Name: Tecnologia de rastreamento de olhos e técnicas de mineração de dados utilizadas para uma análise comportamental de adultos envolvidos em processos de aprendizagem (Vídeo) | JoVE Journal
Uploaded: 2021-06-10T14:00:00.000+00:00
Duration: 10 min 43 s
Description: Aprenda a analisar comportamentos de aprendizagem em adultos usando rastreamento ocular e técnicas de mineração de dados. Este método permite investigar padrões de fixação visual e personalizar estratégias educacionais.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

O trabalho foi desenvolvido dentro do Projeto "Aprendizagem Autorregulada na Educação de Adultos SmartArt Erasmus+ " 2019-1-ES01-KA204-095615-Coordenador 6, financiado pela Comissão Europeia. O vídeo da fase de conclusão da tarefa teve o consentimento prévio informado de Rut Velasco Sáiz. Agradecemos a participação de professores e alunos na fase de implementação da tarefa.

Este protocolo foi realizado em conformidade com as normas processuais do Comitê Bioético da Universidade de Burgos (Espanha) nº IR27/2019. Antes de sua participação, os participantes tinham tido plena consciência dos objetivos da pesquisa e todos tinham dado seu consentimento informado. Eles não receberam nenhuma compensação financeira por sua participação.
1. Recrutamento de participantes
<ol><li>Recrutar participantes de um grupo de adultos em dois ambientes (estudantes e professores), com uma faixa etária de 18 a 69 anos no ambiente de Ensino Superior (educação formal e não formal).</li>
	<li>Inclua participantes com visão normal ou corrigida para a audição.</li>
	<li>Excluem participantes com distúrbios neurológicos, psiquiátricos e do sono, deficiências relacionadas a necessidades especiais educacionais, dificuldades perceptivas (visão e audição prejudicadas) e deficiências cognitivas. NOTA: Neste estudo, trabalhamos com uma amostra de 40 participantes, 6 alunos da Universidade de Experiência (um participante foi excluído na categoria de alunos da universidade de experiência por dificuldades visuais), 25 professores universitários nas disciplinas de ciências da saúde, engenharia e história e patrimônio, e 9 alunos de graduação e mestrado que seguem cursos de ciências da saúde, engenharia e história e patrimônio. Os participantes não apresentavam problemas cognitivos, auditivos ou visuais, e todos tinham visão normal ou corrigida ao normal(Tabela 2). Por isso, um dos participantes foi eliminado antes de iniciar o experimento porque o nistagmo havia sido detectado nele e, portanto, a tarefa foi aplicada a uma amostra de 39 participantes. Os participantes não receberam nenhuma compensação financeira nem profissional; é por isso que a motivação dos participantes era alta, pois era apenas baseada em seu interesse em saber como esse método de rastreamento de olhos funciona durante um processo de aprendizagem relacionado ao patrimônio cultural, especificamente a origem dos mosteiros europeus.</li>
</ol>Mesa 2. Características da amostra.  <a href="https://www.jove.com/files/ftp_upload/62103/Copia%20de%20JoVE_Table_2.xls" target="_blank">Clique aqui para baixar esta Tabela.</a>
2. Procedimento Experimental
<ol><li>Sessão 1: Coleta de consentimento informado, dados pessoais e conhecimento de fundo<ol>
<li>Obter consentimento informado. Antes da prova, informe cada participante dos objetivos do estudo e da coleta, tratamento e armazenamento de seus dados. O acordo de cada participante é dado mediante a assinatura do termo de consentimento livre e esclarecido. NOTA: A participação neste estudo foi voluntária e não houve recompensa financeira. Esse aspecto garantiu que a conclusão das tarefas não tivesse motivação econômica. Antes de iniciar a tarefa, o entrevistador, especialista na área, preenche um questionário com perguntas sobre idade, sexo, ocupação e conhecimento prévio sobre o assunto, neste caso, a origem e o desenvolvimento histórico dos mosteiros na Europa (ver Tabela 3). Este estudo faz parte de um Projeto Europeu (2019-1-ES01-KA204-095615-Coordenador 6) sobre o aprendizado adulto sobre o Patrimônio Cultural da Humanidade ao longo da vida; é por isso que esse tipo de tarefa foi escolhida. Cada investigador escolherá o tema dependendo de seu campo de trabalho.</li>
	</ol>
</li>
</ol>Mesa 3. Questionário de entrevista.  <a href="https://www.jove.com/files/ftp_upload/62103/Copia%20de%20JoVE_Table_3.xls" target="_blank">Clique aqui para baixar esta Tabela.</a>
<ol start="2"><li>Sessão 2: Calibração<ol>
<li>Informe o participante sobre como funciona a tecnologia de rastreamento de olhos e como as informações serão coletadas e gravadas e calibradas: "Usaremos a tecnologia de rastreamento ocular para observar a conclusão da tarefa de aprendizagem sobre a origem e o desenvolvimento dos mosteiros europeus. O rastreamento ocular é uma tecnologia que permite que você siga seu olhar enquanto realiza a atividade e ela não tem efeitos colaterais, nem é invasiva, pois neste estudo apenas o rastreamento ocular é registrado".</li>
		<li>Explique ao participante que um teste válido requer um posicionamento adequado. Que o participante deve sentar a uma certa distância [45 a 60 cm] do monitor. A distância dependerá da altura do participante, quanto menor a altura, menor a distância.</li>
		<li>Informe ao participante que uma série de pontos aparecerá nos pontos cardeais da tela e que, como cada ponto aparece, o participante deve observá-lo com os olhos. O participante pode passar de um ponto para outro usando o cursor "enter". A fase de calibração tem duração de 10 a 15 minutos. NOTA: Um iViewer de rastreamento de olhos XTM, SMI Experimenter Center 3.0 e SMI Be Gaze e um monitor com resolução de 1680×1050 foram usados para o exercício de resolução de tarefas. Este equipamento registra movimentos oculares, suas coordenadas e diâmetros pupilares de cada olho. Neste estudo, foram aplicadas 60 Hz, foram utilizadas métricas de caminho de varredura e métricas dinâmicas de caminho de varredura e as estatísticas aoi.</li>
		<li>Verifique a configuração de calibração. O profissional que supervisiona o teste analisa a configuração de calibração na tela de controle.<ol>
<li>Execute a calibração através do sistema de calibração que está incluído no iViewer XTM de rastreamento ocular. Antes de iniciar esta tarefa, cada participante realiza um acompanhamento visual de quatro pontos em uma tela para os quatro cantos (para cima direito, para cima, para cima, para baixo, para a direita, para baixo à esquerda). Posteriormente, o software tem um processo de verificação de execução da posição correta desses estímulos e fornece informações sobre o ajuste do parâmetro em graus. Se este ajuste estiver situado entre 0,6º ± 1 no olho direito e esquerdo, considera-se que a calibração está correta, e a execução da tarefa começa. Um exemplo do processo pode ser verificado na Figura 1. NOTA: A conclusão correta da tarefa é considerada quando os graus no olho direito e esquerdo são definidos em 0,6º ± 1 desvio padrão. Neste estudo, foram detectadas duas calibrações entre o grupo de professores universitários que excedeu o critério de ajuste de 0,6º ± 1 e, portanto, foram removidas duas calibrações. Os 25 participantes da primeira amostra foram, portanto, reduzidos a 23 participantes.</li>
		</ol>
</li>
	</ol>
</li>
</ol><img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/62103/62103fig01.jpg"> Figura 1. Processo de calibração de rastreamento ocular <a href="https://www.jove.com/files/ftp_upload/62103/62103fig01large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<ol start="3"><li>Sessão 3: Executando a tarefa de aprendizagem<ol>
<li>Explique o conteúdo da tarefa ao participante. Um especialista em psicologia instrucional explica ao participante qual será a tarefa e como realizá-la: "O vídeo tem 1:14 segundos de duração e consiste em 5 imagens de voz sobre. Ao final, o participante é convidado a completar um pequeno quebra-cabeça para verificar se as informações apresentadas no vídeo foram entendidas".</li>
		<li>Veja o vídeo. O vídeo usado na tarefa pode ser visualizado no seguinte link: <a href="https://youtu.be/HlGGgrYDTFs" target="_blank">https://youtu.be/HlGGgrYDTFs.</a> NOTA: A tarefa consiste em assistir a um vídeo que oferece informações sobre as origens dos mosteiros europeus. A informação foi elaborada por um especialista, um professor de História da Arte. A informação é organizada em dois canais, um visual que inclui imagens e informações escritas apresentadas como contornos e outro áudio porque um professor especialista em SRL está falando ao longo do vídeo insistindo nos conteúdos mais significativos usando ênfase verbal.</li>
		<li>Executando as palavras cruzadas em uma plataforma virtual baseada em Moodle. Clicar no ícone das palavras cruzadas leva o participante a uma plataforma virtual onde as palavras cruzadas podem ser completadas, para verificar se o conhecimento foi adquirido. As palavras cruzadas são apresentadas na Figura 2.</li>
	</ol>
</li>
</ol><img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/62103/62103fig02.jpg"> Figura 2. Palavras cruzadas para verificar o conhecimento adquirido. <a href="https://www.jove.com/files/ftp_upload/62103/62103fig02large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>
<ol start="4"><li>Sessão 4: Análise de dados<ol>
<li>Escolha as Áreas de Interesse (AOI). As AOIs são definidas no vídeo e são divididas em AOIs que contêm informações relevantes versus AOIs que incluem informações não relevantes. NOTA: A atribuição aoI é realizada pelo experimentador que decide quais são as AOIs relevantes ou irrelevantes em relação às informações apresentadas.</li>
		<li>Extrair o banco de dados relativo aos parâmetros para fixações AOI ("Tempo de teste de início de evento", "Tempo de teste de fim de evento" e "Duração do Evento"; "Posição de fixação X", "Posição de fixação Y", "Tamanho médio da pupila de fixação", "Fixação Tamanho médio da pupila Y px", "Diâmetro médio da pupila de fixação", "Dispersão de Fixação X" e "Dispersão de Fixação Y").</li>
		<li>Importe o banco de dados em um pacote de software de processamento estatístico e selecione a análise de opção e, em seguida, classifique,seguido pelo cluster de k-meansda opção . Em seguida, selecione a tabela cruzada no pacote de software estatístico, por exemplo SPSS, seguida pela opção 'ANOVA', para analisar as diferenças entre os participantes (tipo de grupos adultos e grau de conhecimento prévio) em relação aos parâmetros de fixação ao AOI31. NOTA: A análise de cluster ou cluster é uma técnica de aprendizagem de máquina 'não supervisionada', e, dentro de k-significa, é um método de agrupamento, o objetivo é dividir um conjunto de n observações em grupos K, em que cada observação pertence ao grupo com o valor médio mais próximo. Neste experimento, k-significa clustering foi usado para verificar os clusters dos participantes na tarefa de aprendizagem. Essa correspondência é importante, pois oferece ao professor ou terapeuta informações sobre o desenvolvimento funcional homogêneo dos usuários que vai além do diagnóstico, fornecendo informações para propor programas de intervenção semelhantes em algumas áreas de desenvolvimento funcional. Espera-se que essa opção facilite o uso pleno do serviço educacional ou terapêutico e seus recursos pessoais e materiais.</li>
		<li>Realize uma análise de visualização dos dados (análise descritiva e de cluster) que são processados, utilizando um software de visualização como o Orange32.</li>
		<li>Extrair os dados sobre os parâmetros de Estatísticas Detalhadas: Tempo de Moradia, Duração do Olhar, Duração do Desvio, Contagem de Olhares, Contagem de Fixação, Fixação Média e Duração e, em seguida, importar esse banco de dados em um pacote de software estatístico. Selecione a opção 'ANOVA' no pacote estatístico e, em seguida, realize uma análise de visualização dos dados que foram processados (meios). Use a planilha para gerar um gráfico de aranha e gráficos de barras específicos para os grupos de participantes.</li>
	</ol>
</li>
	<li>Sessão 5: Propostas de aprendizagem personalizadas<ol>
<li>Realizar um programa de intervenção para melhorar os resultados de aprendizagem entre os participantes detectados na análise do cluster, devido aos seus escores mais baixos. NOTA: Um resumo das fases seguidas no Procedimento experimental é mostrado na Figura 3.</li>
	</ol>
</li>
</ol><img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/62103/62103fig03.jpg"> Figura 3. Fases do procedimento experimental. <a href="https://www.jove.com/files/ftp_upload/62103/62103fig03large.jpg" target="_blank">Clique aqui para ver uma versão maior desta figura.</a>

<ol><li>van Marlen, T., van Wermeskerken, M., Jarodzka, H., van Gog, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Effectiveness+of+eye+movement+modeling+examples+in+problem+solving%3A+The+role+of+verbal+ambiguity+and+prior+knowledge%5BTitle%5D)+AND+%22Learning+and+Instruction%22%5BJournal%5D)">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/pubmed?term=((Using+sequence+mining+to+reveal+the+efficiency+in+scientific+reasoning+during+STEM+learning+with+a+game-based+learning+environment%5BTitle%5D)+AND+%22Learning+and+Instruction%22%5BJournal%5D)">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. The Role of Achievement Goal Orientation on Metacognitive Process Use in Game-Based Learning. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aCloude%2C+EB+%22Artificial+Intelligence+in+Education%22">Artificial Intelligence in Education</a>. Isotani, S., Millan, E., Ogan, A., Hastings, P., McLaren, B., Luckin, R. , Springer International Publishing. Switzerland. 36-40 (2019).</li>
<li>Azevedo, R., Gašević, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Analyzing+Multimodal+Multichannel+Data+about+Self-Regulated+Learning+with+Advanced+Learning+Technologies%3A+Issues+and+Challenges%5BTitle%5D)+AND+%22Computers+in+Human+Behavior%22%5BJournal%5D)">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>Sáiz-Manzanares, M. C., Rodríguez-Diez, J. J., Marticorena-Sánchez, R., Zaparín-Yáñez, M. J., Cerezo-Menéndez, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Lifelong+learning+from+sustainable+education%3A+An+analysis+with+eye+tracking+and+data+mining+techniques%5BTitle%5D)+AND+%22Sustainability%22%5BJournal%5D)">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/pubmed?term=((A+systematic+review+of+eye+tracking+research+on+multimedia+learning%5BTitle%5D)+AND+%22Computers+%26+Education%22%5BJournal%5D)">A systematic review of eye tracking research on multimedia learning.</a> Computers & 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/pubmed?term=((Prior+knowledge+and+online+inquiry-based+science+reading%3A+evidence+from+eye+tracking%5BTitle%5D)+AND+%22International+Journal+of+Science+and+Mathematics+Education%22%5BJournal%5D)">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/pubmed?term=((It+is+not+only+about+the+depth+of+processing%3A+What+if+eye+am+not+interested+in+the+text%5BTitle%5D)+AND+%22Learning+and+Instruction%22%5BJournal%5D)">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/pubmed?term=((Using+multimedia+for+e-learning%5BTitle%5D)+AND+%22Journal+of+Computer+Assisted+Learning%22%5BJournal%5D)">Using multimedia for e-learning.</a> Journal of Computer Assisted Learning. 33 (5), 403-423 (2017).</li>
<li>Prokop, M., Pilař, L., Tichá, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Impact+of+think-aloud+on+eye-tracking%3A+A+comparison+of+concurrent+and+retrospective+think-aloud+for+research+on+decision-making+in+the+game+environment%5BTitle%5D)+AND+%22Sensors%22%5BJournal%5D)">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. Data Squashing: Constructing Summary Data Sets. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aDuMouchel%2C+W+%22Handbook+of+Massive+Data+Sets%22">Handbook of Massive Data Sets</a>. Abello, J., Pardalos, P. M., Resende, M. G. C. , Springer. Boston, MA, US. 579-591 (2002).</li>
<li>Stull, A. T., Fiorella, L., Mayer, R. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+eye-tracking+analysis+of+instructor+presence+in+video+lectures%5BTitle%5D)+AND+%22Computers+in+Human+Behavior%22%5BJournal%5D)">An eye-tracking analysis of instructor presence in video lectures.</a> Computers in Human Behavior. 88, 263-272 (2018).</li>
<li>König, S. D., Buffalo, E. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+nonparametric+method+for+detecting+fixations+and+saccades+using+cluster+analysis%3A+Removing+the+need+for+arbitrary+thresholds%5BTitle%5D)+AND+%22Journal+of+Neuroscience+Methods%22%5BJournal%5D)">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/pubmed?term=((Eye+Movements+of+Younger+and+Older+Drivers%5BTitle%5D)+AND+%22Human+Factors%22%5BJournal%5D)">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/pubmed?term=((AOI+rivers+for+visualizing+dynamic+eye+gaze+frequencies%5BTitle%5D)+AND+%22Computer+Graphics+Forum%22%5BJournal%5D)">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/pubmed?term=((Using+eye-tracker+to+compare+search+patterns+between+experienced+and+novice+workers+for+site+hazard+identification%5BTitle%5D)+AND+%22Safety+Science%22%5BJournal%5D)">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/pubmed?term=((Space-time+visual+analytics+of+eye-tracking+data+for+dynamic+stimuli%5BTitle%5D)+AND+%22IEEE+Transactions+on+Visualization+and+Computer+Graphics%22%5BJournal%5D)">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., Guéhéneuc, Y. -G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+systematic+literature+review+on+the+usage+of+eye-tracking+in+software+engineering%5BTitle%5D)+AND+%22Information+and+Software+Technology%22%5BJournal%5D)">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/pubmed?term=((Machine+learning+accurately+classifies+age+of+toddlers+based+on+eye+tracking%5BTitle%5D)+AND+%22Scientific+Reports%22%5BJournal%5D)">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/pubmed?term=((Role+of+route+previewing+strategies+on+climbing+fluency+and+exploratory+movements%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">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/pubmed?term=((A+quantitative+method+for+analyzing+scan+path+data+obtained+by+eye+tracker%5BTitle%5D)+AND+%22IEEE+Symposium+on+Computational+Intelligence+and+Data+Mining%2C+CIDM+2007%22%5BJournal%5D)">A quantitative method for analyzing scan path data obtained by eye tracker.</a> IEEE Symposium on Computational Intelligence and Data Mining, CIDM 2007. , Honolulu, HI, USA. 283-286 (2007).</li>
<li>Takeuchi, H., Matsuda, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Scan-path+analysis+by+the+string-edit+method+considering+fixation+duration%5BTitle%5D)+AND+%226th+International+Conference+on+Soft+Computing+and+Intelligent+Systems%2C+and+13th+International+Symposium+on+Advanced+Intelligence+Systems%2C+SCIS%2FISIS+2012%22%5BJournal%5D)">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. , Kobe, Japan. 1724-1728 (2012).</li>
<li>Sáiz, M. C., Marticorena, R., Anaiz, Á, Zaparaín, M. J. Task analysis with eye tracking technology. srl at Smartart. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aS%C3%A1iz%2C+MC+%22II+Congress+of+the+International+Scientific+Association+of+Psychopedagogy+Proceedings%22">II Congress of the International Scientific Association of Psychopedagogy Proceedings</a>. Peralbo, M., Risso, A., Barca, A., Duarte, B., Almeda, L., Brenlla, J. C. , Asociacion Cientifica Internacional de Psicopedagogia. Coruña, Spain. 4093-4104 (2019).</li>
<li>Khedher, A. B., Jraidi, I., Frasson, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Tracking+Students%27+Analytical+Reasoning+Using+Visual+Scan+Paths%5BTitle%5D)+AND+%22IEEE+17th+International+Conference+on+Advanced+Learning+Technologies+%28ICALT%29%22%5BJournal%5D)">Tracking Students' Analytical Reasoning Using Visual Scan Paths.</a> IEEE 17th International Conference on Advanced Learning Technologies (ICALT). , IEEE. Timisoara, Romania. 53-54 (2017).</li>
<li>Xia, C., Han, J., Qi, F., Shi, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Predicting+Human+Saccadic+Scanpaths+Based+on+Iterative+Representation+Learning%5BTitle%5D)+AND+%22IEEE+Trans+Image+Process%22%5BJournal%5D)">Predicting Human Saccadic Scanpaths Based on Iterative Representation Learning.</a> IEEE Trans Image Process. 8 (7), 3502-3515 (2019).</li>
<li>Cerezo, R., Fernández, E., Gómez, C., Sánchez-Santillán, M., Taub, M., Azevedo, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multimodal+Protocol+for+Assessing+Metacognition+and+Self-Regulation+in+Adults+with+Learning+Difficulties%5BTitle%5D)+AND+%22Journal+of+Visualized+Experiments%22%5BJournal%5D)">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/pubmed?term=((The+technology+acceptance+model+%28TAM%29%3A+A+meta-analytic+structural+equation+modeling+approach+to+explaining+teachers%27+adoption+of+digital+technology+in+education%5BTitle%5D)+AND+%22Computers+%26+Education%22%5BJournal%5D)">The technology acceptance model (TAM): A meta-analytic structural equation modeling approach to explaining teachers' adoption of digital technology in education.</a> Computers & Education. 128 (0317), 13-35 (2019).</li>
<li>Bruder, C., Eißfeldt, H., Maschke, P., Hasse, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Differences+in+monitoring+between+experts+and+novices%5BTitle%5D)+AND+%22Proceedings+of+the+Human+Factors+and+Ergonomics+Society+Annual+Meeting%22%5BJournal%5D)">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., Gašević, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Analyzing+Multimodal+Multichannel+Data+about+Self-Regulated+Learning+with+Advanced+Learning+Technologies%3A+Issues+and+Challenges%5BTitle%5D)+AND+%22Computers+in+Human+Behavior%22%5BJournal%5D)">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/pubmed?term=((How+Does+Prior+Knowledge+Influence+Eye+Fixations+and+Sequences+of+Cognitive+and+Metacognitive+SRL+Processes+during+Learning+with+an+Intelligent+Tutoring+System%5BTitle%5D)+AND+%22International+Journal+of+Artificial+Intelligence+in+Education%22%5BJournal%5D)">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://scholar.google.com/scholar?hl=en&safe=off&q=%22SPSS+Statistical+Package+for+the+Social+Sciences+%28SPSS%29+%28Version+24%29%22">SPSS Statistical Package for the Social Sciences (SPSS) (Version 24)</a>. , Madrid, Spain. (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>

Os autores declaram que não têm interesses financeiros concorrentes.

Os resultados da pesquisa indicaram que a duração média de fixação dos estímulos relevantes foi maior entre os participantes com conhecimento prévio. Da mesma forma, o foco da atenção neste grupo está nos pontos médios da informação (proximal e distal)7. Os resultados deste estudo revelaram diferenças na forma como os participantes processaram as informações. Além disso, seu processamento nem sempre esteve ligado ao agrupamento inicial (Estudantes da Universidade de Experiência, Professores Univer...

Metodologia de rastreamento de olhos aplicada à análise comportamental na aprendizagem A metodologia de rastreamento ocular, entre outros usos funcionais, é aplicada ao estudo do comportamento humano, especificamente durante a resolução da tarefa. Essa técnica facilita o monitoramento e a análise durante a conclusão das tarefas de aprendizagem1. Especificamente, os níveis de atenção dos alunos em diferentes pontos do processo de aprendizagem (início, desenvolvimento e fim) em diferentes disciplinas (História, Matemática, Ciências, etc.) podem ser estudados com o uso da tecnologia de rastreamento ocular. Além disso, se a tarefa incluir o uso de vídeos com uma voz que orienta o processo de aprendizagem, a Aprendizagem Autorregulada (SRL) é facilitada. Portanto, a implementação da tecnologia de rastreamento ocular na análise de tarefas para as quais o SRL (que inclui o uso de vídeos) é proposto como um recurso significativo para entender como a aprendizagem é desenvolvida2,3,4. Essa combinação também significa que as diferenças entre os métodos instrucionais (com ou sem SRL, etc.) podem ser verificadas com diferentes tipos de alunos (com ou sem conhecimento prévio, etc.) 5. Em contrapartida, a apresentação de informações multicanais (apresentação simultânea de informações auditivas e visuais, sejam verbais, escritas ou pictóricas) pode facilitar tanto a gravação quanto a análise de informações relevantes versus não relevantes dasvariáveis acimamencionadas 6 . Estudantes com conhecimento prévio expostos a canais de aprendizagem multimídia parecem aprender mais efetivamente do que aqueles com pouco ou nenhum conhecimento prévio. Estudantes com altos níveis de conhecimento prévio do assunto integrarão informações textuais e gráficas de forma mais eficaz7. Essa funcionalidade tem sido observada no aprendizado dos textos8 que incluem imagens9. A tecnologia de rastreamento de olhos oferece informações sobre onde a atenção está focada e por quanto tempo. Esses dados fornecem uma visão do desenvolvimento de um processo de aprendizagem de forma mais precisa do que através da simples observação do processo de resolução durante a conclusão de uma tarefa. Além disso, a análise desses indicadores facilita o estudo de se o aluno desenvolve aprendizagem profunda ou superficial. Além disso, a relação entre esses dados e os resultados de aprendizagem facilita a validação das informações obtidas com a tecnologia de rastreamento ocular4,10. De fato, essa técnica em conjunto com a SRL são cada vez mais utilizadas no Ensino Superior e na Educação de Adultos11 ambientes de aprendizagem, tanto em cursos regulamentados quanto em cursos não regulamentados12.
A tecnologia de rastreamento de olhos oferece diferentes métricas: distância, velocidade, aceleração, densidade, dispersão, velocidade angular, transições entre Áreas de Interesse (AOI), ordem sequencial da AOI, visitas nas fixações, saccades, caminho de varredura e parâmetros do mapa de calor. No entanto, a interpretação desses dados é complexa e requer o uso de supervisionados (regressão, árvores de decisão, etc.) e não supervisionados (técnicas de cluster k-means, etc.) 13,14 técnicas de mineração de dados. Essas métricas podem ser aplicadas para monitorar o comportamento do mesmo sujeito ao longo do tempo ou para uma comparação entre vários sujeitos e seu desempenho com a mesma tarefa15, analisando a diferença entre participantes com conhecimento prévio versus nenhum conhecimento prévio16. Pesquisas recentes11,17 revelaram que aprendizes iniciantes se fixam mais nos estímulos (ou seja, há uma maior frequência de fixação enquanto padrões semelhantes de caminho de varredura são registrados). A duração média da fixação foi maior para especialistas do que para novatos. Os especialistas apresentaram seu foco de atenção nos pontos médios das informações (proximal e central), diferenças que também podem ser vistas nos pontos de visualização dentro da AOI nos mapas de calor.
Interpretação de métricas no rastreamento ocular Estudos recentes18 indicaram que a aquisição de informações está relacionada ao número de fixações oculares nos estímulos. Outra métrica importante é a saccade, que é definida como o movimento rápido e repentino de uma fixação com um intervalo de [10 ms, 100 ms]. Sharafi et al. (2015)18 encontraram diferenças no número de saccades, dependendo da fase de codificação de informações do aluno. Outro parâmetro relevante é o caminho de varredura, métrica que captura a ordem cronológica das etapas que o participante realiza para a resolução da tarefa de aprendizagem dentro do AOI definido pelo pesquisador18. Da mesma forma, a tecnologia de rastreamento ocular pode ser usada para prever o nível de compreensão do participante, que parece estar relacionado ao número de fixações. Estudos recentes indicaram que a variabilidade no comportamento do olhar é determinada pelas propriedades da imagem (posição, intensidade, cor e orientação), as instruções para a realização da tarefa e o tipo de processamento de informações (estilo de aprendizagem) do participante. Essas diferenças são detectadas analisando a interação do aluno com o diferente AOI19. Técnicas quantitativas20 (análise de frequência) e/ou qualitativas ou dinâmicas21 (caminho de varredura) podem ser utilizadas para analisar os dados coletados a partir das diferentes métricas. As técnicas anteriores são analisadas com técnicas estatísticas tradicionais (análise de frequência, diferença média, diferença de variância, etc.) e estas últimas são analisadas com técnicas de Machine Learning (distâncias euclidianas com métodos de edição de cordas21,22e clustering17). A aplicação dessas técnicas facilita o agrupamento, considerando diferentes características dos sujeitos. Um estudo17 constatou que quanto mais especialista o aluno, mais eficaz é a estratégia de processamento de informações espaciais e temporais que é implementada. Uma tabela descritiva dos parâmetros de medição utilizados neste estudo pode ser consultada abaixo na Tabela 1.
Tabela 1: Parâmetros mais representativos que podem ser obtidos com a técnica de rastreamento ocular, adaptados de Sáiz, Zaparaín, Marticorena e Velasco (2019). 20   <a href="https://www.jove.com/files/ftp_upload/62103/Copia%20de%20JoVE_Table_1.xls" target="_blank">Clique aqui para baixar esta Tabela.</a>
Aplicação da metodologia de rastreamento ocular para o estudo do processo de aprendizagem O uso dos avanços tecnológicos e das técnicas de análise de dados descritas acimade 5 adicionará maior precisão à análise comportamental dos alunos durante a resolução de problemas nas diferentes fases do processamento de informações (iniciação de tarefas, processamento de informações e resolução de tarefas). Tudo isso facilitará a análise comportamental individual, que, por sua vez, permitirá o agrupamento de alunos com características semelhantes24. Da mesma forma, técnicas preditivas (árvores de decisão, técnicas de regressão, etc.) 25 podem ser aplicados à aprendizagem, tanto relacionada ao número de fixações quanto aos resultados de resolução de tarefas de cada aluno. Essa funcionalidade é um avanço muito importante no conhecimento de como cada aluno aprende e na proposta de programas de aprendizagem personalizados dentro de diferentes grupos (pessoas com ou sem dificuldades de aprendizagem26). Portanto, o uso dessa técnica contribuirá para a realização da personalização e otimização da aprendizagem27. A aprendizagem ao longo da vida deve ser entendida como um ciclo de melhoria contínua, uma vez que o conhecimento da sociedade está constantemente avançando e progredindo. A psicologia evolutiva indica que as habilidades de resolução e a eficácia no processamento de informações diminuem com a idade. Especificamente, a frequência saccade, amplitude e velocidade dos movimentos oculares entre os adultos têm sido encontradas para diminuir com a idade. Além disso, na idade avançada, a atenção está voltada para as áreas mais baixas das cenas visuais, que estão relacionadas a déficits na memória de trabalho14. No entanto, a ativação aumenta nas áreas frontal e pré-frontal em uma idade mais avançada, o que parece compensar esses déficits na resolução de tarefas. Esse aspecto inclui o nível de conhecimento prévio e as estratégias de compensação cognitiva que o sujeito pode aplicar. Os participantes experientes aprendem de forma mais eficiente, pois gerenciam a atenção de forma mais eficaz, devido à aplicação de processos automatizados de supervisão28. Além disso, se as informações a serem aprendidas forem transmitidas através de técnicas de SRL, as deficiências acima mencionadas serão atenuadas17. O uso de tais técnicas significa que os padrões de rastreamento visual são muito semelhantes, tanto em sujeitos sem conhecimento prévio quanto em sujeitos com conhecimento prévio7.
Em resumo, a análise dos dados multimodal-multicanais sobre o SRL obtidos com o uso de tecnologias avançadas de aprendizagem (rastreamento ocular) é fundamental para entender a interação entre processos cognitivos, metacognitivos e motivacionais, e seu impacto na aprendizagem29. Os resultados e o estudo das diferenças na aprendizagem têm implicações para o design de materiais de aprendizagem e sistemas inteligentes de tutoria, ambos possibilitando uma aprendizagem personalizada que provavelmente será mais eficaz e satisfatória para o aluno30.
Nesta pesquisa, foram feitas duas perguntas de investigação: (1) Haverá diferenças significativas nos resultados de aprendizagem e nos parâmetros de fixação ocular entre alunos e professores especialistas versus não especialistas em História da Arte diferenciando alunos com diplomas oficiais versus alunos com diplomas não oficiais (Universidade de Experiência - Educação de Adultos)? e (2) Os agrupamentos de cada participante com resultados de aprendizagem e parâmetros de fixação ocular coincidirão com o tipo de participantes (alunos com diplomas oficiais, estudantes com diplomas não oficiais (Universidade de Experiência - Educação de Adultos) e professores)?

<table><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>

tecnologia de rastreamento de olhos e técnicas de mineração de dados utilizadas para uma análise comportamental de adultos envolvidos em processos de aprendizagem

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

A análise comportamental de adultos engajados em tarefas de aprendizagem é um grande desafio no campo da educação de adultos. Hoje, em um mundo de contínuas mudanças tecnológicas e avanços científicos, há necessidade de aprendizagem e educação ao longo da vida em ambientes educacionais formais e não formais. Em resposta a esse desafio, o uso de tecnologia de rastreamento ocular e técnicas de mineração de dados, respectivamente, para aprendizado supervisionado (principalmente predito) e não supervisionado (especificamente análise de cluster), fornece métodos para a detecção de formas de aprendizagem entre os usuários e/ou a classificação de seus estilos de aprendizagem. Neste estudo, propõe-se um protocolo para o estudo de estilos de aprendizagem entre adultos com e sem conhecimento prévio em diferentes idades (18 a 69 anos) e em diferentes pontos ao longo do processo de aprendizagem (início e fim). Técnicas de análise estatística de variância significam que podem ser detectadas diferenças entre os participantes por tipo de aprendiz e conhecimento prévio da tarefa. Da mesma forma, o uso de técnicas de agrupamento de aprendizagem não supervisionadas lança luz sobre formas semelhantes de aprendizado entre os participantes em diferentes grupos. Todos esses dados facilitarão propostas personalizadas do professor para a apresentação de cada tarefa em diferentes pontos da cadeia de processamento de informações. Da mesma forma, será mais fácil para o professor adaptar os materiais didáticos às necessidades de aprendizagem de cada aluno ou grupo de alunos com características semelhantes.

Os 36 participantes recrutados para o presente estudo foram de três grupos de adultos (estudantes da universidade de experiência, professores universitários e estudantes de graduação e mestrado) com idades que variam entre [18 e 69] anos(Tabela 2). O protocolo foi testado ao longo de 20 meses na Universidade de Burgos. Um esboço do desenvolvimento pode ser visto na Tabela 4.
Mesa 4. Esbo...

Apresentamos um protocolo para uma análise comportamental de adultos (de 18 a 70 anos) engajados em processos de aprendizagem, realizando tarefas projetadas para a Aprendizagem Autorregulada (SRL). Os participantes, professores universitários e estudantes e adultos da Universidade de Experiência foram monitorados com dispositivos de rastreamento ocular e os dados foram analisados com técnicas de mineração de dados.

Tecnologia de rastreamento de olhos e técnicas de mineração de dados utilizadas para uma análise comportamental de adultos envolvidos em processos de aprendizagem

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

Apresentamos um protocolo para a análise comportamental de adultos de 15 a 70 anos envolvidos em diferentes processos. Empreender tarefas atribuídas para o aprendizado autorregulado. Os participantes, professores universitários e estudantes, entre outros da Universidade de Experiência, foram monitorados com dispositivos de rastreamento ocular e os dados foram analisados com técnicas de mineração de dados.Este protocolo foi realizado em conformidade com as normas processuais do comitê bioético da Universidade de Burgos, Espanha. Nesta pesquisa, foram feitas duas perguntas de investigação. Pergunta de pesquisa um, haverá diferenças significativas nos resultados de aprendizagem e nos parâmetros de fixação ocular entre alunos e professores especialistas versus não especialistas em história da arte, diferenciando alunos com diplomas oficiais versus alunos com diplomas não oficiais, Educação de adultos da Universidade de Experiência?E a questão da pesquisa dois:Será que os clusters de cada participante com resultados de aprendizagem e parâmetros de fixação ocular coincidem com o tipo de participantes, estudantes com diplomas oficiais, alunos com diplomas não oficiais, educação de adultos da Universidade de Experiência e professores? Recrutamento de participantes. Recrutar participantes de um grupo de adultos em dois ambientes, estudantes e professores, com uma faixa etária de 18 a 70 anos no ambiente de ensino superior, educação formal e não formal.Inclua o participante com visão normal ou corrigida à visão normal e audição. Exclua participante com distúrbios neurológicos, psiquiátricos e do sono, incapacidade relacionada a necessidades especiais educacionais, dificuldades perceptivas, visão e audição prejudicadas e deficiências cognitivas. Neste estudo, trabalhamos em uma amostra definitiva de 39 participantes, seis alunos da Universidade de Experiência.Um participante foi excluído na categoria de aluno da Universidade de Experiência por dificuldades visuais. 25 professores universitários na disciplina de ciências da saúde, engenharia e história e patrimônio, e nove alunos de graduação e mestrado seguindo cursos de ciências da saúde, engenharia e história e patrimônio. Coleta de dados, obter consentimento informado.Antes da prova, informe cada participante do objetivo do estudo e da coleta, tratamento e armazenamento de seus dados. O acordo de cada participante é dado mediante a assinatura do termo de consentimento livre e esclarecido. Em seguida, antes de iniciar a tarefa, o entrevistador, especialista na área, passa um questionário sobre questões sobre idade, sexo, ocupação e conhecimento prévio sobre o assunto.Neste caso, a origem e o desenvolvimento histórico dos mosteiros na Europa. Procedimento experimental. calibração. Informe o participante sobre como funciona a tecnologia de rastreamento ocular e como as informações serão coletadas e gravadas e calibradas.Explica-se ao participante que uma mesa válida requer posicionamento adequado. Para isso, o participante tem que sentar a uma certa distância, a 45 a 60 centímetros do monitor. A distância dependerá da altura do participante, menor a altura, menor será a distância.O participante é informado de que uma série de pontos aparecerá no ponto cardeal da tela, e que cada vez que um ponto aparecer, o participante deve observá-lo com os olhos. Pegue a configuração de calibração. Realizando a tarefa de aprendizagem.Explique o conteúdo da tarefa ao participante. A tarefa de aprendizagem consiste na explicação da origem dos mosteiros na Europa. A atribuição é apresentada em uma narração em vídeo utilizando a metodologia SRL.As informações são apresentadas por meio de canais auditivos e visuais, incluindo texto e imagens escritos. Veja o vídeo. Executando as palavras cruzadas em uma plataforma virtual baseada em Moodle.análise de dados. Escolha a Área de Interesse, AOI. As AOIs são definidas no vídeo e são divididas em AOIs que contêm informações relevantes versus AOIs que incluem informações não relevantes.Extrair o banco de dados relativo aos parâmetros para fixações aoIS. Importe o banco de dados, incluindo um pacote de software de processamento estatístico, e selecione a opção Analisar e, em seguida, Classificar, siga pela opção K-Means Cluster. Em seguida, selecione a tabela cruzada no pacote de software estatístico, por exemplo SPSS, seguido da opção ANOVA, para analisar as diferenças entre o participante.Realize uma análise de visualização dos dados. Extrair os dados dos parâmetros de estatísticas detalhadas e fazer a análise estatística. Propostas de aprendizagem personalizadas.Realizar um programa de intervenção para melhorar os resultados de aprendizagem entre os participantes detectados na análise do cluster devido aos seus escores mais baixos. Resultados representativos. Os 36 participantes recrutados para o presente estudo foram de três grupos de estudantes adultos da Universidade de Experiência, professores universitários e estudantes de graduação e mestrado com idade entre 22 e 69 anos.O protocolo foi testado ao longo de 20 meses na Universidade de Burgos. Foram analisados os parâmetros de posição do olhar da fixação. O grupo de homens e mulheres de cada um dos grupos participantes, estudante da Universidade de Experiência, professor universitário e pós-graduação e mestrado, cada um completou a tarefa de formas diferentes.Não foram encontradas diferenças significativas em nenhum dos parâmetros de fixação, mas observou-se uma tendência para diferenças para fixação do tamanho médio da pupila Y, fixação e diâmetro médio da pupila, e dispersão de fixação X, embora com valores de baixo efeito. Em seguida, os principais clusters foram aplicados para estudar se havia diferentes agrupamentos no grupo de pesquisa inicial, com relação aos resultados nos parâmetros de posição de fixação, conhecimento prévio e resultados de palavras cruzadas. Três aglomerados foram encontrados.Também foi elaborada uma tabela em grupo entre os valores do cluster de um grupo atribuído a cada participante em relação ao tipo de participante da categoria, estudante da Universidade de Experiência, professores universitários e estudantes universitários. Cada um mostra a posição dos participantes dentro do cluster em relação aos três grupos para os parâmetros de posição de fixação. Diferenças significativas foram encontradas dependendo do conhecimento de fundo, variável em Duração de Desvio 1.Analisando o tempo de entrada, duelo e saída para cada estímulo inserido em cada AOI. Pode-se, portanto, concluir que a forma de entrar, permanecer e sair nas diferentes AOIs foi diferente dependendo do grupo variável participante durante a fase inicial de acesso à informação. Também foram encontradas diferenças nos parâmetros médios de duração da fixação.Fixações mais longas referem-se aos participantes que passam mais tempo analisando e interpretando o conteúdo da informação dentro das diferentes AOIs. Bonferroni significa que diferentes testes foram aplicados para estabelecer a adesão ao grupo, com o qual foi estabelecido que eles estavam entre o grupo de estudantes da Universidade de Experiência e o grupo de professores universitários. Os meios foram maiores a partir dos alunos do grupo um, estudantes da Universidade de Experiência, onde os participantes passam mais tempo analisando e interpretando as AOIs durante a fase de entrada de dados.Com base no resultado encontrado neste estudo, o desenvolvimento de um programa de aprendizagem personalizado foi proposto para melhorar os resultados de aprendizagem da resolução de tarefas. Neste estudo, o programa focará no reforço do conceito trabalhado no vídeo, para o qual será feita uma extensão e especificação dos conceitos. Os resultados obtidos nesta análise de dados dão informações ao professor para ajustar a apresentação da tarefa e até mesmo as características de cada aluno ou grupo de alunos. Conclusões.A apresentação das informações de forma, por meio do canal de informações, auditiva, visual ou ambas. Com a atividade srl, a metodologia, juntamente com o uso de uma tecnologia de rastreamento e técnica de machine learning. É fundamental entender como a aprendizagem processa as informações e ser habilitada a oferecer um design de aprendizagem personalizado de acordo com as necessidades educacionais de cada um, promovendo o desenvolvimento avaliado para a aprendizagem.

eye-tracking-technology-data-mining-techniques-used-for-behavioral

Research

JoVE Journal

Behavior

Comportamento

Monitoramento dos movimentos oculares (ou eye tracking) revela que no espaço os olhos linger, quando e por quanto tempo. Aqui, demonstramos como o rastreamento dos olhos pode ser usada para investigar a integridade da memória em populações participante múltiplos, sem a necessidade de relatos verbais, ou de outra forma explícita,.

Monitoramento Eye Movement of Memory

Eye tracking tem sido muito utilizado para estudar padrões de olhar em indivíduos tipicamente de desenvolvimento, mas recentes avanços tecnológicos tornaram a sua utilização com populações clínicas, incluindo autismo, mais viável. Enquanto olho-rastreamento de crianças jovens com autismo pode oferecer uma visão sobre as manifestações dos primeiros sintomas, envolve desafios metodológicos. Sugestões para as melhores práticas são fornecidos.

Rastreamento ocular crianças com autismo

O presente artigo descreve como usar metodologias de rastreamento ocular para estudar os processos cognitivos envolvidos na compreensão de texto. Descrições de equipamentos de rastreamento ocular, como desenvolver estímulos experimentais e recomendações processuais estão incluídas. As informações apresentadas podem ser aplicadas à maioria dos estudos utilizando estímulos verbais.

Usando movimentos oculares para avaliar os processos cognitivos envolvidos na compreensão de texto

Um método é descrito para quantificar a qualidade do processamento da informação visual com base nos movimentos oculares reflexivos em resposta a modalidades visuais específicas. Os tempos de reação e os parâmetros de saída de fixação são usados para caracterizar o desempenho visual em crianças com e sem deficiência visual a partir dos 6 meses de idade.

Um método de quantificação Visual Information Processing em Crianças Usando Eye Tracking

O objetivo do protocolo é detalhar como coletar dados de vídeo para uso em laboratório; como gravar dados de rastreamento de olhos dos participantes olhando para os dados e como analisar eficientemente o conteúdo dos vídeos que eles estavam olhando para usar uma técnica de aprendizado de máquina.

Combinando dados de rastreamento de olhos com uma análise de conteúdo de vídeo de livre-visualizando um vídeo de uma caminhada em um ambiente de parque urbano

Crianças pequenas não passivamente observar o mundo, mas prefiro ativamente explorar e interagir com seu ambiente. Este protocolo fornece princípios orientadores e recomendações práticas para o uso de rastreadores de olho capacetes para gravar dos infantes e crianças ambientes visuais dinâmicos e atenção visual no contexto do comportamento natural.

Olhar em ação: capacetes Eye Tracking da atenção Visual dinâmico de crianças durante o comportamento naturalista

Esta é uma análise de estudo de caso comparativo qualitativo dos dados de acompanhamento de olho sobre os primeiros momentos de cenas de vídeo sociais como visto por três participantes: um com transtorno do espectro do autismo, um com comórbidas transtorno hiperativa de déficit de atenção e um controle de neurotypical.

Comparar dados de olho-de acompanhamento de crianças com ASD de alto funcionamento, comorbidade TDAH e de um controle Social vídeos

O estudo propõe um modelo de ativação compatível para estudar como a solidão é atenuada quando um público solitário assiste a vídeos de barragem de apelos racionais e emocionais. O protocolo utiliza o rastreamento ocular para documentar a duração e fixação, contabilizando o grau de satisfação quando as necessidades emocionais são apaziguadas pelo conteúdo e pela barragem.

Solidão Augenrrada: Acompanhando o Público assistindo vídeos de Barragem

O rastreamento ocular é um método não invasivo para investigar o processamento de informações. Este artigo descreve como o rastreamento ocular pode ser usado para estudar o comportamento do olhar durante uma tarefa de emergência de simulação de voo em pilotos de baixo tempo (ou seja, &lt;350 horas de voo).

Rastreamento ocular durante uma tarefa complexa de aviação para obter informações sobre o processamento de informações

O objetivo deste protocolo é investigar a cognição espacial em roedores. O labirinto aquático duplo-H é um teste novo, que é particularmente útil para elucidar os diferentes componentes de aprendizagem, consolidação e memória, bem como a interação dos sistemas de memória.

O Double-H labirinto: um teste comportamental robusto para Aprendizado e Memória em roedores

Aprenda a analisar comportamentos de aprendizagem em adultos usando rastreamento ocular e técnicas de mineração de dados. Este método permite investigar padrões de fixação visual e personalizar estratégias educacionais.

Tecnologia de rastreamento de olhos e técnicas de mineração de dados utilizadas para uma análise comportamental de adultos envolvidos em processos de aprendizagem (Vídeo) | JoVE Journal

Tecnologia de rastreamento de olhos e técnicas de mineração de dados utilizadas para uma análise comportamental de adultos envolvidos em processos de aprendizagem

Explorar mais vídeos