Технологии слежения за глазами и методы обработки данных, используемые для поведенческого анализа взрослых, участвующих в учебных процессах

Резюме

Представляем протокол поведенческого анализа взрослых (в возрасте от 18 до 70 лет), занятых в учебных процессах, выполнения задач, предназначенных для саморегулируемого обучения (SRL). Участники, преподаватели университетов и студенты, а также взрослые из Университета опыта, были проверены с помощью устройств слежения за глазами, и данные были проанализированы с помощью методов сбора данных.

Аннотация

Поведенческий анализ взрослых, занимающихся учебными задачами, является серьезной проблемой в области образования взрослых. В настоящее время в мире непрерывных технологических изменений и научных достижений существует потребность в непрерывном обучении и образовании на протяжении всей жизни как в формальной, так и в неосуществимой образовательной среде. В ответ на эту проблему использование технологии отслеживания глаз и методов сбора данных, соответственно, для контролируемого (главным образом прогнозирования) и неконтролируемого (в частности, кластерного анализа) обучения, обеспечивает методы обнаружения форм обучения среди пользователей и/или классификации их стилей обучения. В этом исследовании предлагается протокол для изучения стилей обучения среди взрослых с и без предыдущих знаний в разном возрасте (от 18 до 69 лет) и в разных точках на протяжении всего учебного процесса (начало и конец). Методы статистического анализа различий означают, что между участниками могут быть обнаружены различия по типу учащегося и предыдущим знаниям задачи. Аналогичным образом, использование неконтролируемых методов кластеризации обучения прожигает свет на аналогичные формы обучения среди участников в различных группах. Все эти данные будут способствовать персонализированные предложения от учителя для представления каждой задачи в различных точках в цепочке обработки информации. Кроме того, учителю будет легче адаптировать учебные материалы к потребностям обучения каждого студента или группы студентов с аналогичными характеристиками.

Введение

Методология слежения за глазами, применяемая к поведенческому анализу в обучении
Методология слежения за глазами, среди других функциональных применений, применяется к изучению поведения человека, особенно во время решения задачи. Этот метод облегчает мониторинг и анализ во время выполнения учебных задач¹. В частности, уровни внимания студентов в разных точках учебного процесса (начало, развитие и конец) по различным предметам (история, математика, наука и т.д.) могут быть изучены с использованием технологии слежения за глазами. Кроме того, если задача включает в себя использование видео с голосом, который направляет процесс обучения, саморегулируемое обучение (SRL) облегчается. Таким образом, внедрение технологии слежения за глазами в анализе задач, к которым SRL (которые включают использование видео) предлагается в качестве важного ресурса, чтобы понять,^{как обучение развивается 2,3,4}. Эта комбинация также будет означать, что различия между учебными методами (с или без SRL и т.д.) могут быть проверены с различными типами студентов (с или без предварительного знания и т.д.) ^5.В отличие от этого, представление многоканальной информации (одновременное представление как слуховой, так и визуальной информации, будь то устной, письменной или живописной) может облегчить как запись, так и анализ соответствующей и не соответствующей информации из вышеупомянутых^{переменных 6}. Студенты с предварительными знаниями, подверженными мультимедийным каналам обучения, как представляется, учатся более эффективно, чем те, у кого практически нет предварительных знаний. Студенты с высоким уровнем предварительного знания предмета будут интегрировать текстовую и графическую информацию более эффективно⁷. Эта функциональность была замечена в изучении текстов^{8, которые} включают изображения⁹. Технология слежения за глазами предлагает информацию о том, где сосредоточено внимание и как долго. Эти данные дают представление о развитии учебного процесса более точным способом, чем простое наблюдение за процессом разрешения во время выполнения задачи. Кроме того, анализ этих показателей облегчает изучение того, развивается ли у студента глубокое или поверхностное обучение. Кроме того, взаимосвязь между этими данными и результатами обучения облегчает проверку информации, полученной с помощью^{технологии слежения за глазами 4,10}. В самом деле, этот метод вместе с SRL все чаще используются в высшем^{образовании и в взрослых образования 11} учебных сред, как на регулируемых и на нерегулируемых^{курсов 12}.

Технология слежения за глазами предлагает различные метрики: расстояние, скорость, ускорение, плотность, дисперсия, угловая скорость, переходы между областями интереса (AOI), последовательный порядок AOI, посещения в фиксациях, саккады, путь сканирования и параметры тепловой карты. Однако интерпретация этих данных является сложной и требует использования контролируемых (регрессия, деревья решений и т.д.) и неконтролируемых (методы кластерного кластера k-means и т.д.) ^{13,14 методов} обработки данных. Эти метрики могут быть применены для мониторинга поведения одного и того же субъекта с течением времени или для сравнения между несколькими предметами и их производительность с той же^{задачей 15}, путем анализа разницы между участниками с предыдущими знаниями по сравнению с не предыдущие^{знания 16}. Недавние^{исследования 11,17 показал,} что начинающие ученики зациклиться дольше на стимулы (т.е., есть большая частота фиксации в то время как аналогичные модели сканирования пути регистрируются). Средняя продолжительность фиксации была больше для экспертов, чем для новичков. Эксперты представили свое внимание на средних точках информации (проксимальной и центральной), различия, которые также можно увидеть в точках визуализации в AOI на тепловых картах.

Интерпретация метрик в отслеживании глаз
Недавние^{исследования 18} показали, что получение информации связано с числом глазных фиксаций на стимулах. Другим важным показателем является саккада, которая определяется как быстрое и внезапное движение фиксации с интервалом в 10 мс, 100 мс. Шарафи и др. (2015)¹⁸ обнаружили различия в количестве саккад, в зависимости от фазы кодирования информации студента. Другим актуальным параметром является сканирование-путь, метрика, которая отражает хронологический порядок шагов, которые участник выполняет для решения задачи обучения в AOI, определенной исследователем¹⁸. Аналогичным образом, технология слежения за глазами может быть использована для прогнозирования уровня понимания участника, который, как представляется, связан с числом фиксаций. Недавние исследования показали, что изменчивость поведения взгляда определяется свойствами изображения (позиция, интенсивность, цвет и ориентация), инструкциями по выполнению задачи и типом обработки информации (стиль обучения) участника. Эти различия обнаруживаются путем анализа взаимодействия студента с различными AOI¹⁹. Количественные²⁰ (частотный анализ) и/или качественные^{или динамические 21} (путь сканирования) методы могут быть использованы для анализа данных, собранных из различных метрик. Первые методы анализируются с помощью традиционных статистических методов (частотный анализ, средняя разница, разница в дисперсии и т.д.), а последние анализируются с помощью методов машинного обучения (евклидовые расстояния^{с методами редактирования строк 21,22}и^{кластеризация 17).} Применение этих методов облегчает кластеризацию, рассматривая различные характеристики предметов. Одно исследование^{17 показало,} что чем больше эксперт студент, тем более эффективна пространственная и временная стратегия обработки информации, которая реализуется. С описательной таблицей параметров измерений, которые использовались в данном исследовании, можно ознакомиться ниже в таблице 1.

Таблица 1: Большинство репрезентативных параметров, которые могут быть получены с помощью метода слежения за глазами, адаптированного из Саиса, Сапараин, Мартикорена и Веласко (2019). ^{20 Лет}   Пожалуйста, нажмите здесь, чтобы загрузить эту таблицу.

Применение методологии слежения за глазами к изучению учебного процесса
Использование технологических достижений и методов анализа данных, описанных^{выше 5, добавит} большей точности поведенческому анализу учащихся на различных этапах обработки информации (инициирование задач, обработка информации и решение задач). Все это облегчит индивидуальный поведенческий анализ, который, в свою очередь, позволит группировке студентов с аналогичными характеристиками²⁴. Аналогичным образом, прогностический методы (деревья решений, регрессионные методы и т.д.) ^{25 могут} быть применены к обучению, связанные как с количеством фиксаций, так и с результатами решения задач каждого студента. Эта функциональность является очень важным шагом вперед в знании о том, как каждый студент учится и для предложения персонализированных учебных программ в различных группах (люди с или без трудностей^{обучения 26}). Таким образом, использование этой техники будет способствовать достижению персонализации и оптимизации обучения²⁷. Обучение на всю жизнь должно пониматься как цикл непрерывного совершенствования, поскольку знания общества постоянно развиваются и развиваются. Эволюционная психология показывает, что навыки разрешения и эффективность обработки информации уменьшаются с возрастом. В частности, частота саккады, амплитуда и скорость движений глаз среди взрослых, как было установлено, уменьшаются с возрастом. Кроме того, в пожилом возрасте внимание сосредоточено на нижних областях визуальных сцен, что связано с дефицитом рабочей памяти^14. Тем не менее, активация увеличивается в лобных и префронтальных областях в более старшем возрасте, что, как представляется, компенсирует эти дефициты в разрешении задач. Этот аспект включает в себя уровень предыдущих знаний и когнитивных стратегий компенсации, что субъект может применяться. Опытные участники учатся более эффективно, так как они управляют вниманием более эффективно, благодаря применению автоматизированных процессов надзора^28. Кроме того, если информация, которая будет изучена, передается с помощью методов SRL, вышеупомянутые недостатки^{смягчаются 17}. Использование таких методов означает, что визуальные модели отслеживания очень похожи, как в предметах без предварительных знаний, так и в предметах с предварительными^{знаниями 7}.

Таким образом, анализ мультимодно-многоканальных данных о SRL, полученных с использованием передовых технологий обучения (отслеживания глаз), является ключом к пониманию взаимодействия между когнитивными, метакогнитивными и мотивационными процессами, а также их влияние на^{обучение 29}. Результаты и изучение различий в обучении имеют последствия для разработки учебных материалов и интеллектуальных систем обучения, оба из которых позволят персонализированное обучение, которое, вероятно, будет более эффективным и удовлетворительным для^{студента 30}.

В этом исследовании, было два исследования вопросы: (1) Будут ли значительные различия в результатах обучения и в глазной фиксации параметров между студентами и экспертами по сравнению с неэкспертными учителями в истории искусства дифференциации студентов с официальными степенями по сравнению со студентами с неопернитными степенями (Университет опыта - Образование для взрослых)? и (2) Будут ли кластеры каждого участника с результатами обучения и параметрами глазной фиксации совпадать с типом участников (студенты с официальными степенями, студенты с нео должностной степенью (Университет опыта - Образование для взрослых) и преподаватели)?

протокол

Этот протокол был составлен в соответствии с процессуальными нормами Биоэтического комитета Университета Бургоса (Испания) No No No IR27/2019. До своего участия участники были полностью осведомлены о целях исследования и представили свое информированное согласие. Они не получили никакой финансовой компенсации за свое участие.

1. Набор участников

1. Набирать участников из группы взрослых в двух средах (студенты и преподаватели), с возрастом от 18 до 69 лет в среде высшего образования (формальное и нео формальное образование).
2. Включите участников с нормальным или исправленным к нормальному зрению и слухом.
3. Исключите участников с неврологическими, психиатрическими расстройствами и расстройствами сна, инвалидностью, связанной с образовательными особыми потребностями, проблемами восприятия (нарушение зрения и слуха) и когнитивными нарушениями.
   ПРИМЕЧАНИЕ: В этом исследовании мы работали с выборкой из 40 участников, 6 студентов из Университета опыта (один участник был исключен в категорию студентов из университета опыта из-за визуальных трудностей), 25 университетских профессоров в области медицинских наук, инженерии, истории и наследия, и 9 студентов и магистра после курсов в области медицинских наук, инженерии, истории и наследия. У участников не было ни когнитивных, ни слуховых проблем, ни проблем со зрением, и все они имели нормальное или исправленное к нормальному зрению(таблица 2). Поэтому один из участников был ликвидирован перед началом эксперимента, так как на нем был обнаружен нистагмус, в связи с чем задание было применено к выборке из 39 участников. Участники не получили ни финансовой, ни профессиональной компенсации; Именно поэтому мотивация участников была высокой, поскольку только на их интересе было знать, как этот метод слежения за глазами работает во время учебного процесса, связанного с культурным наследием, в частности происхождением европейских монастырей.

Таблица 2. Характеристики образца.  Пожалуйста, нажмите здесь, чтобы загрузить эту таблицу.

2. Экспериментальная процедура

1. Сессия 1: Сбор информированного согласия, персональных данных и справочных знаний
   1. Получить информированное согласие. Перед тестом сообщите каждому участнику о целях исследования и сборе, обработке и хранении их данных. Согласие каждого участника дается путем подписания формы информированного согласия.
      ПРИМЕЧАНИЕ: Участие в этом исследовании было добровольным и не было никакого финансового вознаграждения. Этот аспект обеспечил отсутствие экономической мотивации для выполнения поставленных задач. Перед началом задания интервьюер, эксперт в этой области, заполняет анкету с вопросами о возрасте, поле, профессии и предварительного знания предмета, в данном случае, происхождения и исторического развития монастырей в Европе (см. таблицу 3). Это исследование является частью Европейского проекта (2019-1-ES01-KA204-095615-Координатор 6) по изучению взрослыми культурного наследия человечества на протяжении всей жизни; именно поэтому был выбран этот тип задачи. Каждый следователь будет выбирать тему в зависимости от его или ее рабочей области.

Таблица 3. Анкета для интервью.  Пожалуйста, нажмите здесь, чтобы загрузить эту таблицу.

2. Сессия 2: Калибровка
   1. Сообщите участнику о том, как работает технология слежения за глазами и как будет собираться, записываются и калиброваются данные: «Мы будем использовать технологию слежения за глазами для наблюдения за выполнением учебной задачи по происхождению и развитию европейских монастырей. Отслеживание глаз является технология, которая позволяет следить за вашим взглядом во время выполнения деятельности, и она не имеет побочных эффектов, ни это инвазивные, так как в этом исследовании только отслеживание глаз записывается ".
   2. Объясните участнику, что действительный тест требует правильного позиционирования. Иметь участника должны сидеть на определенном расстоянии от 45 до 60 см от монитора. Расстояние будет зависеть от высоты участника, чем ниже высота, тем короче расстояние.
   3. Сообщите участнику, что на кардинальных точках экрана появится ряд точек и что при каждой точке появляется участник должен наблюдать за ним глазами. Участник может перемещаться из одной точки в другую с помощью "введите" курсор. Фаза калибровки имеет продолжительность 10-15 минут.
      ПРИМЕЧАНИЕ: Для выполнения задач были использованы iViewer XTM, SMI Experimenter Center 3.0 и SMI Be Gaze и монитор с разрешением 1680×1050. Это оборудование регистрирует глазные движения, их координаты и диаметры зрачка каждого глаза. В этом исследовании было применено 60 Гц, были использованы метрики пути сканирования и динамические метрики пути сканирования, и была определена статистика AOI.
   4. Проверьте настройки калибровки. Специалист, контролирующий тест, анализирует настройки калибровки на экране управления.
      1. Выполните калибровку через калибровочную систему, которая включена в отслеживание глаз iViewer XTM. Перед началом этой задачи каждый участник реализует визуальное продолжение четырех точек на экране в четырех углах (вверх-справа, вверх-слева, вниз-вправо, вниз-влево). После этого программное обеспечение имеет процесс проверки исполнения правильного положения этих стимулов и дает информацию о регулировке параметра в градусах. Если эта регулировка расположена между 0.6o ± 1 в правом и левом глазу, считается, что калибровка верна, и начинается выполнение задачи. Пример процесса можно проверить на рисунке 1.
         ПРИМЕЧАНИЕ: Правильное завершение задачи считается, когда градусы в правом и левом глазу установлены на уровне 0,6o ± 1 стандартное отклонение. В этом исследовании были обнаружены две калибровки среди группы университетских профессоров, которые превысили критерий корректировки 0,6o ± и два участника были удалены. Таким образом, 25 участников первой выборки были сокращены до 23 участников.

Рисунок 1. Процесс калибровки слежения за глазами Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой фигуры.

3. Сессия 3: Выполнение учебной задачи
   1. Объясните участнику содержание задачи. Эксперт в области учебной психологии объясняет участнику, из чего будет состоять задача и как ее выполнить: «Видео длиной 1:14 секунды и состоит из 5 закадровые изображения. В конце участнику предлагается заполнить небольшой кроссворд, чтобы проверить, была ли понята информация, представленная в видео».
   2. Смотреть видеоклип. Видео, используемое в задаче, можно посмотреть по следующей ссылке: https://youtu.be/HlGGgrYDTFs.
      ПРИМЕЧАНИЕ: Задача состоит в просмотре видео, которое предлагает информацию о происхождении европейских монастырей. Информация была разработана специалистом, преподавателем истории искусства. Информация организована в двух каналах, один визуальный, который включает в себя изображения и письменную информацию, представленную в качестве очертания, а другой аудио один, потому что SRL специалист учитель говорит на протяжении всего видео настаивает на наиболее значительное содержание с использованием словесного акцента.
   3. Выполнение кроссворда на виртуальной платформе moodle. Нажав на значок кроссворда, участник может быть завершен на виртуальную платформу, где кроссворд может быть завершен, чтобы проверить, были ли получены знания. Кроссворд представлен на рисунке 2.

Рисунок 2. Кроссворд, чтобы проверить приобретенные знания. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

4. Сессия 4: Анализ данных
   1. Выберите области интересов (AOI). AOIs определяются в видео и делятся на AOIs, которые содержат соответствующую информацию по сравнению с AOIs, которые включают не соответствующую информацию.
      ПРИМЕЧАНИЕ: Назначение AOI реализуется экспериментатором, который решает, какие из них являются соответствующими или неактуальными AOIs в отношении представленной информации.
   2. Извлекайте базу данных, относящуюся к параметрам AOI Fixations ("Время пробного начала события", "Время окончания события" и "Продолжительность события"; "Фиксация позиции X", "Фиксация позиции Y", "Фиксация средний размер ученика", "Фиксация средний размер ученика Y px", "Фиксация Средний диаметр ученика", "Фиксация дисперсии X" и "Фиксация дисперсии Y").
   3. Импортируйте базу данных в пакет программного обеспечения статистической обработки и выберите вариант анализа, азатем классифицировать, а затем вариант K-средства кластера. Затем выберите кросс-стол в пакете статистического программного обеспечения, например SPSS, а затем опцию «ANOVA», чтобы проанализировать различия между участниками (тип групп взрослых и степень предварительного знания) в отношении их параметров AOI Fixation³¹.
      ПРИМЕЧАНИЕ: Кластерный или кластерный анализ является «неконтролируемым» методом машинного обучения, и в пределахk-означает, что это метод группировки, целью которого является разделение набора n наблюдений на k группы, в которых каждое наблюдение принадлежит группе с ближайшим средним значением. В этом эксперименте кластеризация k-meansиспользовалась для проверки кластеров участников учебной задачи. Эта корреспонденция важна, потому что она предлагает учителю или терапевту информацию о однородном функциональном развитии пользователей, которое выходит за рамки диагноза, предоставляя информацию, чтобы предложить аналогичные программы вмешательства в некоторых областях функционального развития. Ожидается, что этот вариант будет способствовать полному использованию образовательных или терапевтических услуг и их личных и материальных ресурсов.
   4. Выполните визуальный анализ данных (описательный и кластерный анализ), которые обрабатываются, используя программное обеспечение визуализации, такое как Orange³².
   5. Извлекайте данные по параметрам подробной статистики: время обитаемого времени, продолжительность взгляда, продолжительность утечки, количество взглядов, количество фиксаций, средняя фиксация и длительность затем импортируют эту базу данных в пакет статистического программного обеспечения. Выберите опцию «ANOVA» в статистическом пакете, а затем проведем визуализацию данных, которые были обработаны (средства). Используйте электронную таблицу для создания диаграммы паука и конкретных графиков баров для групп участников.
5. Сессия 5: Персонализированные предложения по обучению
   1. Выполните программу вмешательства для улучшения результатов обучения среди участников, обнаруженных в кластере анализа, из-за их более низких оценок.
      ПРИМЕЧАНИЕ: Резюме этапов, следуют в экспериментальной процедуре показано на рисунке 3.

Рисунок 3. Фазы экспериментальной процедуры. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.

Результаты

36 участников, набранных для настоящего исследования, были из трех групп взрослых (студенты из университета опыта, университетские профессора, а также студенты и магистра студенты) со возрастом от 18 до 69 лет(таблица 2). Протокол тестировался в течение 20 месяцев ?...

Обсуждение

Результаты исследования показали, что средняя продолжительность фиксации на соответствующих стимулах была больше среди участников с предыдущими знаниями. Аналогичным образом, основное внимание в этой группе уделяется средним точкам информации (проксимальной и дистальной)^7...

Материалы

Name	Company	Catalog Number	Comments
iViewer XTM	iViewer
SMI Experimenter Center 3.0	SMI
SMI Be Gaze	SMI