우리는 다른 과정에 종사하는 15~70세 성인의 행동 분석을 위한 프로토콜을 제시합니다. 자율 학습에 할당 된 작업을 수행. 참가자, 대학 교사 및 학생 및 경험 대학의 다른 사람들은 아이 트래킹 장치로 모니터링되었으며 데이터는 데이터 마이닝 기술로 분석되었습니다.
이 프로토콜은 스페인 부르고스 대학의 생물 윤리 위원회의 절차 적 규정을 준수하여 수행되었습니다. 이 연구에서는 두 가지 조사 질문이 있었습니다. 연구 질문 하나, 학습 결과와 예술 사에서 비 전문가 교사 대 학생 사이의 안구 고정 매개 변수에 상당한 차이가있을 것입니다, 비 공식 학위를 가진 학생들과 학생들을 차별화, 경험 성인 교육대학?
그리고 연구 질문 2 : 학습 결과와 안구 고정 매개 변수와 각 참가자의 클러스터는 참가자의 유형과 일치할 것인가, 공식 학위를 가진 학생, 비 공식 학위를 가진 학생, 경험 성인 교육 대학, 교사? 참가자 모집. 고등 교육, 공식 및 비공식적인 교육 환경에서 18 세에서 70 세 사이의 연령을 가진 두 환경 의 성인 그룹 중 참가자를 모집합니다.
정상 또는 수정된 참가자를 정상 시력 및 청각으로 포함합니다. 신경학상, 정신과 및 수면 장애, 교육 적 특수 요구와 관련된 장애, 지각 장애, 시력 및 청각 장애 및 인지 장애가있는 참가자를 제외하십시오. 이 연구에서는, 우리는 39 참가자, 경험의 대학에서 여섯 학생에 달하는 최종 샘플에서 일했다.
한 참가자는 시각적 인 어려움으로 인해 경험 대학의 학생 범주에서 제외되었습니다. 25 건강 과학, 공학, 역사와 유산분야 대학 교수, 건강 과학, 공학, 역사 및 유산 과정을 따르는 9명의 학부 및 석사 학생. 데이터 수집, 정보에 입각한 동의를 얻습니다.
시험 전에 각 참가자에게 연구의 목표와 데이터의 수집, 치료 및 저장을 알립니다. 각 참가자의 동의는 정보에 입각한 동의서에 서명하여 제공됩니다. 그런 다음 작업을 시작하기 전에 현장 전문가인 면접관이 연령, 성별, 직업 및 주제에 대한 사전 지식에 대한 질문에 대한 설문지를 전달합니다.
이 경우, 유럽에서 수도원의 기원과 역사적 발전. 실험 절차. 교정. 참가자에게 아이트래킹 기술의 작동 방식과 정보를 수집하고 기록하고 보정하는 방법에 대해 알려드립니다.
유효한 책상에 적절한 위치 지정이 필요하다는 설명이 표시됩니다. 이렇게하려면 참가자는 모니터에서 45~60cm 떨어진 특정 거리에 앉아야 합니다. 거리는 참가자의 높이에 따라 달라지며, 높이가 낮아지며, 거리가 짧습니다.
참가자는 일련의 포인트가 화면의 카디널 포인트에 표시되며 포인트가 나타날 때마다 참가자가 눈으로 관찰해야 한다는 알림을 받습니다. 교정 설정을 가져 가라. 학습 작업을 수행합니다.
작업의 내용을 참가자에게 설명합니다. 학습 과제는 유럽 수도원의 기원에 대한 설명으로 구성됩니다. 과제는 SRL 방법론을 사용하여 비디오 음성 해설에 표시됩니다.
이 정보는 서면 텍스트 및 이미지를 포함하여 청각 및 시각적 채널을 통해 제공됩니다. 비디오 클립을 시청합니다. 무들 기반 가상 플랫폼에서 크로스 워드 퍼즐을 수행.
데이터 분석. 관심 영역, AOI를 선택합니다. AOI는 비디오에 정의되며 관련 정보가 포함된 AOI와 관련 정보가 포함된 AOI로 나뉩니다.
AOI 고정에 대한 매개 변수와 관련된 데이터베이스를 추출합니다. 통계 처리 소프트웨어 패키지를 포함하여 데이터베이스를 가져오고 옵션을 선택분석한 다음 K-Means 클러스터 옵션을 선택합니다. 그런 다음 통계 소프트웨어 패키지(예: SPSS)에서 교차 테이블을 선택하고 ANOVA 옵션뒤에 참가자 간의 차이점을 분석합니다.
데이터의 시각화 분석을 수행합니다. 자세한 통계의 매개 변수의 데이터를 추출하고 통계 분석을 합니다. 개인화 된 학습 제안.
낮은 점수로 인해 클러스터 분석에서 감지된 참가자들 의 학습 결과를 개선하기 위한 중재 프로그램을 수행합니다. 대표적인 결과. 본 연구를 위해 모집된 참가자 는 22세에서 69세 사이의 연령대를 가진 경험대학교, 대학 교수, 학부 및 석사 학위 학생 3명이었습니다.
이 프로토콜은 부르고스 대학에서 20개월 이상 테스트되었습니다. 고정의 시선 위치 매개 변수를 분석했습니다. 각 참여 그룹, 경험 대학 학생, 대학 교사, 대학원 및 석사 학생의 각 남성과 여성의 그룹은 각각 다른 방법으로 작업을 완료했다.
고정 매개 변수에서 유의한 차이가 발견되지 않았지만 고정 평균 동공 크기 Y, 고정 및 평균 동공 직경 및 고정 분산 X의 차이를 향한 추세가 지적되었지만 낮은 효과 값을 가지고 있었습니다. 그런 다음 핵심 은 고정 위치, 이전 지식 및 크로스 워드 퍼즐 결과의 매개 변수의 결과와 관련하여 초기 연구 그룹에 다른 그룹이 있는지 여부를 연구하기 위해 클러스터를 적용했다. 3개의 클러스터가 발견되었습니다.
또한 참가자 의 범주 유형, 경험 대학 학생, 대학 교수 및 대학생과 관련하여 각 참가자에게 할당 된 그룹 구성원의 클러스터 값 사이에 그룹 테이블이 준비되었습니다. 각각고정 위치 매개 변수에 대한 세 그룹과 관련하여 클러스터 내의 참가자의 위치를 보여 주어 있습니다. 전환 기간 1의 변수인 배경 지식에 따라 상당한 차이점이 발견되었습니다.
각 AOI에 삽입된 각 자극에 대한 입력, 결투 및 출력 시간을 분석합니다. 따라서 정보 액세스의 초기 단계에서 변수 참가자 그룹에 따라 다른 AOI에서 입력, 잔여 및 종료하는 방식이 다르다는 결론을 내릴 수 있습니다. 평균 고정 기간 매개 변수에서도 차이점이 발견되었습니다.
더 긴 고정은 참가자가 다른 AOI 내의 정보 콘텐츠를 분석하고 해석하는 데 더 많은 시간을 소비한다는 것을 말합니다. Bonferroni는 다른 시험이 그룹 회원 자격을 확립하기 위해 적용되었다는 것을 의미하며, 이 시험은 경험 대학 학생들과 대학 교수 그룹 사이에 있다는 것이 확립되었습니다. 이 수단은 참가자가 데이터 입력 단계에서 AOI를 분석하고 해석하는 데 더 많은 시간을 할애하는 그룹 1, 경험 대학 학생에서 더 높았습니다.
이 연구에서 발견된 결과에 기초하여, 작업 해결 학습 결과를 개선하기 위해 개인화 된 학습 프로그램의 개발이 제안되었습니다. 이 연구에서는 개념의 확장 및 사양이 만들어질 비디오에서 작업한 개념의 강화에 초점을 맞출 것입니다. 이 데이터 분석에서 얻은 결과는 교사에게 작업의 프리젠 테이션과 각 학습자 또는 학습자 그룹의 특성을 조정하는 정보를 제공합니다. 결론.
정보 채널, 청각, 시각적 또는 둘 다를 사용하여 정보를 방식으로 표시합니다. SRL 활동을 통해 방법론과 추적 기술 및 기계 학습 기술을 사용합니다. 학습이 정보를 처리하는 방법을 이해하고 각 교육 요구에 따라 개인화 된 학습 디자인을 제공 할 수 있게되는 것이 중요합니다.
