SWIFT Eye-Movement Model İçin Simulation-Based Inference

Bu proje SWIFT eye-movement modelini simulation-based inference problemi olarak ele alıyor. Yani okuyucuların text işlerken ne zaman göz hareketi yaptığını ve bir sonraki bakışın nereye gideceğini modelleyen dinamik bir problem.

Full SWIFT modeli computationally intensive ve likelihood'ı tractable değil. Bu yüzden projede Engbert ve Rabe (2024) tarafından anlatılan simplified SWIFT yaklaşımından ilham alan bir simulator kullandım. Hedef, modeli BayesFlow ile amortized Bayesian inference workflow'una taşımaktı.

Python notebook içinde fixation sequence'lerini yükledim, çok kısa fixation'ları filtreledim, sentence-level metadata oluşturdum, gaze-control parametreleri için prior'lar tanımladım ve fixation duration, word position, saccade length, landing error, skip behavior, refixation behavior, skip rate ve refixation rate gibi kanalları simüle ettim.

Inference target olarak nu, r, mu_T ve eta parametrelerini kullandım. Simulator'u BayesFlow'a bağladım, inference variables ve summary variables için adapter'lar kurdum; FlowMatching, SetTransformer-style summary network ve daha sonra TimeSeriesNetwork / PointInferenceNetwork ile point-estimation denemeleri yaptım.

Metodolojik olarak proje BayesFlow, amortized Bayesian inference ve Prof. Dr. Paul Bürkner ile iliskili modern probabilistic modeling ekosisteminden besleniyor. Proje ayni zamanda Engbert ve Rabe (2024) simplified SWIFT tutorial'ina dayaniyor.