Name: eye-tracking technology and data-mining techniques used for a behavioral analysis of adults engaged in learning processes
Uploaded: 2021-06-10T14:00:00
Description: Watch this Scientific Journal Video about Eye-tracking Technology and Data-mining Techniques used for a Behavioral Analysis of Adults engaged in Learning Processes at JoVE.com

Il lavoro è stato sviluppato nell'ambito del progetto "Self-Regulated Learning in SmartArt Erasmus+ Adult Education" 2019-1-ES01-KA204-095615-Coordinator 6, finanziato dalla Commissione Europea. Il video della fase di completamento del compito aveva il previo consenso informato di Rut Velasco Sáiz. Apprezziamo la partecipazione di insegnanti e studenti alla fase di implementazione del compito.

Questo protocollo è stato eseguito nel rispetto delle norme procedurali del Comitato Bioetico dell'Università di Burgos (Spagna) nº Nº IR27/2019. Prima della loro partecipazione, i partecipanti erano stati pienamente consapevoli degli obiettivi della ricerca e avevano tutti fornito il loro consenso informato. Non hanno ricevuto alcuna compensazione finanziaria per la loro partecipazione.
1. Reclutamento dei partecipanti
<ol><li>Recluta partecipanti tra un gruppo di adulti all'interno di ...

<ol>
	<li>van Marlen, T., van Wermeskerken, M., Jarodzka, H., van Gog, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Effectiveness+of+eye+movement+modeling+examples+in+problem+solving:+The+role+of+verbal+ambiguity+and+prior+knowledge.">Effectiveness of eye movement modeling examples in problem solving: The role of verbal ambiguity and prior knowledge.</a> Learning and Instruction. 58, 274-283 (2018).</li><li>Taub, M., Azevedo, R., Bradbury, A. E., Millar, G. C., Lester, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Using+sequence+mining+to+reveal+the+efficiency+in+scientific+reasoning+during+STEM+learning+with+a+game-based+learning+environment.">Using sequence mining to reveal the efficiency in scientific reasoning during STEM learning with a game-based learning environment.</a> Learning and Instruction. 54, 93-103 (2018).</li><li>Cloude, E. B., Taub, M., Lester, J., Azevedo, R., Isotani, S., Millan, E., Ogan, A., Hastings, P., McLaren, B., Luckin, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Role+of+Achievement+Goal+Orientation+on+Metacognitive+Process+Use+in+Game-Based+Learning.">The Role of Achievement Goal Orientation on Metacognitive Process Use in Game-Based Learning.</a> Artificial Intelligence in Education. , 36-40 (2019).</li><li>Azevedo, R., Ga&#353;evi&#263;, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Analyzing+Multimodal+Multichannel+Data+about+Self-Regulated+Learning+with+Advanced+Learning+Technologies:+Issues+and+Challenges.">Analyzing Multimodal Multichannel Data about Self-Regulated Learning with Advanced Learning Technologies: Issues and Challenges.</a> Computers in Human Behavior. 96, 207-210 (2019).</li><li>S&#225;iz-Manzanares, M. C., Rodr&#237;guez-Diez, J. J., Marticorena-S&#225;nchez, R., Zapar&#237;n-Y&#225;&#241;ez, M. J., Cerezo-Men&#233;ndez, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Lifelong+learning+from+sustainable+education:+An+analysis+with+eye+tracking+and+data+mining+techniques.">Lifelong learning from sustainable education: An analysis with eye tracking and data mining techniques.</a> Sustainability. 12 (5), 2-18 (2020).</li><li>Alemdag, E., Cagiltay, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+systematic+review+of+eye+tracking+research+on+multimedia+learning.">A systematic review of eye tracking research on multimedia learning.</a> Computers &amp; Education. 125, 413-428 (2018).</li><li>Ho, H. N. J., Tsai, M. -. J., Wang, C. -. Y., Tsai, C. -. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Prior+knowledge+and+online+inquiry-based+science+reading:+evidence+from+eye+tracking.">Prior knowledge and online inquiry-based science reading: evidence from eye tracking.</a> International Journal of Science and Mathematics Education. 12, 525-554 (2014).</li><li>Catrysse, L., Gijbels, D., Donche, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=It+is+not+only+about+the+depth+of+processing:+What+if+eye+am+not+interested+in+the+text.">It is not only about the depth of processing: What if eye am not interested in the text.</a> Learning and Instruction. 58, 284-294 (2018).</li><li>Mayer, R. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Using+multimedia+for+e-learning.">Using multimedia for e-learning.</a> Journal of Computer Assisted Learning. 33 (5), 403-423 (2017).</li><li>Prokop, M., Pila&#345;, L., Tich&#225;, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Impact+of+think-aloud+on+eye-tracking:+A+comparison+of+concurrent+and+retrospective+think-aloud+for+research+on+decision-making+in+the+game+environment.">Impact of think-aloud on eye-tracking: A comparison of concurrent and retrospective think-aloud for research on decision-making in the game environment.</a> Sensors. 20 (10), (2020).</li><li>DuMouchel, W., Abello, J., Pardalos, P. M., Resende, M. G. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Data+Squashing:+Constructing+Summary+Data+Sets.">Data Squashing: Constructing Summary Data Sets.</a> Handbook of Massive Data Sets. , 579-591 (2002).</li><li>Stull, A. T., Fiorella, L., Mayer, R. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+eye-tracking+analysis+of+instructor+presence+in+video+lectures.">An eye-tracking analysis of instructor presence in video lectures.</a> Computers in Human Behavior. 88, 263-272 (2018).</li><li>K&#246;nig, S. D., Buffalo, E. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+nonparametric+method+for+detecting+fixations+and+saccades+using+cluster+analysis:+Removing+the+need+for+arbitrary+thresholds.">A nonparametric method for detecting fixations and saccades using cluster analysis: Removing the need for arbitrary thresholds.</a> Journal of Neuroscience Methods. 30 (227), 121-131 (2014).</li><li>Maltz, M., Shinar, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Eye+Movements+of+Younger+and+Older+Drivers.">Eye Movements of Younger and Older Drivers.</a> Human Factors. 41 (1), 15-25 (1999).</li><li>Burch, M., Kull, A., Weiskopf, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=AOI+rivers+for+visualizing+dynamic+eye+gaze+frequencies.">AOI rivers for visualizing dynamic eye gaze frequencies.</a> Computer Graphics Forum. 32 (3), 281-290 (2013).</li><li>Dzeng, R. -. J., Lin, C. -. T., Fang, Y. -. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Using+eye-tracker+to+compare+search+patterns+between+experienced+and+novice+workers+for+site+hazard+identification.">Using eye-tracker to compare search patterns between experienced and novice workers for site hazard identification.</a> Safety Science. 82, 56-67 (2016).</li><li>Kurzhals, K., Weiskopf, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Space-time+visual+analytics+of+eye-tracking+data+for+dynamic+stimuli.">Space-time visual analytics of eye-tracking data for dynamic stimuli.</a> IEEE Transactions on Visualization and Computer Graphics. 19 (12), 2129-2138 (2013).</li><li>Sharafi, Z., Soh, Z., Gu&#233;h&#233;neuc, Y. -. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+systematic+literature+review+on+the+usage+of+eye-tracking+in+software+engineering.">A systematic literature review on the usage of eye-tracking in software engineering.</a> Information and Software Technology. 67, 79-107 (2015).</li><li>Dalrymple, K. A., Jiang, M., Zhao, Q., Elison, J. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Machine+learning+accurately+classifies+age+of+toddlers+based+on+eye+tracking.">Machine learning accurately classifies age of toddlers based on eye tracking.</a> Scientific Reports. 9 (1), 6255 (2019).</li><li>Seifert, L., Cordier, R., Orth, D., Courtine, Y., Croft, J. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Role+of+route+previewing+strategies+on+climbing+fluency+and+exploratory+movements.">Role of route previewing strategies on climbing fluency and exploratory movements.</a> PLoS One. 12 (4), 1-22 (2017).</li><li>Takeuchi, H., Habuchi, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+quantitative+method+for+analyzing+scan+path+data+obtained+by+eye+tracker.">A quantitative method for analyzing scan path data obtained by eye tracker.</a> IEEE Symposium on Computational Intelligence and Data Mining, CIDM 2007. , 283-286 (2007).</li><li>Takeuchi, H., Matsuda, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Scan-path+analysis+by+the+string-edit+method+considering+fixation+duration.">Scan-path analysis by the string-edit method considering fixation duration.</a> 6th International Conference on Soft Computing and Intelligent Systems, and 13th International Symposium on Advanced Intelligence Systems, SCIS/ISIS 2012. , 1724-1728 (2012).</li><li>S&#225;iz, M. C., Marticorena, R., Anaiz, &. #. 1. 9. 3. ;., Zapara&#237;n, M. J., Peralbo, M., Risso, A., Barca, A., Duarte, B., Almeda, L., Brenlla, J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Task+analysis+with+eye+tracking+technology.+srl+at+Smartart.">Task analysis with eye tracking technology. srl at Smartart.</a> II Congress of the International Scientific Association of Psychopedagogy Proceedings. , 4093-4104 (2019).</li><li>Khedher, A. B., Jraidi, I., Frasson, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Tracking+Students'+Analytical+Reasoning+Using+Visual+Scan+Paths.">Tracking Students' Analytical Reasoning Using Visual Scan Paths.</a> IEEE 17th International Conference on Advanced Learning Technologies (ICALT). , 53-54 (2017).</li><li>Xia, C., Han, J., Qi, F., Shi, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Predicting+Human+Saccadic+Scanpaths+Based+on+Iterative+Representation+Learning.">Predicting Human Saccadic Scanpaths Based on Iterative Representation Learning.</a> IEEE Trans Image Process. 8 (7), 3502-3515 (2019).</li><li>Cerezo, R., Fern&#225;ndez, E., G&#243;mez, C., S&#225;nchez-Santill&#225;n, M., Taub, M., Azevedo, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multimodal+Protocol+for+Assessing+Metacognition+and+Self-Regulation+in+Adults+with+Learning+Difficulties.">Multimodal Protocol for Assessing Metacognition and Self-Regulation in Adults with Learning Difficulties.</a> Journal of Visualized Experiments. , e60331 (2020).</li><li>Scherer, R., Siddiq, F., Tondeur, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+technology+acceptance+model+(TAM):+A+meta-analytic+structural+equation+modeling+approach+to+explaining+teachers'+adoption+of+digital+technology+in+education.">The technology acceptance model (TAM): A meta-analytic structural equation modeling approach to explaining teachers' adoption of digital technology in education.</a> Computers &amp; Education. 128 (0317), 13-35 (2019).</li><li>Bruder, C., Ei&#223;feldt, H., Maschke, P., Hasse, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Differences+in+monitoring+between+experts+and+novices.">Differences in monitoring between experts and novices.</a> Proceedings of the Human Factors and Ergonomics Society Annual Meeting. 57 (1), 295-298 (2013).</li><li>Azevedo, R., Ga&#353;evi&#263;, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Analyzing+Multimodal+Multichannel+Data+about+Self-Regulated+Learning+with+Advanced+Learning+Technologies:+Issues+and+Challenges.">Analyzing Multimodal Multichannel Data about Self-Regulated Learning with Advanced Learning Technologies: Issues and Challenges.</a> Computers in Human Behavior. 96, 207-210 (2019).</li><li>Taub, M., Azevedo, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=How+Does+Prior+Knowledge+Influence+Eye+Fixations+and+Sequences+of+Cognitive+and+Metacognitive+SRL+Processes+during+Learning+with+an+Intelligent+Tutoring+System.">How Does Prior Knowledge Influence Eye Fixations and Sequences of Cognitive and Metacognitive SRL Processes during Learning with an Intelligent Tutoring System.</a> International Journal of Artificial Intelligence in Education. 29 (1), 1-28 (2019).</li><li>IBM Corp. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> SPSS Statistical Package for the Social Sciences (SPSS) (Version 24). , (2016).</li><li>. Orange Software Package Available from: <a target="_blank" href="https://orange.biolab.si/docs/">https://orange.biolab.si/docs/</a> (2020)</li></ol>

I risultati della ricerca hanno indicato che la durata media di fissazione degli stimoli pertinenti era più lunga tra i partecipanti con conoscenze precedenti. Allo stesso modo, l'attenzione su questo gruppo è rivolta ai punti intermedi dell'informazione (prossimale e distale)7. I risultati di questo studio hanno rivelato differenze nel modo in cui i partecipanti hanno elaborato le informazioni. Inoltre, la loro elaborazione non è sempre stata legata al raggruppamento iniziale (Studenti dell'Un...

Metodologia di tracciamento oculare applicata all'analisi comportamentale nell'apprendimento La metodologia di tracciamento oculare, tra gli altri usi funzionali, viene applicata allo studio del comportamento umano, in particolare durante la risoluzione delle attività. Questa tecnica facilita il monitoraggio e l'analisi durante il completamento dei compiti di apprendimento1. Nello specifico, i livelli di attenzione degli studenti in diversi punti del processo di apprendimento (inizio, sviluppo e fine) in diverse materie (Storia, Matematica, Scienze, ecc.) possono essere studiati con l'uso della tecnologia di tracciamento oculare. Inoltre, se l'attività include l'uso di video con una voce che guida il processo di apprendimento, l'apprendimento autoregolato (SRL) è facilitato. Pertanto, l'implementazione della tecnologia di eye-tracking nell'analisi dei compiti a cui SRL (che include l'uso di video) viene proposta come risorsa significativa per capire come viene sviluppatol'apprendimento 2,3,4. Questa combinazione significherà anche che le differenze tra i metodi didattici (con o senza SRL, ecc.) possono essere verificate con diversi tipi di studenti (con o senza conoscenze precedenti, ecc.) 5. Al contrario, la presentazione di informazioni multicanale (presentazione simultanea di informazioni sia uditivo che visive, verbali, scritte o pittoriche) può facilitare sia la registrazione che l'analisi di informazioni pertinenti rispetto a quelle non pertinenti delle variabili sopra menzionate6. Gli studenti con conoscenze precedenti esposte ai canali di apprendimento multimediale sembrano imparare in modo più efficace rispetto a quelli con poca o nessuna conoscenza precedente. Gli studenti con alti livelli di conoscenza preliminare della materia integreranno più efficacemente le informazioni testuali e grafiche7. Questa funzionalità è stata osservata nell'apprendimento dei testi8 che includono immagini9. La tecnologia di tracciamento oculare offre informazioni su dove si concentra l'attenzione e per quanto tempo. Questi dati forniscono informazioni sullo sviluppo di un processo di apprendimento in modo più preciso che attraverso la semplice osservazione del processo di risoluzione durante il completamento di un compito. Inoltre, l'analisi di questi indicatori facilita lo studio se lo studente sviluppa un apprendimento profondo o superficiale. Inoltre, il rapporto tra questi dati e i risultati di apprendimento facilita la validazione delle informazioni ottenute con la tecnologia ditracciamento oculare 4,10. Infatti, questa tecnica insieme a SRL sono sempre più utilizzate nell'Istruzione Superiore e negliambienti di apprendimento dell'Educazione degli Adulti 11, sia sui corsi regolamentati che su corsi nonregolamentati 12.
La tecnologia di tracciamento oculare offre diverse metriche: distanza, velocità, accelerazione, densità, dispersione, velocità angolare, transizioni tra aree di interesse (AOI), ordine sequenziale di AOI, visite nelle fissazioni, saccadi, percorso di scansione e parametri della mappa termica. Tuttavia, l'interpretazione di questi dati è complessa e richiede l'uso di supervisionati (regressione, alberi decisionali, ecc.) e non supervisionati (tecniche di cluster k-means, ecc.) 13,14 tecniche di data mining. Queste metriche possono essere applicate per monitorare il comportamento dello stesso soggetto nel tempo o per un confronto tra più soggetti e le loro prestazioni con lastessa attività 15, analizzando la differenza tra partecipanti con conoscenze precedenti rispetto a nessuna conoscenzaprecedente 16. Recenti ricerche11,17 hanno rivelato che gli apprendisti alle prime armi si fissano più a lungo sugli stimoli (cioè, c'è una maggiore frequenza di fissazione mentre vengono registrati modelli di percorso di scansione simili). La durata media della fissazione è stata più lunga per gli esperti che per i principianti. Gli esperti hanno presentato il loro focus di attenzione sui punti centrali delle informazioni (prossimali e centrali), differenze che possono essere viste anche nei punti di visualizzazione all'interno dell'AOI sulle mappe di calore.
Interpretazione delle metriche nel tracciamento oculare Recenti studi18 hanno indicato che l'acquisizione di informazioni è correlata al numero di fissazioni oculari sugli stimoli. Un'altra metrica importante è la saccade, che è definita come il movimento rapido e improvviso di una fissazione con un intervallo di [10 ms, 100 ms]. (2015)18 hanno riscontrato differenze nel numero di saccadi, a seconda della fase di codifica delle informazioni dello studente. Un altro parametro rilevante è il percorso di scansione, una metrica che acquisisce l'ordine cronologico dei passaggi che il partecipante esegue per la risoluzione dell'attività di apprendimento all'interno dell'AOI definito dal ricercatore18. Allo stesso modo, la tecnologia di tracciamento oculare può essere utilizzata per prevedere il livello di comprensione del partecipante, che sembra essere correlato al numero di fissazioni. Studi recenti hanno indicato che la variabilità nel comportamento dello sguardo è determinata dalle proprietà dell'immagine (posizione, intensità, colore e orientamento), dalle istruzioni per eseguire l'attività e dal tipo di elaborazione delle informazioni (stile di apprendimento) del partecipante. Queste differenze vengono rilevate analizzando l'interazione dello studente con i diversi AOI19. Letecniche quantitative 20 (analisi delle frequenze) e/o qualitativeo dinamiche 21 (percorso di scansione) possono essere utilizzate per analizzare i dati raccolti dalle diverse metriche. Le prime tecniche vengono analizzate con tecniche statistiche tradizionali (analisi delle frequenze, differenza media, differenza di varianza, ecc.) e le ultime vengono analizzate con tecniche di Machine Learning (distanze euclidee con metodi di modificadelle stringhe 21,22e clustering17). L'applicazione di queste tecniche facilita il raggruppamento, considerando le diverse caratteristiche dei soggetti. Uno studio17 ha rilevato che più lo studente è esperto, più efficace è la strategia di elaborazione delle informazioni spaziali e temporali implementata. Una tabella descrittiva dei parametri di misurazione utilizzati nel presente studio può essere consultata qui di seguito nella tabella 1.
Tabella 1: Parametri più rappresentativi che possono essere ottenuti con la tecnica di tracciamento oculare, adattati da Sáiz, Zaparaín, Marticorena e Velasco (2019). 20 di cui: La commissione per l'   <a href="https://www.jove.com/files/ftp_upload/62103/Copia%20de%20JoVE_Table_1.xls" target="_blank">Clicca qui per scaricare questa Tabella.</a>
Applicazione della metodologia di tracciamento oculare allo studio del processo di apprendimento L'uso dei progressi tecnologici e delle tecniche di analisi dei dati sopradescritte 5 aggiungerà maggiore precisione all'analisi comportamentale degli studenti durante la risoluzione dei problemi nelle diverse fasi dell'elaborazione delle informazioni (avvio delle attività, elaborazione delle informazioni e risoluzione delle attività). Tutto faciliterà l'analisi comportamentale individuale, che a sua volta consentirà il raggruppamento di studenti con caratteristiche simili24. Allo stesso modo, tecniche predittive (alberi decisionali, tecniche di regressione, ecc.) 25 può essere applicato all'apprendimento, relativo sia al numero di fissazioni che ai risultati di risoluzione delle attività di ogni studente. Questa funzionalità è un progresso molto importante nella conoscenza di come ogni studente impara e per la proposta di programmi di apprendimento personalizzati all'interno di diversi gruppi (persone con o senza difficoltà di apprendimento26). Pertanto, l'uso di questa tecnica contribuirà al raggiungimento della personalizzazione e dell'ottimizzazionedell'apprendimento 27. L'apprendimento lungo tutto l'arco della vita deve essere inteso come un ciclo di miglioramento continuo, poiché la conoscenza della società avanza e progredisce costantemente. La psicologia evolutiva indica che le capacità di risoluzione e l'efficacia nell'elaborazione delle informazioni diminuiscono con l'età. In particolare, la frequenza saccade, l'ampiezza e la velocità dei movimenti oculari tra gli adulti sono state trovate a diminuire con l'età. Inoltre, in età avanzata, l'attenzione è focalizzata sulle aree inferiori delle scene visive, che è correlata a deficit nella memoria di lavoro14. Tuttavia, l'attivazione aumenta nelle aree frontali e prefrontali in età avanzata, il che sembra compensare questi deficit nella risoluzione dei compiti. Questo aspetto include il livello di conoscenze precedenti e le strategie di compensazione cognitiva che il soggetto può applicare. I partecipanti esperti imparano in modo più efficiente, poiché gestiscono l'attenzione in modo più efficace, grazie all'applicazione di processi di supervisioneautomatizzati 28. Inoltre, se le informazioni da appresa vengono impartite attraverso tecniche SRL, le suddette carenze sono mitigate17. L'uso di tali tecniche significa che i modelli di tracciamento visivo sono molto simili, sia in soggetti senza conoscenze prescie presci e in materie con conoscenzeprecedenti 7.
In sintesi, l'analisi dei dati multimodali-multicanale su SRL ottenuti con l'utilizzo di tecnologie avanzate di apprendimento (eye-tracking) è fondamentale per comprendere l'interazione tra processi cognitivi, metacognitivi e motivazionali, e il loro impattosull'apprendimento 29. I risultati e lo studio delle differenze nell'apprendimento hanno implicazioni per la progettazione di materiali didattici e sistemi di tutoraggio intelligenti, che consentiranno entrambi un apprendimento personalizzato che sarà probabilmente più efficace e soddisfacente per lostudente 30.
In questa ricerca sono state poste due domande di indagine: (1) Ci saranno differenze significative nei risultati di apprendimento e nei parametri di fissazione oculare tra studenti e insegnanti esperti rispetto a quelli non esperti in Storia dell'Arte differenziando gli studenti con lauree ufficiali rispetto agli studenti con lauree non ufficiali (Università di esperienza - educazione degli adulti)? e (2) I cluster di ciascun partecipante con risultati di apprendimento e parametri di fissazione oculare coincideranno con il tipo di partecipanti (studenti con lauree ufficiali, studenti con lauree non ufficiali (Università dell'esperienza - istruzione degli adulti) e insegnanti)?

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>iViewer XTM</td>
			<td>iViewer</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>SMI Experimenter Center 3.0</td>
			<td>SMI</td>
			<td></td>
			<td></td>
		</tr>
		<tr>
			<td>SMI Be Gaze</td>
			<td>SMI</td>
			<td></td>
			<td></td>
		</tr>
	</tbody>
</table>

eye-tracking technology and data-mining techniques used for a behavioral analysis of adults engaged in learning processes

L'analisi comportamentale degli adulti impegnati in compiti di apprendimento è una sfida importante nel campo dell'educazione degli adulti. Al giorno d'oggi, in un mondo di continui cambiamenti tecnologici e progressi scientifici, c'è bisogno di apprendimento e istruzione per tutta la vita in ambienti educativi sia formali che non formali. In risposta a questa sfida, l'uso della tecnologia di tracciamento oculare e delle tecniche di data mining, rispettivamente, per l'apprendimento supervisionato (principalmente previsione) e non supervisionato (in particolare l'analisi dei cluster), fornisce metodi per il rilevamento di forme di apprendimento tra gli utenti e / o la classificazione dei loro stili di apprendimento. In questo studio, viene proposto un protocollo per lo studio degli stili di apprendimento tra adulti con e senza conoscenze precedenti a diverse età (dai 18 ai 69 anni) e in diversi punti durante tutto il processo di apprendimento (inizio e fine). Le tecniche di analisi statistica della varianza fanno sì che possano essere rilevate differenze tra i partecipanti per tipo di discente e conoscenza precedente del compito. Allo stesso modo, l'uso di tecniche di clustering di apprendimento non supervisionate getta luce su forme simili di apprendimento tra i partecipanti in diversi gruppi. Tutti questi dati faciliteranno le proposte personalizzate del docente per la presentazione di ogni compito in diversi punti della catena del trattamento delle informazioni. Sarà inoltre più facile per il docente adattare il materiale didattico alle esigenze di apprendimento di ogni studente o gruppo di studenti con caratteristiche simili.

I 36 partecipanti reclutati per il presente studio provengono da tre gruppi di adulti (studenti dell'università di esperienza, professori universitari e studenti universitari e di laurea magistrale) con età compresa tra i 18 e i 69 anni(tabella 2). Il protocollo è stato testato per oltre 20 mesi presso l'Università di Burgos. Una descrizione dello sviluppo è riportata nella tabella 4.
<stro...

Watch this Scientific Journal Video about Eye-tracking Technology and Data-mining Techniques used for a Behavioral Analysis of Adults engaged in Learning Processes at JoVE.com

Eye-tracking Technology and Data-mining Techniques used for a Behavioral Analysis of Adults engaged in Learning Processes

Presentiamo un protocollo per un'analisi comportamentale degli adulti (dai 18 ai 70 anni) impegnati in processi di apprendimento, svolgendo compiti progettati per l'apprendimento autoregolato (SRL). I partecipanti, i docenti universitari e gli studenti, e gli adulti dell'Università dell'Esperienza, sono stati monitorati con dispositivi di tracciamento oculare e i dati sono stati analizzati con tecniche di data mining.

Tecnologia di tracciamento oculare e tecniche di data mining utilizzate per un'analisi comportamentale degli adulti impegnati nei processi di apprendimento

Behavioral analysis of adults engaged in learning tasks is a major challenge in the field of adult education. Nowadays, in a world of continuous ...

Presentiamo un protocollo per l'analisi comportamentale di adulti di età dai 15 ai 70 anni impegnati in diversi processi. Svolgere compiti assegnati per l'apprendimento autoregolamento. I partecipanti, i docenti universitari e gli studenti, e altri dell'Università di Esperienza, sono stati monitorati con dispositivi di tracciamento oculare e i dati sono stati analizzati con tecniche di data mining.Questo protocollo è stato eseguito nel rispetto delle norme procedurali del comitato bioetico dell'Università di Burgos, in Spagna. In questa ricerca, ci sono state due domande di indagine. Domanda di ricerca uno, ci saranno differenze significative nei risultati di apprendimento e nei parametri di fissazione oculare tra studenti e insegnanti esperti rispetto a insegnanti non esperti in storia dell'arte, differenziando gli studenti con lauree ufficiali rispetto agli studenti con lauree non ufficiali, l'istruzione degli adulti dell'Università dell'Esperienza?E la domanda di ricerca due:I cluster di ogni partecipante con risultati di apprendimento e parametri di fissazione oculare coincideranno con il tipo di partecipanti, studenti con lauree ufficiali, studenti con lauree non ufficiali, istruzione per adulti dell'Università dell'Esperienza e insegnanti? Reclutamento dei partecipanti. Recluta partecipanti tra un gruppo di adulti all'interno di due ambienti, studenti e insegnanti, con un grado di età da 18 a 70 anni nell'ambiente dell'istruzione superiore, dell'istruzione formale e non formale.Includere il partecipante con visione e udito normali o corretti alla normale vista e all'udito. Escludere i partecipanti con disturbi neurologici, psichiatrici e del sonno, disabilità legate a bisogni speciali educativi, difficoltà percettivi, vista e udito compromessi e disabilità cognitive. In questo studio, abbiamo lavorato in un campione definitivo di 39 partecipanti, sei studenti dell'Università dell'Esperienza.Un partecipante è stato escluso nella categoria di studente dell'Università di Esperienza a causa di difficoltà visive. 25 professori universitari nella disciplina delle scienze della salute, ingegneria, storia e patrimonio, e nove studenti universitari e master che seguono corsi di scienze della salute, ingegneria, storia e patrimonio. Raccolta dati, ottenere il consenso informato.Prima della prova, informare ogni partecipante dell'obiettivo dello studio e della raccolta, trattamento e conservazione dei propri dati. L'accordo di ciascun partecipante è dato firmando il modulo di consenso informato. Quindi, prima di iniziare il compito, l'intervistatore, un esperto del settore, passa un questionario su età, sesso, occupazione e conoscenza preliminare dell'argomento.In questo caso, l'origine e lo sviluppo storico dei monasteri in Europa. Procedura sperimentale. taratura. Informare il partecipante su come funziona la tecnologia di tracciamento oculare e su come le informazioni verranno raccolte, registrate e calibrate.Al partecipante viene spiegato che una scrivania valida richiede un posizionamento adeguato. Per fare ciò, il partecipante deve sedersi a una certa distanza, da 45 a 60 centimetri dal monitor. La distanza dipenderà dall'altezza del partecipante, inferiorerà l'altezza, più breve sarà la distanza.Il partecipante viene informato che una serie di punti apparirà sul punto cardinale dello schermo e che ogni volta che appare un punto, il partecipante deve osservarlo con i suoi occhi. Prendere l'impostazione di calibrazione. Esecuzione dell'attività di apprendimento.Spiegare il contenuto dell'attività al partecipante. Il compito di apprendimento consiste nella spiegazione dell'origine dei monasteri in Europa. L'incarico è presentato in una voce fuori campo video utilizzando la metodologia SRL.Le informazioni sono presentate attraverso canali uditivi e visivi, inclusi testo scritto e immagini. Guarda il videoclip. Esecuzione del cruciverba su una piattaforma virtuale basata su Moodle.analisi dei dati. Scegli l'area di interesse, AOI. Gli AOI sono definiti nel video e sono divisi in AOI che contengono informazioni pertinenti rispetto agli AOI che includono informazioni non pertinenti.Estrarre il database relativo ai parametri per le fissazioni AOIs. Importare il database, incluso un pacchetto software di elaborazione statistica, quindi selezionare l'opzione Analizza, quindi Classifica, seguire l'opzione Cluster K-Means. Quindi selezionare la tabella trasversale nel pacchetto software statistico, ad esempio SPSS, seguita dall'opzione ANOVA, per analizzare le differenze tra il partecipante.Eseguire un'analisi di visualizzazione dei dati. Estrarre i dati dei parametri delle statistiche dettagliate e effettuare l'analisi statistica. Proposte di apprendimento personalizzate.Eseguire un programma di intervento per migliorare i risultati di apprendimento tra i partecipanti rilevati nell'analisi del cluster a causa dei punteggi più bassi. Risultati rappresentativi. 36 partecipanti reclutati per il presente studio provengono da tre gruppi di studenti adulti dell'Università di Esperienza, professori universitari e studenti universitari e di laurea magistrale con età compresa tra i 22 e i 69 anni.Il protocollo è stato testato per oltre 20 mesi presso l'Università di Burgos. Sono stati analizzati i parametri di posizione dello sguardo della fissazione. Il gruppo di uomini e donne in ciascuno dei gruppi partecipanti, studente dell'Università dell'Esperienza, insegnante universitario e studenti laureati e master, ognuno ha completato il compito in modi diversi.Non sono state riscontrate differenze significative in nessuno dei parametri di fissazione, ma è stata notata una tendenza verso differenze per la dimensione media della pupilla di fissazione Y, fissazione e diametro medio della pupilla, e dispersione di fissazione X, anche se con bassi valori di effetto. Quindi sono stati applicati i cluster di mezzi chiave per studiare se ci fossero diversi raggruppamenti nel gruppo di ricerca iniziale, per quanto riguarda i risultati nei parametri della posizione di fissazione, le conoscenze precedenti e i risultati del cruciverba. Sono stati trovati tre cluster.È stato inoltre preparato un tavolo di gruppo tra i valori di un cluster di appartenenza a un gruppo assegnato a ciascun partecipante per quanto riguarda il tipo di categoria di partecipante, studente dell'Università dell'Esperienza, professori universitari e studenti universitari. Ognuno mostra la posizione dei partecipanti all'interno del cluster rispetto ai tre gruppi per i parametri della posizione di fissazione. Differenze significative sono state trovate a seconda della conoscenza di base, variabile in Durata deviazione 1.Analisi del tempo di input, duello e uscita per ogni stimolo inserito in ogni AOI. Si può quindi concludere che il modo di entrare, rimanere e uscire nelle diverse AOI era diverso a seconda del gruppo di partecipanti variabili durante la fase iniziale dell'accesso alle informazioni. Differenze sono state riscontrate anche nei parametri della durata media di fissazione.Correzioni più lunghe si riferiscono ai partecipanti che trascorrono più tempo ad analizzare e interpretare il contenuto delle informazioni all'interno dei diversi AOI. Bonferroni significa che è stato applicato un test diverso per stabilire l'appartenenza al gruppo, con il quale è stato stabilito che erano tra il gruppo studenti dell'Università dell'Esperienza e il gruppo di professori universitari. I mezzi erano più alti rispetto al primo gruppo, gli studenti dell'Università dell'Esperienza, dove i partecipanti trascorrono più tempo ad analizzare e interpretare gli AOI durante la fase di immissione dei dati.Sulla base del risultato trovato in questo studio, lo sviluppo di un programma di apprendimento personalizzato è stato proposto per migliorare i risultati di apprendimento della risoluzione delle attività. In questo studio, il programma si concentrerà sul rafforzamento del concetto lavorato nel video, per il quale verrà effettuata un'estensione e una specifica dei concetti. I risultati ottenuti in questa analisi dei dati forniscono informazioni al docente per regolare la presentazione del compito e persino le caratteristiche di ogni discente o gruppo di discenti. Conclusioni.La presentazione delle informazioni in modo, attraverso l'uso del canale informativo, uditivo, visivo o entrambi. Con l'attività SRL, la metodologia, insieme all'utilizzo di una tecnologia di tracciamento e di una tecnica di machine learning. È fondamentale per comprendere come l'apprendimento elabora le informazioni e per essere in grado di offrire un design di apprendimento personalizzato in base alle esigenze educative per ciascuno Quindi promuovere le valute di sviluppo per l'apprendimento.

Research

JoVE Journal

Behavior

The Double-H Maze: A Robust Behavioral Test for Learning and Memory in Rodents

The Double-H labirinto: una prova comportamentale robusto per l&#39;apprendimento e la memoria nei roditori

Spatial cognition research in rodents typically employs the use of maze tasks, whose attributes vary from one maze to the next. These tasks vary by their ...

Ricerca

Comportamento

Combined Shuttle-Box Training with Electrophysiological Cortex Recording and Stimulation as a Tool to Study Perception and Learning

Combinato Shuttle-Box Training con elettrofisiologiche Cortex registrazione e stimolazione come strumento per studiare percezione e apprendimento

Shuttle-box avoidance learning is a well-established method in behavioral neuroscience and experimental setups were traditionally custom-made; the ...

Vagus Nerve Stimulation as a Tool to Induce Plasticity in Pathways Relevant for Extinction Learning

Stimolazione del nervo vago come strumento per indurre plasticità Percorsi rilevanti per l&#39;apprendimento Extinction

Extinction describes the process of attenuating behavioral responses to neutral stimuli when they no longer provide the reinforcement that has been ...

Eye-Tracking Control to Assess Cognitive Functions in Patients with Amyotrophic Lateral Sclerosis

Eye-tracking di controllo per valutare le funzioni cognitive in pazienti con Sclerosi Laterale Amiotrofica

Amyotrophic lateral sclerosis (ALS) is a neurodegenerative disorder with pathological involvement of upper and lower motoneurons, subsequently leading to ...

Investigating Motor Skill Learning Processes with a Robotic Manipulandum

Indagare abilità motorie processi di apprendimento con un robot Manipulandum

Skilled reaching tasks are commonly used in studies of motor skill learning and motor function under healthy and pathological conditions, but can be ...

Eye Tracking During Visually Situated Language Comprehension: Flexibility and Limitations in Uncovering Visual Context Effects

Eye Tracking durante la comprensione del linguaggio visivo situato: Flessibilità e limitazioni a scoprire gli effetti di contesto visivo

The present work is a description and an assessment of a methodology designed to quantify different aspects of the interaction between language processing ...

Stress-Enhanced Fear Learning, a Robust Rodent Model of Post-Traumatic Stress Disorder

Paura lo stress-Enhanced Learning, un robusto modello del roditore del disturbo da Stress post-traumatico

Fear behaviors are important for survival, but disproportionately high levels of fear can increase the vulnerability for developing psychiatric disorders ...

Simultaneous Eye Tracking and Single-Neuron Recordings in Human Epilepsy Patients

Tracciamento oculare simultaneo e registrazioni mononeurone nei pazienti affetti da epilessia umana

Intracranial recordings from patients with intractable epilepsy provide a unique opportunity to study the activity of individual human neurons during ...

Exploring Infant Sensitivity to Visual Language using Eye Tracking and the Preferential Looking Paradigm

Esplorare la sensibilità del bambino al linguaggio visivo utilizzando eye tracking e il paradigma dall'aspetto preferenziale

We discuss the use of the preferential looking paradigm in eye tracking studies in order to study how infants develop, understand, and attend to the world ...

Multimodal Protocol for Assessing Metacognition and Self-Regulation in Adults with Learning Difficulties

Protocollo multimodale per la valutazione della metacognizione e dell'autoregolamentazione negli adulti con difficoltà di apprendimento

Learning disabilities (LDs) encompass disorders of those who have difficulty learning and using academic skills, exhibiting performance below expectations ...