupos, uno exploratorio en los que se utiliza el seguimiento ocular para conocer a mayor profundidad un fenómeno, otro comparativo en que se desea averiguar cuál de dos o más procesos es más eficiente y sobre todo intuitivo, empleándose el seguimiento ocular como herramienta para determinar esa eficiencia. Un tercer grupo sería el de estudios en que se emplea el seguimiento ocular como interfaz usuario – computadora.
Las variables más empleadas son tiempo de fijación (50 %), duración media de la fijación (46.3 %), linealidad (42.3 %), tasa de fijación (34.6 %), recuento de fijaciones (26.9 %), y duración media de las fijaciones relevantes (23.1 %). Estas variables se encuentran presentes en los tres grandes grupos en que se divide la muestra. Además, se hace una revisión de los contextos en los que las variables menos empleadas son de utilidad.
Aerial or satellital images may be used to produce terrain coverage maps, which in time are a very useful and important tool for decision-making in several fields including biodiversity, telecommunications and natural disaster management. The Trace Transform method can be used to process these images. This method extracts features from the images by applying a series of functionals to produce a numeric representation that will be used for classification later on. This model depends on several factors in order to have an efficient operation, among them, the frequency parameters of the traces, classifier type and land coverage. Experimentation on feature extraction time and precision rate revealed that the frequency parameters, specially ∆τ , and the classifier type can affect both of them.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.