Summary
אנו מציגים פרוטוקול לניתוח התנהגותי של מבוגרים (בגילאי 18 עד 70) העוסקים בתהליכי למידה, תוך ביצוע משימות המיועדות ללמידה עצמית (SRL). המשתתפים, מורים באוניברסיטה וסטודנטים, ומבוגרים מאוניברסיטת הניסיון, היו במעקב עם מכשירי מעקב אחר העיניים והנתונים נותחו בטכניקות כריית נתונים.
Abstract
ניתוח התנהגותי של מבוגרים העוסקים במשימות למידה הוא אתגר מרכזי בתחום החינוך למבוגרים. כיום, בעולם של שינויים טכנולוגיים מתמשכים והתקדמות מדעית, יש צורך בלמידה וחינוך לכל החיים בסביבות חינוכיות פורמליות ולא פורמליות כאחד. בתגובה לאתגר זה, השימוש בטכנולוגיית מעקב עיניים וטכניקות כריית נתונים, בהתאמה, ללמידה מפוקחת (בעיקר חיזוי) בלתי מפוקחת (במיוחד ניתוח אשכולות), מספק שיטות לגילוי צורות למידה בקרב משתמשים ו/או לסיווג סגנונות הלמידה שלהם. במחקר זה מוצע פרוטוקול לחקר סגנונות למידה בקרב מבוגרים עם וללא ידע קודם בגילאים שונים (בני 18 עד 69) ובנקודות שונות לאורך כל תהליך הלמידה (התחלה וסוף). טכניקות ניתוח סטטיסטי של שונות פירושן שניתן לזהות הבדלים בין המשתתפים לפי סוג הלומד לבין ידע קודם של המשימה. כמו כן, השימוש בטכניקות קיבוץ באשכולות למידה ללא השגחה זורק אור על צורות למידה דומות בקרב המשתתפים בקבוצות שונות. כל הנתונים הללו יאפשרו הצעות מותאמות אישית מהמורה להצגת כל משימה בנקודות שונות בשרשרת עיבוד המידע. כמו כן יהיה קל יותר למורה להתאים את חומרי ההוראה לצרכי הלמידה של כל תלמיד או קבוצת תלמידים בעלי מאפיינים דומים.
Introduction
מתודולוגיית מעקב אחר העיניים החלה על ניתוח התנהגותי בלמידה
מתודולוגיית מעקב אחר העיניים, בין שימושים פונקציונליים אחרים, מוחלת על חקר ההתנהגות האנושית, במיוחד במהלך פתרון המשימה. טכניקה זו מאפשרת ניטור וניתוח במהלך השלמת משימות למידה1. באופן ספציפי, ניתן ללמוד את רמות הקשב של התלמידים בנקודות שונות של תהליך הלמידה (התחלה, פיתוח וסיום) במקצועות שונים (היסטוריה, מתמטיקה, מדעים וכו ') תוך שימוש בטכנולוגיית מעקב אחר העיניים. בנוסף, אם המשימה כוללת שימוש בסרטונים עם קול המנחה את תהליך הלמידה, למידה מווסתת עצמית (SRL) מתאפשרת. לכן, היישום של טכנולוגיית מעקב אחר העיניים בניתוח של משימות אשר SRL (הכוללים את השימוש בסרטונים) מוצע כמשאב משמעותי כדי להבין כיצד הלמידה מפותחת2,3,4. שילוב זה גם אומר כי ההבדלים בין שיטות הדרכה (עם או בלי SRL, וכו ') ניתן לבדוק עם סוגים שונים של תלמידים (עם או בלי ידע מוקדם, וכו ') 5. לעומת זאת, הצגת מידע רב ערוצי (הצגה בו זמנית של מידע שמיעתי וויזואלי, בין אם מילולי, כתוב או ציורי) יכולה להקל הן על ההקלטה והן על ניתוח המידע הרלוונטי לעומת הלא רלוונטי מהמשתנים הנ"ל6. תלמידים עם ידע מוקדם שנחשף לערוצי למידה מולטימדיה נראה ללמוד בצורה יעילה יותר מאשר אלה עם ידע מוקדם מעט או ללא ידע קודם. תלמידים עם רמות גבוהות של ידע מוקדם בנושא ישלבו מידע טקסטואלי וגרפי בצורה יעילה יותר7. פונקציונליות זו נצפתה בלמידה של טקסטים8 הכוללים תמונות9. טכנולוגיית מעקב אחר העיניים מציעה מידע על המקום שבו תשומת הלב ממוקדת ולכמה זמן. נתונים אלה נותנים תובנה על התפתחות תהליך למידה בצורה מדויקת יותר מאשר באמצעות התבוננות פשוטה של תהליך הרזולוציה במהלך השלמת משימה. כמו כן, הניתוח של אינדיקטורים אלה מקל על המחקר אם התלמיד מפתח למידה עמוקה או שטחית. יתר על כן, הקשר בין נתונים אלה לבין תוצאות הלמידה מקל על אימות המידע המתקבל עם טכנולוגיית מעקב אחר העיניים4,10. למעשה, טכניקה זו יחד עם SRL משמשים יותר ויותר בהשכלה גבוהה ובחינוך למבוגרים11 סביבות למידה, הן על מוסדר והן על קורסים שאינם מוסדרים12.
טכנולוגיית מעקב אחר העיניים מציעה מדדים שונים: מרחק, מהירות, תאוצה, צפיפות, פיזור, מהירות זוויתית, מעברים בין תחומי עניין (AOI), סדר רציף של AOI, ביקורים בקיבעון, סקאדות, נתיב סריקה ופרמטרים של מפת חום. עם זאת, הפרשנות של נתונים אלה מורכבת ומחייבת שימוש בפיקוח (רגרסיה, עצי החלטה וכו') ותוקפים ללא השגחה (טכניקות אשכול k-means וכו') 13,14 טכניקות כריית נתונים. ניתן ליישם מדדים אלה לניטור אופן הפעולה של אותו נושא לאורך זמן או להשוואה בין מספר נושאים והביצועים שלהם עם אותה משימה15, על ידי ניתוח ההבדל בין משתתפים עם ידע קודם לעומת לא ידע קודם16. מחקר שנערך לאחרונה11,17 גילה כי חניכים טירון להתקבע זמן רב יותר על הגירויים (כלומר, יש תדירות קיבעון גדולה יותר בעוד דפוסי נתיב סריקה דומים נרשמים). משך הקיבעון הממוצע היה ארוך יותר עבור מומחים מאשר עבור טירונים. המומחים הציגו את מוקד תשומת הלב שלהם על נקודות האמצע של המידע (קרוב ומרכזי), הבדלים שניתן לראות גם בנקודות ההדמיה בתוך AOI על מפות החום.
פרשנות מדדים במעקב אחר העיניים
מחקריםאחרונים 18 הראו כי רכישת מידע קשורה למספר קיבעון העין על הגירויים. מדד חשוב נוסף הוא ה-saccade, המוגדר כתנועה מהירה ופתאומית של קיבעון עם מרווח של [10 אלפיות השנייה, 100 אלפיות השנייה]. שרפי ואח ' (2015)18 מצאו הבדלים במספר הסאקאדות, בהתאם לשלב קידוד המידע של התלמיד. פרמטר רלוונטי נוסף הוא נתיב הסריקה, מדד הלוכד את הסדר הכרונולוגי של השלבים שהמשתתף מבצע לפתרון משימת הלמידה בתוך AOI שהוגדר על ידי החוקר18. באופן דומה, ניתן להשתמש בטכנולוגיית מעקב אחר העיניים כדי לחזות את רמת ההבנה של המשתתף, שנראית קשורה למספר הקיבעון. מחקרים שנעשו לאחרונה הצביעו על כך שהשונות בהתנהגות המבט נקבעת על-ידי מאפייני התמונה (מיקום, עוצמה, צבע וכיוון), ההוראות לביצוע המשימה וסוג עיבוד המידע (סגנון הלמידה) של המשתתף. הבדלים אלה מזוהים על ידי ניתוח האינטראקציה של התלמיד עם AOI19 שונה. ניתן להשתמש בטכניקות כמותיות20 (ניתוח תדירות) ו/או איכותיות או דינמיות21 (נתיב סריקה) כדי לנתח את הנתונים שנאספו מהמדדים השונים. הטכניקות הקיימות מנותחות בטכניקות סטטיסטיות מסורתיות (ניתוח תדירות, הפרש ממוצע, הפרשי שונות וכו ') והן מנותחות בטכניקות למידת מכונה (מרחקים אוקלידיים עם שיטות עריכתמחרוזות 21,22וקיבוץ באשכולות17). היישום של טכניקות אלה מקל על קיבוץ באשכולות, על ידי התחשבות במאפיינים שונים של הנושאים. מחקר אחד17 מצא כי ככל שהסטודנט מומחה יותר, כך אסטרטגיית עיבוד המידע המרחבית והטמפורלית היעילה יותר מיושמת. טבלה תיאורית של פרמטרי המדידה ששימשו במחקר זה ניתן להתייעץ להלן בטבלה 1.
טבלה 1: רוב הפרמטרים הייצוגיים שניתן להשיג בטכניקת מעקב העיניים, המותאמים מסאיז, זפאריין, מרטיקורנה ולסקו (2019). 20 לחץ כאן כדי להוריד טבלה זו.
יישום מתודולוגיית המעקב אחר העיניים לחקר תהליך הלמידה
השימוש בהתקדמות הטכנולוגית ובטכניקות ניתוח הנתונים המתוארות לעיל5 יוסיף דיוק רב יותר לניתוח התנהגותי של הלומדים במהלך פתרון בעיות בשלבים השונים של עיבוד מידע (ייזום משימות, עיבוד מידע ופתרון משימות). כל זה יאפשר ניתוח התנהגותי אישי, אשר בתורו יאפשר קיבוץ של תלמידים עם מאפיינים דומים24. כמו כן, טכניקות חיזוי (עצי החלטה, טכניקות רגרסיה וכו ') 25 ניתן להחיל על למידה, הקשורים הן למספר הקיבעון והן לתוצאות פתרון המשימה של כל תלמיד. פונקציונליות זו היא התקדמות חשובה מאוד בידע על האופן שבו כל תלמיד לומד ועל ההצעה של תוכניות למידה מותאמות אישית בתוך קבוצות שונות (אנשים עם או בלי קשיי למידה26). לכן, השימוש בטכניקה זו יתרום להשגת התאמה אישית ואופטימיזציה של למידה27. יש להבין למידה לכל החיים כמעגל של שיפור מתמשך, שכן הידע של החברה מתקדם ומתקדם ללא הרף. הפסיכולוגיה האבולוציונית מצביעה על כך שכישורי הרזולוציה והיעילות בעיבוד מידע יורדים עם הגיל. באופן ספציפי, תדירות saccade, משרעת, ומהירות של תנועות עיניים בקרב מבוגרים נמצאו לרדת עם הגיל. בנוסף, בגילאים מבוגרים יותר, תשומת הלב מתמקדת באזורים הנמוכים יותר של סצינות חזותיות, הקשורות לגירעונות בזיכרון העבודה14. עם זאת, ההפעלה גדלה באזורים הקדמיים והקדם-פרונטליים בגיל מבוגר יותר, מה שנראה כפצה על גירעונות אלה בפתרון משימות. היבט זה כולל את רמת הידע הקודם ואת אסטרטגיות הפיצוי הקוגניטיבי שהנושא יכול ליישם. משתתפים מנוסים לומדים בצורה יעילה יותר, שכן הם מנהלים את תשומת הלב בצורה יעילה יותר, בשל היישום של תהליכי פיקוח אוטומטיים28. בנוסף, אם המידע שיש ללמוד מוענק באמצעות טכניקות SRL, הליקויים הנ"ל הם הקלה17. השימוש בטכניקות כאלה פירושו כי דפוסי מעקב חזותי דומים מאוד, הן בנושאים ללא ידע מוקדם והן בנושאים עם ידע מוקדם7.
לסיכום, ניתוח נתונים רב-ערוציים על SRL המתקבלים עם שימוש בטכנולוגיות למידה מתקדמות (מעקב אחר העיניים) הוא המפתח להבנת האינטראקציה בין תהליכים קוגניטיביים, מטא-קוגניטיביים ומוטיבציוניים, והשפעתם על למידה29. לתוצאות ולחקר ההבדלים בלמידה יש השלכות על עיצוב חומרי למידה ומערכות לימוד חכמות, שתיהן יאפשרו למידה מותאמת אישית שעשויה להיות יעילה ומשביעות רצון יותר עבור התלמיד30.
במחקר זה נשאלו שתי שאלות חקירה: (1) האם יהיו הבדלים משמעותיים בתוצאות הלמידה ובפרמטרים של קיבעון עיני בין תלמידים למורים מומחים לעומת מורים שאינם מומחים בתולדות האמנות המבדילים תלמידים בעלי תארים רשמיים לעומת סטודנטים בעלי תארים לא רשמיים (אוניברסיטת ניסיון - חינוך מבוגרים)? ו-(2) האם אשכולות של כל משתתף עם תוצאות למידה ופרמטרים של קיבעון עיני חופפים לסוג המשתתפים (סטודנטים בעלי תארים רשמיים, סטודנטים בעלי תארים לא רשמיים (אוניברסיטת ניסיון - חינוך מבוגרים) ומורים)?
Subscription Required. Please recommend JoVE to your librarian.
Protocol
פרוטוקול זה בוצע בהתאם לתקנות הפרוצדורליות של הוועדה הביואתית של אוניברסיטת בורגוס (ספרד) nº Nº IR27/2019. לפני השתתפותם, המשתתפים היו מודעים לחלוטין למטרות המחקר וכולם סיפקו את הסכמתם מדעת. הם לא קיבלו שום פיצוי כספי על השתתפותם.
1. גיוס משתתפים
- גייסו משתתפים מקרב קבוצת מבוגרים בשתי סביבות (סטודנטים ומורים), בני 18 עד 69 בסביבה של השכלה גבוהה (השכלה פורמלית ולא פורמלית).
- כלול משתתפים בעלי ראייה ושמיעה רגילים או מתוקנים לנורמליים.
- להוציא משתתפים עם הפרעות נוירולוגיות, פסיכיאטריות ושינה, מוגבלויות הקשורות לצרכים חינוכיים מיוחדים, קשיים תפיסתיים (ראייה ושמיעה לקויים) ומוגבלות קוגניטיבית.
הערה: במחקר זה עבדנו עם מדגם של 40 משתתפים, 6 סטודנטים מאוניברסיטת הניסיון (משתתף אחד הוחרג בקטגוריית הסטודנטים מהאוניברסיטה בגלל קשיים חזותיים), 25 פרופסורים באוניברסיטאות בתחום מדעי הבריאות, הנדסה והיסטוריה ומורשת, ו -9 סטודנטים לתואר ראשון ושני בעקבות קורסים במדעי הבריאות, הנדסה, היסטוריה ומורשת. למשתתפים לא היו בעיות קוגניטיביות, שמיעתיות או חזותיות, ולכולם היה ראייה נורמלית או מתוקנת לנורמלית (לוח 2). לכן, אחד המשתתפים חוסל לפני תחילת הניסוי כי ניסטגמוס זוהה עליו ולכן המשימה הוחלה על מדגם של 39 משתתפים. המשתתפים לא קיבלו שום פיצוי כספי או מקצועי; לכן המוטיבציה של המשתתפים הייתה גבוהה מכיוון שהיא התבססה רק על האינטרס שלהם לדעת כיצד שיטת מעקב עיניים זו פועלת במהלך תהליך למידה הקשור למורשת תרבותית, במיוחד מקור המנזרים האירופיים.
שולחן 2. מאפייני המדגם. לחץ כאן כדי להוריד טבלה זו.
2. הליך ניסיוני
- מושב 1: איסוף הסכמה מדעת, נתונים אישיים וידע רקע
- קבל הסכמה מדעת. לפני הבדיקה, ליידע כל משתתף של מטרות המחקר ואת איסוף, טיפול, ואחסון של הנתונים שלהם. ההסכם של כל משתתף ניתן על ידי חתימה על טופס ההסכמה מדעת.
הערה: ההשתתפות במחקר זה הייתה התנדבותית ולא היה תגמול כספי. היבט זה הבטיח כי להשלמת המשימות לא הייתה מוטיבציה כלכלית. לפני תחילת המשימה, המראיין, מומחה בתחום, ממלא שאלון בשאלות על גיל, מין, עיסוק וידע מוקדם בנושא, במקרה זה, המקור וההתפתחות ההיסטורית של המנזרים באירופה (ראו טבלה 3). מחקר זה הוא חלק מפרויקט אירופי (2019-1-ES01-KA204-095615-Coordinator 6) על למידה למבוגרים על המורשת התרבותית של האנושות לאורך כל החיים; לכן סוג זה של משימה נבחר. כל חוקר יבחר את הנושא בהתאם לשדה העבודה שלו.
- קבל הסכמה מדעת. לפני הבדיקה, ליידע כל משתתף של מטרות המחקר ואת איסוף, טיפול, ואחסון של הנתונים שלהם. ההסכם של כל משתתף ניתן על ידי חתימה על טופס ההסכמה מדעת.
שולחן 3. שאלון ראיון. לחץ כאן כדי להוריד טבלה זו.
- מושב 2: כיול
- הודע למשתתף כיצד פועלת טכנולוגיית המעקב אחר העיניים וכיצד המידע ייאסף ויתועד וניתן לכייל: "נשתמש בטכנולוגיית מעקב עיניים כדי לבחון את השלמת משימת הלמידה על המקור ופיתוח המנזרים האירופיים. מעקב אחר העיניים הוא טכנולוגיה המאפשרת לך לעקוב אחר המבט שלך בזמן שאתה מבצע את הפעילות ואין לה תופעות לוואי, וגם לא פולשנית, שכן במחקר זה רק מעקב אחר העיניים נרשם".
- הסבר למשתתף שבדיקה תקפה דורשת מיקום תקין. יש למשתתף לשבת במרחק מסוים [45 עד 60 ס"מ] מהצג. המרחק יהיה תלוי בגובה המשתתף, ככל שהגובה נמוך יותר, כך המרחק קצר יותר.
- הודע למשתתף כי סדרה של נקודות תופיע בנקודות הקרדינליות של המסך וכי כמו כל נקודה מופיעה המשתתף חייב להתבונן בו בעיניים. המשתתף יכול לעבור מנקודה אחת לאחרת באמצעות הסמן "enter". שלב הכיול הוא בעל משך של 10-15 דקות.
הערה: iViewer XTM, מרכז הניסויים SMI 3.0 ו- SMI Be Gaze וצג ברזולוציה של 1680×1050 שימשו לתרגיל רזולוציית המשימה. ציוד זה רושם תנועות עיניים, הקואורדינטות שלהם, וקטרי אישונים של כל עין. במחקר זה הוחלו 60 הרץ, נעשה שימוש במדדי נתיב סריקה ומדדי נתיב סריקה דינאמיים ונקבעו סטטיסטיקות AOI. - בדוק את הגדרת הכיול. בעל המקצוע המפקח על הבדיקה מנתח את הגדרת הכיול במסך הבקרה.
- בצע כיול באמצעות מערכת הכיול הכלולה ב-iViewer XTM למעקב אחר העיניים. לפני תחילת משימה זו, כל משתתף מבין המשך פעולה חזותי של ארבע נקודות על המסך לארבע הפינות (למעלה מימין, למעלה-שמאלה, למטה-ימין, למטה-שמאלה). לאחר מכן, התוכנה יש תהליך אימות ביצוע של המיקום הנכון של גירויים אלה ונותן מידע על התאמת הפרמטר במעלות. אם התאמה זו ממוקמת בין 0.6º ± 1 בעין ימין ושמאל, היא נחשבת כי הכיול נכון, וביצוע המשימה מתחיל. דוגמה לתהליך ניתנת לאימות באיור 1.
הערה: השלמת משימה נכונה נחשבת כאשר המעלות בעין ימין ושמאל מוגדרות על 0.6º ± 1 סטיית תקן. במחקר זה התגלו שני כיולים בקרב קבוצת הפרופסורים באוניברסיטאות שחרגו מקריטריון ההתאמה של 0.6 מעלות ± 1 ושני משתתפים הוסרו אפוא. לפיכך, 25 המשתתפים במדגם הראשון צומצמו ל-23 משתתפים.
- בצע כיול באמצעות מערכת הכיול הכלולה ב-iViewer XTM למעקב אחר העיניים. לפני תחילת משימה זו, כל משתתף מבין המשך פעולה חזותי של ארבע נקודות על המסך לארבע הפינות (למעלה מימין, למעלה-שמאלה, למטה-ימין, למטה-שמאלה). לאחר מכן, התוכנה יש תהליך אימות ביצוע של המיקום הנכון של גירויים אלה ונותן מידע על התאמת הפרמטר במעלות. אם התאמה זו ממוקמת בין 0.6º ± 1 בעין ימין ושמאל, היא נחשבת כי הכיול נכון, וביצוע המשימה מתחיל. דוגמה לתהליך ניתנת לאימות באיור 1.
איור 1. תהליך של כיול מעקב אחר העיניים אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
- מושב 3: ביצוע משימת הלמידה
- הסבר את תוכן המשימה למשתתף. מומחה לפסיכולוגיה מנחה מסביר למשתתף מה תהיה המשימה וכיצד לבצע אותה: "הסרטון באורך 1:14 שניות ומורכב מ-5 קריינות. בסוף, המשתתף מוזמן להשלים תשבץ קטן כדי לבדוק שהמידע המוצג בסרטון הובן".
- צפה בסרטון הווידאו. ניתן להציג את הווידאו המשמש במשימה בקישור הבא: https://youtu.be/HlGGgrYDTFs.
הערה: המשימה מורכבת מצפייה בסרטון המציע מידע על מקורות המנזרים האירופיים. המידע הורחב על ידי מומחה, מורה לתולדות האמנות. המידע מאורגן בשני ערוצים, אחד חזותי הכולל תמונות ומידע כתוב המוצג כקווי מתאר ועוד אודיו אחד כי מורה מומחה SRL מדבר לאורך כל הסרטון מתעקש על התוכן המשמעותי ביותר באמצעות דגש מילולי. - ביצוע התשבץ בפלטפורמה וירטואלית מבוססת Moodle. לחיצה על סמל התשבץ לוקחת את המשתתף לפלטפורמה וירטואלית שבה ניתן להשלים את התשבץ, כדי לבדוק אם הידע נרכש. התשבץ מוצג באיור 2.
איור 2. תשבץ כדי לבדוק את הידע שנרכש. לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
- מושב 4: ניתוח נתונים
- בחר את תחומי העניין (AOI). AOIs מוגדרים בווידאו ומחולקים ל- AOIs המכילים מידע רלוונטי לעומת AOIs הכוללים מידע לא רלוונטי.
הערה: הקצאת ה- AOI ממומשת על-ידי הנסיין שמחליט מהם ה- AOIs הרלוונטיים או הלא רלוונטיים ביחס למידע המוצג. - חלץ את מסד הנתונים הקשור לפרמטרים עבור קיבועי AOI ("זמן ניסיון של התחלת אירוע", "זמן ניסיון של סיום אירוע" ו"משך אירוע"; "מיקום קיבוע X", "מיקום קיבוע Y", "קיבוע גודל אישון ממוצע", "קיבוע גודל אישון ממוצע Y px", "קיבוע קוטר אישון ממוצע", "פיזור קיבוע X" ו"פיזור קיבוע Y").
- יבא את מסד הנתונים לחבילת תוכנת עיבוד סטטיסטית ובחר את האפשרות לנתח ולאחר מכן לסווג, ואחריו את אפשרות k-means אשכול. לאחר מכן בחר טבלה צולבת בחבילת התוכנה הסטטיסטית, לדוגמה SPSS, ואחריה האפשרות 'ANOVA', כדי לנתח את ההבדלים בין המשתתפים (סוג קבוצות מבוגרים ומידת ידע קודם) ביחס לפרמטרי הקיבוע AOI שלהם31.
הערה: קיבוץ באשכולות או ניתוח אשכולות היא טכניקת למידת מכונה 'ללא השגחה', ובתוך k-means, זוהי שיטת קיבוץ, שמטרתה לחלק קבוצה של תצפיות n לקבוצות k, שבהן כל תצפית שייכת לקבוצה עם הערך הממוצע הקרוב ביותר. בניסוי זה, k-פירושו קיבוץ באשכולות שימש לבדיקת אשכולות המשתתפים במשימת הלמידה. התכתבות זו חשובה, משום שהיא מציעה למורה או למטפל מידע על ההתפתחות התפקודית ההומוגנית של משתמשים החורגת מהאבחון, ומספקת מידע להציע תוכניות התערבות דומות בתחומים מסוימים של התפתחות תפקודית. אפשרות זו צפויה לאפשר שימוש מלא בשירות החינוכי או הטיפולי ובמשאביו האישיים והחומריים. - בצע ניתוח תצוגה חזותית של הנתונים (ניתוח תיאורי ואשכולות) המעובדים, באמצעות תוכנת תצוגה חזותית כגון Orange32.
- חלץ את הנתונים על הפרמטרים של סטטיסטיקה מפורטת: זמן השתהות, משך מבט מהיר, משך הסחה, ספירת מבטים, ספירת קיבוע, קיבעון ממוצע ומשך זמן ולאחר מכן יבא מסד נתונים זה לחבילת תוכנה סטטיסטית. בחר את האפשרות 'ANOVA' בחבילה הסטטיסטית ולאחר מכן בצע ניתוח תצוגה חזותית של הנתונים שעובדו (אמצעים). השתמש בגיליון האלקטרוני כדי ליצור תרשים עכביש וגרפי עמודות ספציפיים עבור קבוצות המשתתפים.
- בחר את תחומי העניין (AOI). AOIs מוגדרים בווידאו ומחולקים ל- AOIs המכילים מידע רלוונטי לעומת AOIs הכוללים מידע לא רלוונטי.
- מושב 5: הצעות למידה מותאמות אישית
- בצע תוכנית התערבות לשיפור תוצאות הלמידה בקרב המשתתפים שזוהו בניתוח האשכול, בשל הציונים הנמוכים שלהם.
הערה: סיכום השלבים שלאחר מכן בהליך הניסיוני מוצג באיור 3.
- בצע תוכנית התערבות לשיפור תוצאות הלמידה בקרב המשתתפים שזוהו בניתוח האשכול, בשל הציונים הנמוכים שלהם.
איור 3. שלבי ההליך הניסיוני. לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
36 המשתתפים שגויסו למחקר הנוכחי היו משלוש קבוצות של מבוגרים (סטודנטים מאוניברסיטת הניסיון, פרופסורים באוניברסיטאות וסטודנטים לתואר ראשון ושני) בגילאים הנעים בין 18 ל-69 שנים (לוח 2). הפרוטוקול נבדק במשך 20 חודשים באוניברסיטת בורגוס. את קווי המתאר של הפיתוח ניתן לראות בטבלה 4.
שולחן 4. מתווה ההתפתחות של פרוטוקול ניתוח התנהגות הלמידה. לחץ כאן כדי להוריד טבלה זו.
ראשית, הפרמטרים של מיקום המבט של הקיבעון נותחו (טבלה 5). במחקר זה, באמצעות וידאו, שעת ההתחלה והסיום הייתה זהה עבור כל המשתתפים: להתחיל 0 ms ולסיים 1:14 s, משך 1:14 s.
שולחן 5. תוצאות פרמטר קיבועים. לחץ כאן כדי להוריד טבלה זו.
איור 4 מציג גרף של המשימות שפותחו על-ידי שלוש הקבוצות ביחס לפרמטרי הקיבעון. קבוצת הגברים והנשים בכל אחת מהקבוצות המשתתפות (סטודנטים מאוניברסיטת הניסיון, מורים באוניברסיטאות וסטודנטים לתארים מתקדמים ותואר שני) השלימה כל אחת את המשימות בדרכים שונות.
איור 4. גרף של שלוש הקבוצות ופיתוח המשימה הקשורה לפרמטרי הקיבעון. לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
לאחר מכן הוחלה ANOVA בעלת אפקטים קבועים דו-גורמיים (סוג משתתף וידע קודם) כדי לבדוק אם קיימים הבדלים משמעותיים בפרמטרים של עמדות הקיבעון בין שלוש הקבוצות (סטודנטים מאוניברסיטת הניסיון, פרופסורים באוניברסיטה וסטודנטים באוניברסיטה). לא נמצאו הבדלים משמעותיים באף אחד מהפרמטרים של הקיבעון, אך נרשמה מגמה של הבדלים עבור קיבוע גודל אישון ממוצע Y, קיבוע קוטר ממוצע של אישון ופיזור קיבוע X, אם כי עם ערכי אפקט נמוכים (ראה טבלה 6).
שולחן 6. ANOVA בעל אפקטים קבועים דו-גורמיים (סוג משתתף וידע קודם) וערך אפקט. לחץ כאן כדי להוריד טבלה זו.
לאחר מכן, אשכול k-means הוחל כדי ללמוד אם היו קבוצות שונות בקבוצת המחקר הראשונית (סטודנטים מאוניברסיטת הניסיון, פרופסורים באוניברסיטה וסטודנטים באוניברסיטה) ביחס לתוצאות הפרמטרים של עמדות קיבוע, ידע קודם ותוצאות התשבץ. נמצאו שלושה אשכולות (לוח 7). איור 5ניתן לראות תצוגה חזותית של האשכולות .
שולחן 7. מרכזי אשכולות סופיים. לחץ כאן כדי להוריד טבלה זו.
לאחר מכן, הוכן טבלה צולבת בין הערכים של אשכול החברות הקבוצתית שהוקצה לכל משתתף ביחס לסוג הקטגוריה של משתתף (סטודנטים מאוניברסיטת הניסיון, פרופסורים באוניברסיטאות וסטודנטים באוניברסיטה) (טבלה 8). איור 5 מציג את מיקום המשתתפים באשכולות ביחס לשלוש הקבוצות עבור הפרמטרים של מיקום הקיבעון.
שולחן 8. משתתף * מספר אשכול של הצלבת אירוע. לחץ כאן כדי להוריד טבלה זו.
ANOVA בעלת השפעה קבועה דו-שלבית, "קבוצת משתתפים" ו"רקע", בוצעה עבור פרמטרי מדידת מעקב העיניים הבאים: זמן השתהות, משך מבט מהיר, משך הסחה, ספירת מבטים, ספירת קיבוע, ממוצע ומשך שהושגו בשלב התחלת הפעילות (שקופית 1) ובשלב סיום הפעילות (שקופית 5) (טבלה 6). נמצאו הבדלים משמעותיים בהתאם למשתנה הידע ברקע במשך הסחה 1 (ניתוח זמן הקלט, השהות והפלט עבור כל גירוי שהוכנס לכל AOI). לפיכך ניתן להסיק כי הדרך להיכנס, להישאר ולצאת ב- AOIs השונים הייתה שונה, בהתאם למשתנה "קבוצת משתתפים" במהלך השלב הראשוני שלגישהלמידע (F2 ,32 = 4.07, p = 0.03, η2 = 0.23). נמצאו גם הבדלים בפרמטר משך קיבוע ממוצע (קיבועים ארוכים יותר מתייחסים למשתתף המקדיש זמן רב יותר לניתוח ופירוש תוכן המידע בתוך AOIs השונים (F2,32 = 3.53, p = 0.04, η2 = 0.21). מבחן ההבדל הממוצע של Bonferroni הוחל כדי להקים חברות בקבוצה, שבה נקבע כי הם היו בין הקבוצה (סטודנטים באוניברסיטת ניסיון) לבין הקבוצה של פרופסורים באוניברסיטה [הבדל ממוצע = 0.04, p = 0.04 CI 95% (0.03-2.75)]. האמצעים היו גבוהים יותר עבור קבוצה 1 (סטודנטים מאוניברסיטת הניסיון) שבה המשתתפים בילו זמן רב יותר בניתוח ובפענוח של ה- AOIs במהלך שלב הזנת הנתונים (ראה טבלה 9 ואיור 6).
שולחן 9. ANOVA בעל אפקטים קבועים דו-גורמיים (סוג משתתף וידע קודם) וערך אפקט עבור פרמטרי המדידה למעקב אחר העיניים: זמן השתהות, משך מבט, משך הסחה, ספירת מבטים, ספירת קיבוע, קיבוע ממוצע ומשך זמן. לחץ כאן כדי להוריד טבלה זו.
איור 6. גרף של שלוש הקבוצות ופיתוח המשימה הכוללת פרמטרי קיבעון ביחס למשתני הידע הקודמים בהתחלה ובסיום עיבוד המשימה. לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
בהתבסס על התוצאות שנמצאו במחקר זה, הפיתוח של תוכנית למידה מותאמת אישית הוצע כדי לשפר את תוצאות הלמידה רזולוציית המשימה. תכנית זו התמקדה בעבודה עם המשתתפים המקובצים באשכול 3, שכן הם השיגו ציונים של 3 נקודות מתוך 5 בבחינה כדי לבדוק את תוצאות הלמידה, שהיוו 85.43% מכלל המשתתפים. משתתפים משלוש קבוצות הלימוד (סטודנטים מאוניברסיטת הניסיון; מורים באוניברסיטאות וסטודנטים לתארים מתקדמים נמצאים באשכול זה. התכנית תתמקד בחיזוק המושגים עליהם עבדו בסרטון שעבורו תינתן הרחבה ומפרט של המושגים.
איור 5. ניתוח אשכולות של פרמטרי הקיבעון בשלוש הקבוצות (סטודנטים באוניברסיטאות, פרופסורים באוניברסיטאות וסטודנטים באוניברסיטה). לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.
קבצים משלימים
האישורים להקלטת הסרטון שממנו נעשה שימוש בתמונות כדי להתייחס להתבוננות ביכולות תפקודיות אצל ילדים עם קשיי למידה מצורפים.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
תוצאות המחקר הצביעו על כך שמשך הקיבעון הממוצע על הגירויים הרלוונטיים היה ארוך יותר בקרב משתתפים בעלי ידע קודם. כמו כן, מוקד תשומת הלב בקבוצה זו הוא על נקודות האמצע של מידע (פרוקסימלי ודיסטלי)7. תוצאות מחקר זה חשפו הבדלים באופן שבו המשתתפים עיבדו את המידע. יתר על כן, העיבוד שלהם לא תמיד היה קשור לקיבוץ הראשוני (אוניברסיטת סטודנטים לחוויה, מורים באוניברסיטה וסטודנטים לתארים מתקדמים). הבדלים אלה נמצאו ביחס לניתוח המיקום החזותי של המשתתפים על ציר ה- X ב הקיבעון על התמונות המוצגות בסרטון הלמידה. באשכול 2, נמצאו התדרים הגבוהים ביותר של קיבוע מיקום X, קיבוע מיקום Y, קיבוע קוטר אישון ממוצע, פיזור קיבוע X וציר Y. עובדה זו עולה בקנה אחד עם העובדה שחברי אשכול 2 היו בעצמם חברים בקבוצת המורים של האוניברסיטה, היו בעלי ידע קודם בנושא, וקיבלו את הציון הגבוה ביותר במבחן אימות התוצאות. כמו כן, רלוונטי לציין כי רוב המשתתפים במחקר (85.43%), ללא קשר לקבוצת המוצא שלהם, היו באשכול 3 שבו הם השיגו את התוצאות הנמוכות ביותר במבחן האימות.
היבט רלוונטי נוסף של פרוטוקול זה הוא הצגת המידע בסרטון וידאו עם SRL. צורה זו של הצגה, מצד אחד, מנחה וממקדת את תשומת הלב ומצד שני ממזערת את הפעולות האישיות של כל משתתף, כלומר היא מאחדת את דרך הגישה למידע. במידת הצורך, זהו היבט שיכול לפצות על גירעונות אפשריים או קשיים בעיבוד. עדות להצהרה זו היא שלא התגלו הבדלים משמעותיים בתוצאות הלמידה בין שלוש הקבוצות, כאשר מרווח הביצועים הממוצע [3.60, 4.86] נקבע על 5. הבדלים משמעותיים נמצאו רק בפרמטרים של משך ההסחה של העיבוד (פרמטר המשמש לניתוח הקלט, הקביעות וזמן הפלט עבור כל גירוי שהוכנס לכל AOI) ובמשך הקיבעון הממוצע (פרמטר זה מתייחס לקיבעון ארוך יותר, המציין כי המשתתף מבלה זמן רב יותר בניתוח ופירוש תוכן המידע בתוך AOIs השונים) ברגע הראשוני של העיבוד אך לא בסוף זה. הזמנים הארוכים ביותר בפרמטרים אלה התגלו בקרב קבוצת הסטודנטים לתארים מתקדמים וסטודנטים לתואר שני באוניברסיטה לחוויה במחקר זה. תוצאות אלה נתמכות על ידי מסקנות של מחקרים אחרים4,12,15. לבסוף, פרוטוקול זה יכול להיות מיושם כדי ללמוד הבדלים במהלך עיבוד מידע, בהתאם לשלב הקידוד של התלמיד.
בהתבסס על האמור לעיל, המסקנה הראשונה היא כי השימוש במתודולוגיית מעקב העיניים במהלך השלמת המשימות סיפק נתונים שימושיים לחקר עיבודמידע 1,2. כמו כן, הנתונים שחולצו מטכנולוגיית מעקב אחר העיניים ונותחו בטכניקות למידה ללא השגחה (קיבוץ באשכולות) הקלו על הידע של אשכולות על פי הפרמטרים שנקבעו מראש11,15. היבט זה רלוונטי מאוד לחקר עיבוד המידע בכל משתתף ולהצעה בנוגע לתגובות חינוכיות מותאמות אישית3,4,5,6,22,23 אשר צפוי להוביל ללמידה יעילה יותר23.
חשוב גם לציין כי תוצאות הניסוי אישררו מחדש את תוצאות מחקרים אחרים ביחס: הבדלים בעיבוד על פי משתנים מומחים טירון וגיל המשתתפים, ושימוש בחומרי SRL הממזערים את ההשפעות של משתנים אלה ומגבירים את הביצועים הצפויים של המשתתפים7,8,9,10.
עם זאת, יש צורך להתייחס לכל הכללה של תוצאות אלה בזהירות, שכן דגימת נוחות הוחלה, והעבודה התמקדה בתוכן ספציפי הקשור לתולדות האמנות. לכן, המדגם יוארך במחקר עתידי והממצאים ייבדקו בדיסציפלינות אחרות.
כפי שצוין בהקדמה, הצגת מידע בצורה רב-מודאלית בערוצי מידע שונים (שמיעתיים, חזותיים או שניהם) עם מתודולוגיית SRL, יחד עם השימוש בטכנולוגיית מעקב עיניים וטכניקות למידת מכונה, היא המפתח להבנת האופן שבו המשתתפים מעבדים את המידע כדי להציע עיצוב למידה מותאם אישית בהתאם לצרכים החינוכיים של כל משתמש, וכתוצאה מכך, לקדם למידה מוצלחת והתפתחותה בקרב כל התלמידים29,30.
לסיכום, השימוש בטכניקת מעקב העיניים אינו מתודולוגיה של יישום רגיל במסגרות חינוך בשל גורמי עלות מחומר למשאבים אישיים. עם זאת, השימוש בו מתחיל לגדול לאט לאט וחשוב לראות את השימוש הרגיל שלה בהתבוננות במשימות בלמידה מוסדרת אוטומטית. היתרון של טכנולוגיית מעקב עיניים זו הוא שהיא מאפשרת הקלטה של האינטראקציה של הלומד עם המשימה שיש לה יתרונות של אמינות ותוקף, במקרה זה, על התבוננות פשוטה של תהליך הלמידה. בנוסף, מתודולוגיית מעקב העיניים מציעה טכניקות שונות של הדמיית מידע רשום ומידע זה בבסיסי נתונים ניתן לנתח גם עם תוכנות מחשב או כלים חזקים יותר. לכן, הוא פותח מגוון רחב של אפשרויות לחקירה בהקשרים טבעיים.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
המחברים מצהירים כי אין להם אינטרסים כלכליים מתחרים.
Acknowledgments
העבודה פותחה במסגרת הפרויקט "למידה עצמית ב SmartArt ארסמוס + חינוך למבוגרים" 2019-1-ES01-KA204-095615-מתאם 6, במימון הנציבות האירופית. הסרטון של שלב השלמת המשימה היה הסכמה מדעת מוקדמת של רוט ולאסקו סאיז. אנו מעריכים את השתתפותם של מורים ותלמידים בשלב יישום המשימה.
Materials
| Name | Company | Catalog Number | Comments |
| iViewer XTM | iViewer | ||
| SMI Experimenter Center 3.0 | SMI | ||
| SMI Be Gaze | SMI |
References
- van Marlen, T., van Wermeskerken, M., Jarodzka, H., van Gog, T. Effectiveness of eye movement modeling examples in problem solving: The role of verbal ambiguity and prior knowledge. Learning and Instruction. 58, 274-283 (2018).
- Taub, M., Azevedo, R., Bradbury, A. E., Millar, G. C., Lester, J. Using sequence mining to reveal the efficiency in scientific reasoning during STEM learning with a game-based learning environment. Learning and Instruction. 54, 93-103 (2018).
- Cloude, E. B., Taub, M., Lester, J., Azevedo, R. The Role of Achievement Goal Orientation on Metacognitive Process Use in Game-Based Learning. Artificial Intelligence in Education. Isotani, S., Millan, E., Ogan, A., Hastings, P., McLaren, B., Luckin, R. , Springer International Publishing. Switzerland. 36-40 (2019).
- Azevedo, R., Gašević, D. Analyzing Multimodal Multichannel Data about Self-Regulated Learning with Advanced Learning Technologies: Issues and Challenges. Computers in Human Behavior. 96, 207-210 (2019).
- Sáiz-Manzanares, M. C., Rodríguez-Diez, J. J., Marticorena-Sánchez, R., Zaparín-Yáñez, M. J., Cerezo-Menéndez, R. Lifelong learning from sustainable education: An analysis with eye tracking and data mining techniques. Sustainability. 12 (5), 2-18 (2020).
- Alemdag, E., Cagiltay, K. A systematic review of eye tracking research on multimedia learning. Computers & Education. 125, 413-428 (2018).
- Ho, H. N. J., Tsai, M. -J., Wang, C. -Y., Tsai, C. -C. Prior knowledge and online inquiry-based science reading: evidence from eye tracking. International Journal of Science and Mathematics Education. 12, 525-554 (2014).
- Catrysse, L., Gijbels, D., Donche, V. It is not only about the depth of processing: What if eye am not interested in the text. Learning and Instruction. 58, 284-294 (2018).
- Mayer, R. E.
- Prokop, M., Pilař, L., Tichá, I. Impact of think-aloud on eye-tracking: A comparison of concurrent and retrospective think-aloud for research on decision-making in the game environment. Sensors. 20 (10), (2020).
- DuMouchel, W. Data Squashing: Constructing Summary Data Sets. Handbook of Massive Data Sets. Abello, J., Pardalos, P. M., Resende, M. G. C. , Springer. Boston, MA, US. 579-591 (2002).
- Stull, A. T., Fiorella, L., Mayer, R. E. An eye-tracking analysis of instructor presence in video lectures. Computers in Human Behavior. 88, 263-272 (2018).
- König, S. D., Buffalo, E. A. A nonparametric method for detecting fixations and saccades using cluster analysis: Removing the need for arbitrary thresholds. Journal of Neuroscience Methods. 30 (227), 121-131 (2014).
- Maltz, M., Shinar, D. Eye Movements of Younger and Older Drivers. Human Factors. 41 (1), 15-25 (1999).
- Burch, M., Kull, A., Weiskopf, D. AOI rivers for visualizing dynamic eye gaze frequencies. Computer Graphics Forum. 32 (3), 281-290 (2013).
- Dzeng, R. -J., Lin, C. -T., Fang, Y. -C. Using eye-tracker to compare search patterns between experienced and novice workers for site hazard identification. Safety Science. 82, 56-67 (2016).
- Kurzhals, K., Weiskopf, D. Space-time visual analytics of eye-tracking data for dynamic stimuli. IEEE Transactions on Visualization and Computer Graphics. 19 (12), 2129-2138 (2013).
- Sharafi, Z., Soh, Z., Guéhéneuc, Y. -G. A systematic literature review on the usage of eye-tracking in software engineering. Information and Software Technology. 67, 79-107 (2015).
- Dalrymple, K. A., Jiang, M., Zhao, Q., Elison, J. T. Machine learning accurately classifies age of toddlers based on eye tracking. Scientific Reports. 9 (1), 6255 (2019).
- Seifert, L., Cordier, R., Orth, D., Courtine, Y., Croft, J. L. Role of route previewing strategies on climbing fluency and exploratory movements. PLoS One. 12 (4), 1-22 (2017).
- Takeuchi, H., Habuchi, Y. A quantitative method for analyzing scan path data obtained by eye tracker. IEEE Symposium on Computational Intelligence and Data Mining, CIDM 2007. , Honolulu, HI, USA. 283-286 (2007).
- Takeuchi, H., Matsuda, N. Scan-path analysis by the string-edit method considering fixation duration. 6th International Conference on Soft Computing and Intelligent Systems, and 13th International Symposium on Advanced Intelligence Systems, SCIS/ISIS 2012. , Kobe, Japan. 1724-1728 (2012).
- Sáiz, M. C., Marticorena, R., Anaiz, Á, Zaparaín, M. J. Task analysis with eye tracking technology. srl at Smartart. II Congress of the International Scientific Association of Psychopedagogy Proceedings. Peralbo, M., Risso, A., Barca, A., Duarte, B., Almeda, L., Brenlla, J. C. , Asociacion Cientifica Internacional de Psicopedagogia. Coruña, Spain. 4093-4104 (2019).
- Khedher, A. B., Jraidi, I., Frasson, C. Tracking Students' Analytical Reasoning Using Visual Scan Paths. IEEE 17th International Conference on Advanced Learning Technologies (ICALT). , IEEE. Timisoara, Romania. 53-54 (2017).
- Xia, C., Han, J., Qi, F., Shi, G. Predicting Human Saccadic Scanpaths Based on Iterative Representation Learning. IEEE Trans Image Process. 8 (7), 3502-3515 (2019).
- Cerezo, R., Fernández, E., Gómez, C., Sánchez-Santillán, M., Taub, M., Azevedo, R. Multimodal Protocol for Assessing Metacognition and Self-Regulation in Adults with Learning Difficulties. Journal of Visualized Experiments. , e60331 (2020).
- Scherer, R., Siddiq, F., Tondeur, J. The technology acceptance model (TAM): A meta-analytic structural equation modeling approach to explaining teachers' adoption of digital technology in education. Computers & Education. 128 (0317), 13-35 (2019).
- Bruder, C., Eißfeldt, H., Maschke, P., Hasse, C. Differences in monitoring between experts and novices. Proceedings of the Human Factors and Ergonomics Society Annual Meeting. 57 (1), 295-298 (2013).
- Azevedo, R., Gašević, D. Analyzing Multimodal Multichannel Data about Self-Regulated Learning with Advanced Learning Technologies: Issues and Challenges. Computers in Human Behavior. 96, 207-210 (2019).
- Taub, M., Azevedo, R. How Does Prior Knowledge Influence Eye Fixations and Sequences of Cognitive and Metacognitive SRL Processes during Learning with an Intelligent Tutoring System. International Journal of Artificial Intelligence in Education. 29 (1), 1-28 (2019).
- IBM Corp. SPSS Statistical Package for the Social Sciences (SPSS) (Version 24). , Madrid, Spain. (2016).
- Orange Software Package. , Available from: https://orange.biolab.si/docs/ (2020).
