$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Metodologia śledzenia ruchu gałek ocznych zastosowana do analizy behawioralnej w procesie uczenia się
Metodologia śledzenia ruchu gałek ocznych, oprócz innych zastosowań funkcjonalnych, jest stosowana do badania ludzkiego zachowania, w szczególności podczas rozwiązywania zadań. Technika ta ułatwia monitorowanie i analizę podczas wykonywania zadań edukacyjnych1. W szczególności poziom uwagi uczniów na różnych etapach procesu uczenia się (początek, rozwój i koniec) z różnych przedmiotów (historia, matematyka, nauki ścisłe itp.) może być badany za pomocą technologii śledzenia wzroku. Ponadto, jeśli zadanie obejmuje wykorzystanie filmów z głosem, który kieruje procesem uczenia się, ułatwione jest samodzielne uczenie się (SRL). W związku z tym zaproponowano wdrożenie technologii śledzenia ruchu gałek ocznych w analizie zadań, do których SRL (w tym wykorzystanie filmów) jest istotnym zasobem pozwalającym zrozumieć, w jaki sposób rozwija się uczenie się2,3,4. Ta kombinacja będzie również oznaczać, że różnice między metodami nauczania (z lub bez SRL itp.) mogą być sprawdzane na różnych typach uczniów (z wcześniejszą wiedzą lub bez niej, itp.)5. W przeciwieństwie do tego, prezentacja informacji wielokanałowej (jednoczesna prezentacja zarówno informacji słuchowych, jak i wizualnych, zarówno słownych, pisemnych, jak i obrazkowych) może ułatwić zarówno rejestrację, jak i analizę istotnych i nieistotnych informacji z wyżej wymienionych zmiennych6. Uczniowie, którzy mają wcześniejszą wiedzę na temat multimedialnych kanałów uczenia się, wydają się uczyć skuteczniej niż ci, którzy mają niewielką wiedzę lub nie mają jej wcale. Studenci z wysokim poziomem wcześniejszej wiedzy na ten temat będą skuteczniej integrować informacje tekstowe i graficzne7. Ta funkcjonalność została zaobserwowana w uczeniu się tekstów8, które zawierają obrazy9. Technologia śledzenia ruchu gałek ocznych dostarcza informacji o tym, na czym skupia się uwaga i jak długo. Dane te dają wgląd w rozwój procesu uczenia się w bardziej precyzyjny sposób niż poprzez zwykłą obserwację procesu rozwiązywania problemów podczas wykonywania zadania. Ponadto analiza tych wskaźników ułatwia zbadanie, czy uczeń rozwija uczenie się głębokie, czy powierzchowne. Co więcej, związek między tymi danymi a wynikami uczenia się ułatwia walidację informacji uzyskanych za pomocą technologii śledzenia ruchu gałek ocznych4,10. W rzeczywistości technika ta wraz z SRL są coraz częściej stosowane w szkolnictwie wyższym i edukacji dorosłych11 środowiskach edukacyjnych, zarówno na kursach regulowanych, jak i nieregulowanych12.
Technologia śledzenia wzroku oferuje różne wskaźniki: odległość, prędkość, przyspieszenie, gęstość, dyspersję, prędkość kątową, przejścia między obszarami zainteresowania (AOI), sekwencyjną kolejność AOI, wizyty w fiksacjach, sakkady, ścieżkę skanowania i parametry mapy cieplnej. Interpretacja tych danych jest jednak złożona i wymaga użycia metod nadzorowanych (regresja, drzewa decyzyjne itp.) i nienadzorowanych (techniki klastrowe k-średnich itp.).13,14 technik eksploracji danych. Wskaźniki te można zastosować do monitorowania zachowania tego samego podmiotu w czasie lub do porównania kilku osób i ich wyników w tym samym zadaniu15, analizując różnicę między uczestnikami z wcześniejszą wiedzą a żadną wcześniejszą wiedzą16. Ostatnie badania11,17 wykazały, że początkujący adepci dłużej skupiają się na bodźcach (tzn. występuje większa częstotliwość fiksacji, podczas gdy rejestrowane są podobne wzorce ścieżek skanowania). Średni czas fiksacji był dłuższy dla ekspertów niż dla nowicjuszy. Eksperci skupili swoją uwagę na środkowych punktach informacji (bliższym i centralnym), różnicach, które można również zaobserwować w punktach wizualizacji w obrębie AOI na mapach cieplnych.
Interpretacja wskaźników w śledzeniu ruchu gałek ocznych
Ostatnie badania18 wykazały, że przyswajanie informacji jest związane z liczbą fiksacji wzroku na bodźcach. Innym ważnym wskaźnikiem jest sakkada, która jest definiowana jako szybki i nagły ruch fiksacji w odstępie [10 ms, 100 ms]. Sharafi i in. (2015)18 stwierdzili różnice w liczbie sakkad, w zależności od fazy kodowania informacji przez ucznia. Innym istotnym parametrem jest ścieżka skanowania, metryka, która rejestruje chronologiczną kolejność kroków, które uczestnik wykonuje w celu rozwiązania zadania uczenia się w ramach AOI zdefiniowanego przez researcher18. Podobnie, technologia śledzenia wzroku może być wykorzystana do przewidywania poziomu zrozumienia przez uczestnika, co wydaje się być związane z liczbą fiksacji. Ostatnie badania wykazały, że zmienność w zachowaniu wzroku zależy od właściwości obrazu (pozycja, intensywność, kolor i orientacja), instrukcji wykonania zadania oraz rodzaju przetwarzania informacji (stylu uczenia się) uczestnika. Różnice te są wykrywane poprzez analizę interakcji ucznia z różnymi AOI19. Techniki ilościowe20 (analiza częstotliwości) i/lub jakościowe lub dynamiczne21 (ścieżka skanowania) mogą być używane do analizy danych zebranych z różnych metryk. Pierwsze techniki są analizowane za pomocą tradycyjnych technik statystycznych (analiza częstotliwości, średnia różnica, różnica wariancji itp.), a drugie są analizowane za pomocą technik uczenia maszynowego (odległości euklidesowe z metodami edycji ciągów21,22, oraz clustering17). Zastosowanie tych technik ułatwia grupowanie, biorąc pod uwagę różne cechy badanych. Jedno z badań17 wykazało, że im bardziej doświadczony jest uczeń, tym skuteczniejsza jest wdrażana strategia przetwarzania informacji przestrzennych i czasowych. Tabela opisowa parametrów pomiarowych, które zostały wykorzystane w tym badaniu, znajduje się poniżej w tabeli 1.
Tabela 1: Najbardziej reprezentatywne parametry, które można uzyskać za pomocą techniki śledzenia wzroku, zaczerpnięte z Sáiz, Zaparaín, Marticorena i Velasco (2019).20 Kliknij tutaj, aby pobrać tę tabelę.
Zastosowanie metodologii śledzenia ruchu gałek ocznych do badania procesu uczenia się
Wykorzystanie postępu technologicznego i technik analizy danych opisanych powyżej5 zwiększy precyzję analizy behawioralnej uczniów podczas rozwiązywania problemów w różnych fazach przetwarzania informacji (inicjowanie zadań, przetwarzanie informacji i rozwiązywanie zadań). To wszystko ułatwi indywidualną analizę behawioralną, co z kolei pozwoli na grupowanie uczniów o podobnych cechach24. Podobnie techniki predykcyjne (drzewa decyzyjne, techniki regresji itp.)25 można zastosować do nauki, zarówno w odniesieniu do liczby fiksacji, jak i wyników rozwiązywania zadań każdego ucznia. Ta funkcjonalność jest bardzo ważnym postępem w wiedzy o tym, jak każdy uczeń się uczy i propozycją spersonalizowanych programów nauczania w różnych grupach (osoby z trudnościami w nauce lub bez nich26). Dlatego zastosowanie tej techniki przyczyni się do osiągnięcia personalizacji i optymalizacji uczenia się27. Uczenie się przez całe życie należy rozumieć jako cykl ciągłego doskonalenia, ponieważ wiedza społeczeństwa stale się rozwija i rozwija. Psychologia ewolucyjna wskazuje, że wraz z wiekiem spadają umiejętności rozwiązywania problemów i skuteczność w przetwarzaniu informacji. W szczególności stwierdzono, że częstotliwość, amplituda i szybkość ruchów gałek ocznych u dorosłych zmniejsza się wraz z wiekiem. Ponadto w starszym wieku uwaga skupia się na dolnych obszarach scen wizualnych, co jest związane z deficytami pamięci roboczej14. Niemniej jednak aktywacja wzrasta w obszarach czołowych i przedczołowych w starszym wieku, co wydaje się kompensować te deficyty w rozwiązywaniu zadań. Aspekt ten obejmuje poziom wcześniejszej wiedzy i poznawcze strategie kompensacyjne, które podmiot może zastosować. Doświadczeni uczestnicy uczą się bardziej efektywnie, ponieważ skuteczniej zarządzają uwagą, dzięki zastosowaniu zautomatyzowanych procesów nadzoru28. Ponadto, jeśli informacje, które mają być przyswojone, są przekazywane za pomocą technik SRL, wyżej wymienione braki są łagodzone17. Zastosowanie takich technik oznacza, że wzorce śledzenia wizualnego są bardzo podobne, zarówno u osób bez wcześniejszej wiedzy, jak i u osób z wcześniejszą wiedzą7.
Podsumowując, analiza danych multimodalno-wielokanałowych na temat SRL uzyskanych za pomocą zaawansowanych technologii uczenia się (śledzenia wzroku) jest kluczem do zrozumienia interakcji między procesami poznawczymi, metapoznawczymi i motywacyjnymi oraz ich wpływu na uczenie się29. Wyniki i badanie różnic w uczeniu się mają implikacje dla projektowania materiałów edukacyjnych i inteligentnych systemów korepetycji, które umożliwią spersonalizowane uczenie się, które prawdopodobnie będzie bardziej efektywne i satysfakcjonujące dla ucznia30.
W tym badaniu zadano dwa pytania: (1) Czy będą znaczące różnice w wynikach uczenia się i parametrach fiksacji oka między studentami a nauczycielami będącymi ekspertami i nauczycielami niebędącymi ekspertami w historii sztuki, różnicujące studentów z oficjalnymi stopniami naukowymi i studentów z nieoficjalnymi stopniami (Uniwersytet Doświadczeń - Edukacja dorosłych)? oraz (2) Czy grupy każdego uczestnika z wynikami uczenia się i parametrami fiksacji oka będą się pokrywać? z typem uczestników (studenci z oficjalnymi stopniami naukowymi, studenci z nieoficjalnymi stopniami naukowymi (University of Experience - Edukacja dorosłych) i nauczyciele)?