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

El trabajo se ha desarrollado dentro del Proyecto "Aprendizaje Autorregulado en SmartArt Erasmus+ Educación de Adultos" 2019-1-ES01-KA204-095615-Coordinador 6, financiado por la Comisión Europea. El video de la fase de finalización de la tarea contó con el consentimiento fundamentado previo de Rut Velasco Sáiz. Agradecemos la participación de profesores y estudiantes en la fase de implementación de tareas.

Este protocolo se realizó en cumplimiento de la normativa de procedimiento del Comité bioético de la Universidad de Burgos (España) nº Nº IR27/2019. Antes de su participación, los participantes habían sido plenamente conscientes de los objetivos de la investigación y todos habían dado su consentimiento informado. No recibieron ninguna compensación económica por su participación.
1. Reclutamiento de participantes
<ol><li>Reclutar participantes de entre un grupo de adultos dentro ...

<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>

Los resultados de la investigación indicaron que la duración media de la fijación en los estímulos relevantes fue más larga entre los participantes con conocimientos previos. Asimismo, el foco de atención en este grupo está en los puntos medios de información (proximal y distal)7. Los resultados de este estudio han revelado diferencias en la forma en que los participantes procesaron la información. Además, su procesamiento no siempre estuvo vinculado a la agrupación inicial (Estudiantes...

Metodología de seguimiento ocular aplicada al análisis conductual en el aprendizaje La metodología de seguimiento ocular, entre otros usos funcionales, se aplica al estudio del comportamiento humano, específicamente durante la resolución de tareas. Esta técnica facilita el seguimiento y análisis durante la realización de las tareas de aprendizaje1. En concreto, los niveles de atención de los alumnos en diferentes puntos del proceso de aprendizaje (inicio, desarrollo y fin) en diferentes materias (Historia, Matemáticas, Ciencias, etc.) se pueden estudiar con el uso de la tecnología de seguimiento ocular. Además, si la tarea incluye el uso de vídeos con una voz que guíe el proceso de aprendizaje, se facilita el Aprendizaje Autorregulado (SRL). Por lo tanto, la implementación de la tecnología de seguimiento ocular en el análisis de tareas a las que srl (que incluyen el uso de videos) se propone como un recurso significativo para entender cómo se desarrolla el aprendizaje2,3,4. Esta combinación también significará que las diferencias entre los métodos de instrucción (con o sin SRL, etc.) se pueden comprobar con diferentes tipos de estudiantes (con o sin conocimientos previos, etc.) 5.Por el contrario, la presentación de información multicanal (presentación simultánea de información tanto auditiva como visual, ya sea verbal, escrita o pictórica) puede facilitar tanto el registro como el análisis de información relevante frente a no relevante de las variables antesmencionadas 6. Los estudiantes con conocimientos previos expuestos a canales de aprendizaje multimedia parecen aprender de manera más efectiva que aquellos con poco o ningún conocimiento previo. Los estudiantes con altos niveles de conocimiento previo de la materia integrarán la información textual y gráfica de manera más efectiva7. Esta funcionalidad se ha observado en el aprendizaje de textos8 que incluyen imágenes9. La tecnología de seguimiento ocular ofrece información sobre dónde se centra la atención y durante cuánto tiempo. Estos datos dan una idea del desarrollo de un proceso de aprendizaje de una manera más precisa que a través de la simple observación del proceso de resolución durante la finalización de una tarea. Además, el análisis de estos indicadores facilita el estudio de si el alumno desarrolla un aprendizaje profundo o superficial. Además, la relación entre estos datos y los resultados del aprendizaje facilita la validación de la información obtenida con la tecnología de seguimiento ocular4,10. De hecho, esta técnica junto con el SRL se utilizan cada vez más en la Educación Superior y en la Educación de Adultos11 entornos de aprendizaje, tanto en cursos regulados como no regulados12.
La tecnología de seguimiento ocular ofrece diferentes métricas: distancia, velocidad, aceleración, densidad, dispersión, velocidad angular, transiciones entre Áreas de Interés (AOI), orden secuencial de AOI, visitas en las fijaciones, saccades, ruta de escaneo y parámetros de mapa de calor. Sin embargo, la interpretación de estos datos es compleja y requiere el uso de técnicas de clúster supervisadas (regresión, árboles de decisión, etc.) y no supervisadas (técnicas de clúster k-means, etc.) 13,14 técnicas de minería de datos. Estas métricas pueden ser aplicadas para el seguimiento del comportamiento de un mismo sujeto a lo largo del tiempo o para una comparación entre varios sujetos y su desempeño con la misma tarea15,mediante el análisis de la diferencia entre los participantes con conocimientos previos frente a los no conocimientos previos16. Investigaciones recientes11,17 han revelado que los aprendices novatos se fijan más tiempo en los estímulos (es decir, hay una mayor frecuencia de fijación mientras se registran patrones similares de trayectoria de exploración). La duración media de la fijación fue mayor para los expertos que para los novatos. Los expertos presentaron su foco de atención en los puntos medios de la información (proximal y central), diferencias que también se pueden ver en los puntos de visualización dentro del AOI en los mapas de calor.
Interpretación de métricas en el seguimiento ocular Estudios recientes18 han indicado que la adquisición de información está relacionada con el número de fijaciones oculares en los estímulos. Otra métrica importante es el saccade, que se define como el movimiento rápido y repentino de una fijación con un intervalo de [10 ms, 100 ms]. Sharafi et al. (2015)18 encontraron diferencias en el número de saccades, dependiendo de la fase de codificación de la información del estudiante. Otro parámetro relevante es el scan-path, una métrica que captura el orden cronológico de los pasos que el participante realiza para la resolución de la tarea de aprendizaje dentro de la AOI definida por el investigador18. Del mismo modo, la tecnología de seguimiento ocular se puede utilizar para predecir el nivel de comprensión del participante, que parece estar relacionado con el número de fijaciones. Estudios recientes han indicado que la variabilidad en el comportamiento de la mirada está determinada por las propiedades de la imagen (posición, intensidad, color y orientación), las instrucciones para realizar la tarea y el tipo de procesamiento de la información (estilo de aprendizaje) del participante. Estas diferencias se detectan analizando la interacción del alumno con los diferentes AOI19. Se pueden utilizar técnicas cuantitativas20 (análisis de frecuencia) y/o cualitativas o dinámicas21 (ruta de escaneo) para analizar los datos recopilados de las diferentes métricas. Las primeras técnicas se analizan con técnicas estadísticas tradicionales (análisis de frecuencia, diferencia de medias, diferencia de varianza, etc.) y las segundas se analizan con técnicas de Machine Learning (distancias euclidianas con métodos de edición de cadenas21,22,y clustering17). La aplicación de estas técnicas facilita el clustering, al considerar diferentes características de los sujetos. Un estudio17 encontró que cuanto más experto es el estudiante, más efectiva es la estrategia de procesamiento de información espacial y temporal que se implementa. Una tabla descriptiva de los parámetros de medición que se utilizaron en este estudio se puede consultar a continuación en la Tabla 1.
Tabla 1: Parámetros más representativos que se pueden obtener con la técnica de eye-tracking, adaptado de Sáiz, Zaparaín, Marticorena y Velasco (2019). 20   <a href="https://www.jove.com/files/ftp_upload/62103/Copia%20de%20JoVE_Table_1.xls" target="_blank">Haga clic aquí para descargar esta tabla.</a>
Aplicación de la metodología de seguimiento ocular al estudio del proceso de aprendizaje El uso de los avances tecnológicos y las técnicas de análisis de datos descritas anteriormente5 agregará una mayor precisión al análisis conductual de los estudiantes durante la resolución de problemas en las diferentes fases del procesamiento de la información (iniciación de tareas, procesamiento de información y resolución de tareas). Todo ello facilitará el análisis conductual individual, lo que a su vez permitirá la agrupación de estudiantes con características similares24. Asimismo, técnicas predictivas (árboles de decisión, técnicas de regresión, etc.) 25 se pueden aplicar al aprendizaje, relacionados tanto con el número de fijaciones como con los resultados de la resolución de tareas de cada estudiante. Esta funcionalidad supone un avance muy importante en el conocimiento de cómo aprende cada alumno y para la propuesta de programas de aprendizaje personalizados dentro de diferentes colectivos (personas con o sin dificultades de aprendizaje26). Por lo tanto, el uso de esta técnica contribuirá al logro de la personalización y optimización del aprendizaje27. El aprendizaje a lo largo de toda la vida debe entenderse como un ciclo de mejora continua, ya que el conocimiento de la sociedad avanza y progresa constantemente. La psicología evolutiva indica que las habilidades de resolución y la efectividad en el procesamiento de la información disminuyen con la edad. Específicamente, la frecuencia del saccade, la amplitud, y la velocidad de los movimientos de ojo entre adultos se han encontrado para disminuir con edad. Además, a edades más avanzadas, la atención se centra en las áreas inferiores de las escenas visuales, lo que se relaciona con los déficits en la memoria de trabajo14. Sin embargo, la activación aumenta en las áreas frontales y prefrontales a una edad más avanzada, lo que parece compensar estos déficits en la resolución de tareas. Este aspecto incluye el nivel de conocimiento previo y las estrategias de compensación cognitiva que el sujeto puede aplicar. Los participantes experimentados aprenden de manera más eficiente, ya que gestionan la atención de manera más efectiva, debido a la aplicación de procesos de supervisiónautomatizados 28. Además, si la información a aprender se imparte a través de técnicas de SRL, se mitigan las deficiencias antes mencionadas17. El uso de tales técnicas significa que los patrones de seguimiento visual son muy similares, tanto en sujetos sin conocimientos previos como en sujetos con conocimientos previos7.
En resumen, el análisis de los datos multimodal-multicanal sobre SRL obtenidos con el uso de tecnologías de aprendizaje avanzado (eye-tracking) es clave para comprender la interacción entre los procesos cognitivos, metacognitivos y motivacionales, y su impacto en el aprendizaje29. Los resultados y el estudio de las diferencias en el aprendizaje tienen implicaciones para el diseño de materiales de aprendizaje y sistemas de tutoría inteligentes, los cuales permitirán un aprendizaje personalizado que probablemente sea más efectivo y satisfactorio para el estudiante30.
En esta investigación, se hicieron dos preguntas de investigación: (1) ¿Habrá diferencias significativas en los resultados de aprendizaje y en los parámetros de fijación ocular entre los estudiantes y los profesores expertos versus no expertos en Historia del Arte diferenciando a los estudiantes con títulos oficiales de los estudiantes con títulos no oficiales (University of Experience - Educación de adultos)? y (2) ¿Coincidirán los grupos de cada participante con resultados de aprendizaje y parámetros de fijación ocular con el tipo de participantes (estudiantes con títulos oficiales, estudiantes con títulos no oficiales (Universidad de la Experiencia - Educación de Adultos) y profesores)?

<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

El análisis del comportamiento de los adultos que participan en tareas de aprendizaje es un desafío importante en el campo de la educación de adultos. Hoy en día, en un mundo de continuos cambios tecnológicos y avances científicos, existe una necesidad de aprendizaje y educación a lo largo de toda la vida dentro de los entornos educativos formales y no formales. En respuesta a este desafío, el uso de la tecnología de seguimiento ocular y las técnicas de extracción de datos, respectivamente, para el aprendizaje supervisado (principalmente de predicción) y no supervisado (específicamente el análisis de conglomerados), proporcionan métodos para la detección de formas de aprendizaje entre los usuarios y /o la clasificación de sus estilos de aprendizaje. En este estudio, se propone un protocolo para el estudio de los estilos de aprendizaje entre adultos con y sin conocimientos previos a diferentes edades (18 a 69 años) y en diferentes puntos a lo largo del proceso de aprendizaje (inicio y fin). Las técnicas de análisis estadístico de varianza significan que se pueden detectar diferencias entre los participantes por tipo de alumno y conocimiento previo de la tarea. Del mismo modo, el uso de técnicas de agrupamiento de aprendizaje no supervisadas arroja luz sobre formas similares de aprendizaje entre los participantes en diferentes grupos. Todos estos datos facilitarán propuestas personalizadas del profesor para la presentación de cada tarea en diferentes puntos de la cadena de tratamiento de la información. Asimismo, será más fácil para el profesor adaptar los materiales didácticos a las necesidades de aprendizaje de cada alumno o grupo de alumnos con características similares.

Los 36 participantes reclutados para el presente estudio provenían de tres grupos de adultos (estudiantes de la universidad de la experiencia, profesores universitarios y estudiantes de pregrado y maestría) con edades comprendidas entre [18 y 69] años(Tabla 2). El protocolo se probó durante 20 meses en la Universidad de Burgos. Un resumen de la evolución puede verse en la Tabla 4.
T...

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

Presentamos un protocolo para un análisis conductual de adultos (de 18 a 70 años) involucrados en procesos de aprendizaje, realizando tareas diseñadas para el Aprendizaje Autorregulado (SRL). Los participantes, profesores y estudiantes universitarios, y adultos de la Universidad de la Experiencia, fueron monitoreados con dispositivos de seguimiento ocular y los datos fueron analizados con técnicas de minería de datos.

Tecnología de seguimiento ocular y técnicas de minería de datos utilizadas para un análisis de comportamiento de adultos involucrados en procesos de aprendizaje

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

Presentamos un protocolo para el análisis conductual de adultos de 15 a 70 años involucrados en diferentes procesos. Realización de tareas asignadas para el aprendizaje autorregulado. Los participantes, profesores universitarios y estudiantes, y otros de la Universidad de la Experiencia, fueron monitoreados con dispositivos de seguimiento ocular y los datos fueron analizados con técnicas de minería de datos.Este protocolo se realizó en cumplimiento de las normas de procedimiento del comité bioético de la Universidad de Burgos, España. En esta investigación, hubo dos preguntas de investigación. Primera pregunta de investigación, ¿habrá diferencias significativas en los resultados de aprendizaje y en los parámetros de fijación ocular entre estudiantes y profesores expertos versus no expertos en historia del arte, diferenciando a los estudiantes con títulos oficiales versus estudiantes con títulos no oficiales, University of Experience educación de adultos?Y la pregunta de investigación dos:¿Coincidirán los grupos de cada participante con resultados de aprendizaje y parámetros de fijación ocular con el tipo de participantes, estudiantes con títulos oficiales, estudiantes con títulos no oficiales, educación de adultos de la Universidad de la Experiencia y profesores? Reclutamiento de participantes. Reclutar participantes de entre un grupo de adultos dentro de dos ambientes, estudiantes y profesores, con un rango de edad de 18 a 70 años en el ambiente de la educación superior, formal y no formal.Incluir al participante con visión y audición normales o corregidas a normales. Excluya a los participantes con trastornos neurológicos, psiquiátricos y del sueño, discapacidad relacionada con necesidades educativas especiales, dificultades perceptivas, problemas de visión y audición y discapacidades cognitivas. En este estudio, se trabajó en una muestra definitiva que ascendió a 39 participantes, seis estudiantes de la Universidad de la Experiencia.Un participante fue excluido en la categoría de estudiante de la Universidad de la Experiencia debido a dificultades visuales. 25 profesores universitarios en la disciplina de ciencias de la salud, ingeniería e historia y patrimonio, y nueve estudiantes de pregrado y maestría que siguen cursos de ciencias de la salud, ingeniería e historia y patrimonio. Recogida de datos, obtener el consentimiento informado.Antes de la prueba, informar a cada participante del objetivo del estudio y de la recogida, tratamiento y almacenamiento de sus datos. El acuerdo de cada participante se da mediante la firma del formulario de consentimiento informado. Luego, antes de comenzar la tarea, el entrevistador, un experto en el campo, pasa un cuestionario sobre la pregunta sobre la edad, el género, la ocupación y el conocimiento previo del tema.En este caso, el origen y desarrollo histórico de los monasterios en Europa. Procedimiento experimental. calibración. Informe al participante sobre cómo funciona la tecnología de seguimiento ocular y cómo se recopilará, registrará y calibrará la información.Se explica al participante que un escritorio válido requiere un posicionamiento adecuado. Para ello, el participante tiene que sentarse a una cierta distancia, a 45 a 60 centímetros del monitor. La distancia dependerá de la altura del participante, menor será la altura, cuanto menor sea la distancia.Se informa al participante de que aparecerán una serie de puntos en el punto cardinal de la pantalla, y que cada vez que aparezca un punto, el participante deberá observarlo con sus ojos. Tomemos el ajuste de calibración. Realizar la tarea de aprendizaje.Explicar el contenido de la tarea al participante. La tarea que aprende consiste en la explicación del origen de monasterios en Europa. La asignación se presenta en una voz en off de vídeo utilizando la metodología SRL.La información se presenta a través de canales auditivos y visuales, incluyendo texto escrito e imágenes. Mira el videoclip. Realizar el crucigrama en una plataforma virtual basada en Moodle.análisis de datos. Elija el Área de interés, AOI. Las AOIs se definen en el vídeo y se dividen en AOIs que contienen información relevante frente a AOIs que incluyen información no relevante.Extraiga la base de datos relacionada con los parámetros para las fijaciones de AOIs. Importe la base de datos, incluido un paquete de software de procesamiento estadístico, seleccione la opción Analizar y, a continuación, Clasificar, siga la opción K-Means Cluster. A continuación, seleccione la tabla cruzada en el paquete de software estadístico, por ejemplo SPSS, seguido de la opción ANOVA, para analizar las diferencias entre el participante.Realizar un análisis de visualización de los datos. Extraer los datos de los parámetros de estadísticas detalladas y hacer el análisis estadístico. Propuestas de aprendizaje personalizadas.Realizar un programa de intervención para mejorar los resultados de aprendizaje entre los participantes detectados en el análisis por conglomerados debido a sus menores puntuaciones. Resultados representativos. Los 36 participantes reclutados para el presente estudio provenían de tres grupos de estudiantes adultos de la Universidad de la Experiencia, profesores universitarios y estudiantes de pregrado y maestría con edades comprendidas entre 22 y 69 años.El protocolo se probó durante 20 meses en la Universidad de Burgos. Se analizaron los parámetros de posición de la mirada de la fijación. El grupo de hombres y mujeres en cada uno de los grupos participantes, estudiantes de la Universidad de la Experiencia, profesores universitarios y estudiantes de posgrado y maestría, cada uno completó la tarea de diferentes maneras.No se encontró ningunas diferencias significativas en parámetros unas de los de la fijación, pero una tendencia hacia las diferencias para el tamaño medio Y de la pupila de la fijación, la fijación y el diámetro medio de la pupila, y la dispersión X de la fijación fue observada, aunque con valores bajos del efecto. A continuación, se aplicó el grupo de medias clave para estudiar si había diferentes agrupaciones en el grupo de investigación inicial, con respecto a los resultados en los parámetros de posición de fijación, conocimiento previo y resultados de crucigramas. Se encontraron tres grupos.También se preparó una tabla de grupos entre los valores de grupo de una membresía de grupo asignada a cada participante con respecto al tipo de categoría de participante, estudiante de la Universidad de la Experiencia, profesores universitarios y estudiantes universitarios. Cada uno muestra la posición de los participantes dentro del clúster con respecto a los tres grupos para los parámetros de posición de fijación. Se encontraron diferencias significativas dependiendo del conocimiento de fondo, variable en la Duración de desvío 1.Analizar el tiempo de entrada, duelo y salida para cada estímulo insertado en cada AOI. Por lo tanto, se puede concluir que la forma de entrar, permanecer y salir en los diferentes AOIs fue diferente dependiendo del grupo participante variable durante la fase inicial de acceso a la información. También se encontraron diferencias en los parámetros de duración media de la fijación.Las fijaciones más largas se refieren a que los participantes pasan más tiempo analizando e interpretando el contenido de la información dentro de las diferentes AOIs. Bonferroni significa que se aplicó una prueba diferente para establecer la pertenencia al grupo, con lo que se estableció que estaban entre el grupo de estudiantes de la Universidad de la Experiencia y el grupo de profesores universitarios. Las medias fueron mayores a partir del grupo uno, Estudiantes de la Universidad de la Experiencia, donde los participantes pasan más tiempo analizando e interpretando los AOIs durante la fase de entrada de datos.A partir del resultado encontrado en este estudio, se propuso el desarrollo de un programa de aprendizaje personalizado para mejorar los resultados de aprendizaje de resolución de tareas. En este estudio, el programa se centrará en el refuerzo del concepto trabajado en el vídeo, para lo cual se realizará una ampliación y especificación de los conceptos. Los resultados obtenidos en este análisis de datos dan información al profesor para ajustar la presentación de la tarea e incluso las características de cada alumno o grupo de alumnos. Conclusiones.La presentación de la información de manera, a través de ellos utilizan el canal de información, auditiva, visual, o ambos. Con la actividad de SRL, la metodología, junto con el uso de una tecnología de seguimiento y la técnica de aprendizaje automático. Es clave para entender cómo el aprendizaje procesa la información, y para poder ofrecer un diseño de aprendizaje personalizado de acuerdo a las necesidades educativas para cada uno promover el desarrollo evaluado para el aprendizaje.

Research

JoVE Journal

Behavior

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

El Doble-H Maze: Una prueba del comportamiento robusto para el Aprendizaje y la Memoria en roedores

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 ...

Investigación

Comportamiento

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

Combinado de traslado-Box Entrenamiento con electrofisiológico corteza Grabación y estimulación como una herramienta para estudiar la percepción y aprendizaje

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

La estimulación del nervio vago como una herramienta para inducir plasticidad en vías pertinentes para el Aprendizaje Extinción

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 de control para evaluar las funciones cognitivas en pacientes con esclerosis lateral amiotrófica

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

La investigación de los procesos de aprendizaje de habilidades motoras con una robótica 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 comprensión del lenguaje visual situado: Flexibilidad y las limitaciones de descubrir efectos de contexto Visual

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

Miedo estrés mayor aprendizaje, un modelo de roedor robusto del trastorno por estrés postraumático

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

Seguimiento ocular simultáneo y grabaciones de una sola neurona en pacientes con epilepsia humana

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

Explorar la sensibilidad infantil al lenguaje visual mediante el seguimiento ocular y el paradigma de aspecto preferencial

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

Protocolo multimodal para evaluar la metacognición y la autorregulación en adultos con dificultades de aprendizaje

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