用于成人学习过程行为分析的眼动追踪技术与数据挖掘技术

我们提出了一种针对15至70岁成人在参与不同过程中的行为分析方案，这些过程包括完成自主学习任务。来自经验大学的参与者，包括大学教师、学生及其他人员，均通过眼动追踪设备进行监测，并使用数据挖掘技术对所采集的数据进行分析。

本方案的实施符合西班牙布尔戈斯大学生物伦理委员会的程序规定。本研究提出了两个研究问题。研究问题一：在艺术史领域，学生与专家型教师和非专家型教师之间在学习效果和眼动注视参数方面是否存在显著差异，并区分具有正式学位的学生与非正式学位的学生，以及成人教育“经验大学”的学生？

研究问题二：每位参与者的聚类结果是否与其学习效果和眼动注视参数一致，并与参与者类型相对应，即具有正式学位的学生、非正式学位的学生、经验大学成人教育项目参与者以及教师？参与者招募：在高等教育环境（包括正式与非正式教育）中，从成人群体中招募参与者，涵盖学生与教师两类人群，年龄范围为18至70岁。

纳入视力和听力正常或矫正至正常水平的受试者。排除患有神经系统疾病、精神疾病、睡眠障碍、与教育特殊需求相关的残疾、感知困难、视力和听力受损以及认知障碍的受试者。本研究的最终样本共包括39名受试者，其中6名为经验大学的学生。

一名来自体验大学的学生因视力问题被排除在研究之外。研究对象包括25名健康科学、工程学以及历史与遗产学科的大学教授，以及9名修读健康科学、工程学和历史与遗产课程的本科及硕士研究生。数据收集前均获得知情同意。

测试前，应告知每位参与者研究的目的，以及其数据的收集、处理和存储方式。每位参与者的同意需通过签署知情同意书来确认。随后，在开始任务之前，由该领域的专家作为访谈员，向参与者发放一份问卷，内容涉及年龄、性别、职业以及对研究主题的先前了解情况。

本案例中，欧洲修道院的起源与历史发展。实验步骤。校准。向参与者说明眼动追踪技术的工作原理，以及信息将如何被收集、记录和校准。

向参与者说明，一个符合人体工学的办公桌需要正确的摆放位置。为此，参与者需坐在距离显示器45至60厘米的位置。具体距离取决于参与者的身高，身高越低，距离应越短。

向参与者说明，屏幕上将依次出现一系列位于正方位的点，每当一个点出现时，参与者必须用眼睛注视该点。进行校准设置。执行学习任务。

向参与者解释任务内容。学习任务包含关于欧洲修道院起源的讲解。该任务通过视频旁白形式呈现，采用自我调节学习（SRL）方法。

信息通过听觉和视觉渠道呈现，包括文字和图像。观看视频片段。在基于 Moodle 的虚拟平台上完成填字游戏。

数据分析。选择感兴趣区域（AOI）。在视频中定义感兴趣区域，并将其划分为包含相关信息的感兴趣区域和包含非相关信息的感兴趣区域。

提取与兴趣区（AOI）注视参数相关的数据库。导入数据库后，在统计分析软件包（如SPSS）中选择“分析”选项，然后选择“分类”，接着选择“K-均值聚类”选项。随后在统计软件包中选择交叉表，然后选择方差分析（ANOVA）选项，以分析参与者之间的差异。

对数据进行可视化分析。提取详细统计参数的数据并进行统计分析。提出个性化的学习方案。

对在聚类分析中因得分较低而被识别出的参与者实施干预项目，以改善其学习效果。代表性结果：本研究招募的36名参与者来自三组成人学生，分别为经验大学的学生、大学教授，以及年龄在22至69岁之间的本科生和硕士研究生。

该方案在布尔戈斯大学经过了20个月的测试。分析了注视过程中眼动位置参数。参与研究的各组人员，包括男性和女性、大学体验学生、大学教师以及硕士和研究生，在完成任务时表现出不同的方式。

在任何固定参数中均未发现显著差异，但注意到固定平均瞳孔大小Y、固定与平均瞳孔直径以及固定分散度X存在差异趋势，尽管效应值较低。随后应用K均值聚类分析，以研究初始研究组在固定位置、先前知识和填字游戏结果等参数上是否存在不同的分组情况。共发现三个聚类。

此外，还根据参与者类别类型（即经验大学学生、大学教授和大学生）对每位参与者所属的聚类组成员值进行了分组统计。该表格展示了三组参与者在注视位置参数上的聚类分布情况。在分散持续时间1这一变量上，不同背景知识的参与者之间存在显著差异。

分析每个兴趣区（AOI）中插入的每个刺激的输入时间、凝视时间与输出时间。因此可以得出结论，在信息获取的初始阶段，不同参与者组别在进入、停留和离开各个兴趣区（AOI）的方式上存在差异。在平均注视持续时间参数方面也发现了差异。

较长的注视时间表示参与者在分析和解读不同兴趣区（AOI）内的信息内容时花费了更多时间。采用Bonferroni法进行事后多重比较以确定组间差异，结果表明，差异存在于“经验大学学生组”与“大学教授组”之间。第一组即经验大学学生组的均值更高，表明该组参与者在数据录入阶段分析和解读兴趣区所花费的时间更长。

根据本研究发现的结果，提出开发一种个性化学习方案，以提升任务解决学习的效果。本研究中，该方案将侧重于强化视频中所涉及的概念，并对这些概念进行拓展和具体化。本数据分析所得结果可为教师提供信息，以调整任务的呈现方式，甚至针对每个学习者或学习者群体的特征进行个性化优化。结论。

通过使用信息通道（听觉、视觉或两者结合）来呈现信息。在自我调节学习（SRL）活动中，结合使用追踪技术和机器学习技术的方法学，对于理解学习过程中信息的处理方式至关重要，并能够根据每位学习者的教育需求提供个性化的学习设计，从而促进针对学习的评估与发展。