Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Behavior

Eye-tracking teknologi og data-mining teknikker, der anvendes til en adfærdsmæssig analyse af voksne, der beskæftiger sig med læringsprocesser

Published: June 10, 2021 doi: 10.3791/62103

Summary

Vi præsenterer en protokol for en adfærdsanalyse af voksne (i alderen 18 til 70 år), der beskæftiger sig med læringsprocesser, og udfører opgaver designet til selvregulerende læring (SRL). Deltagerne, universitetslærere og studerende og voksne fra University of Experience blev overvåget med eye-tracking-enheder, og dataene blev analyseret med dataminingteknikker.

Abstract

Adfærdsanalyse af voksne, der beskæftiger sig med læringsopgaver, er en stor udfordring inden for voksenuddannelse. I dag er der i en verden med vedvarende teknologiske forandringer og videnskabelige fremskridt behov for livslang læring og uddannelse i både formelle og ikke-formelle uddannelsesmiljøer. Som svar på denne udfordring giver brugen af henholdsvis eye-tracking-teknologi og dataminingteknikker til overvåget (hovedsagelig forudsigelse) og uovervåget (specifikt klyngeanalyse) læring metoder til påvisning af læringsformer blandt brugerne og/eller klassificering af deres læringsstile. I denne undersøgelse foreslås en protokol for undersøgelse af læringsstile blandt voksne med og uden tidligere viden i forskellige aldre (18 til 69-årige) og på forskellige tidspunkter i hele læringsprocessen (start og slut). Statistiske variansanalyseteknikker betyder, at der kan påvises forskelle mellem deltagerne efter elevtype og tidligere kendskab til opgaven. På samme måde kaster brugen af uovervågede læringsklyngeteknikker lys over lignende former for læring blandt deltagerne på tværs af forskellige grupper. Alle disse data vil lette personlige forslag fra læreren til præsentation af hver opgave på forskellige punkter i kæden af informationsbehandling. Det vil ligeledes være lettere for læreren at tilpasse undervisningsmaterialet til læringsbehovene hos hver elev eller gruppe af studerende med lignende karakteristika.

Introduction

Eye-tracking metode anvendes til adfærdsanalyse i læring
Eye-tracking metode, blandt andre funktionelle anvendelser, anvendes til studiet af menneskelig adfærd, specielt under opgaveløsning. Denne teknik letter overvågning og analyse under udførelsen af læringsopgaver1. Specifikt kan opmærksomhedsniveauerne for studerende på forskellige punkter i læringsprocessen (start, udvikling og slut) i forskellige (historie, matematik, videnskab osv.) studeres ved hjælp af eye-tracking-teknologi. Hvis opgaven omfatter brug af videoer med en stemme, der styrer læringsprocessen, lettes selvregulerende læring (SRL). Derfor foreslås implementeringen af eye-tracking-teknologi i analysen af opgaver, som SRL (der omfatter brugen af videoer) som en betydelig ressource til at forstå, hvordan læring udvikles2,3,4. Denne kombination vil også betyde, at forskellene mellem undervisningsmetoder (med eller uden SRL osv.) kan kontrolleres med forskellige typer studerende (med eller uden forudgående viden osv.) 5.I modsætning hertil kan præsentationen af multikanaloplysninger (samtidig præsentation af både auditive og visuelle oplysninger, hvad enten de er verbale, skriftlige eller billedlige) lette både registreringen og analysen af relevante versus ikke-relevante oplysninger fra ovennævnte variabler6. Studerende med forudgående viden, der udsættes for multimedielæringskanaler, ser ud til at lære mere effektivt end dem med ringe eller ingen forudgående viden. Studerende med et højt niveau af forudgående kendskab til emnet vil integrere tekstuel og grafisk information mere effektivt7. Denne funktionalitet er blevet observeret i indlæringen af tekst8, der indeholder billeder9. Eye-tracking teknologi tilbyder information om, hvor opmærksomheden er fokuseret og hvor længe. Disse data giver indsigt i udviklingen af en læringsproces på en mere præcis måde end gennem den enkle observation af afviklingsprocessen under afslutningen af en opgave. Analysen af disse indikatorer letter også undersøgelsen af, om den studerende udvikler dyb eller overfladisk læring. Desuden letter forholdet mellem disse data og læringsresultaterne valideringen af de oplysninger , der er opnået med eye-tracking-teknologi4,10. Faktisk anvendes denne teknik sammen med SRL i stigende grad i videregående uddannelser og i voksenuddannelse11 læringsmiljøer, både på regulerede og ikke-regulerede kurser12.

Eye-tracking teknologi tilbyder forskellige målinger: afstand, hastighed, acceleration, tæthed, spredning, vinkelhastighed, overgange mellem områder af interesse (AOI), sekventiel rækkefølge af AOI, besøg i fikseringer, saccades, scanne sti og varmekort parametre. Fortolkningen af disse data er imidlertid kompleks og kræver brug af overvågede (regression, beslutningstræer osv.) og uden opsyn (k-means klyngeteknikker osv.) 13,14 data-mining teknikker. Disse målinger kan anvendes til overvågning af samme emnes opførsel over tid eller til sammenligning mellem flere emner og deres præstationer med samme opgave15ved at analysere forskellen mellem deltagere med tidligere viden versus ingen tidligere viden16. Nyere forskning11,17 har afsløret, at nybegyndere lærlinge fiksere længere på stimuli (dvs. der er en større fiksering frekvens, mens lignende scan-sti mønstre er registreret). Den gennemsnitlige varighed af fiksering var længere for eksperter end for nybegyndere. Eksperterne præsenterede deres fokus på de midterste punkter i informationen (proksimale og centrale), forskelle, der også kan ses i visualiseringspunkterne i AOI på varmekortene.

Fortolkning af målinger i eye tracking
Nylige undersøgelser18 har vist, at informationserhvervelse er relateret til antallet af okulære fikseringer på stimuli. En anden vigtig metrikværdi er saccaden, der defineres som den hurtige og pludselige bevægelse af en fiksering med et interval på [10 ms, 100 ms]. Sharafi et al. (2015)18 fandt forskelle i antallet af saccades, afhængigt af den studerendes informationskodningsfase. En anden relevant parameter er scanningsstien, en metrikværdi, der registrerer den kronologiske rækkefølge af de trin, som deltageren udfører for løsningen af læringsopgaven inden for AOI defineret af forskeren18. På samme måde kan eye-tracking-teknologi bruges til at forudsige deltagerens forståelsesniveau, som ser ud til at være relateret til antallet af fikseringer. Nylige undersøgelser har vist, at variation i blikadfærd bestemmes af billedets egenskaber (position, intensitet, farve og orientering), instruktionerne til udførelse af opgaven og deltagerens type informationsbehandling (læringsstil). Disse forskelle opdages ved at analysere den studerendes interaktion med de forskellige AOI19. Kvantitative20 (frekvensanalyse) og/eller kvalitative eller dynamiske21 (scanningssti) teknikker kan bruges til at analysere de data, der er indsamlet fra de forskellige målinger. De tidligere teknikker analyseres med traditionelle statistiske teknikker (frekvensanalyse, middelforskel, variansforskel osv.), og sidstnævnte analyseres med maskinlæringsteknikker (euklidiske afstande med strengredigeringsmetoder21,22og klyngedannelse17). Anvendelsen af disse teknikker letter klyngedannelse ved at overveje forskellige karakteristika ved emnerne. En undersøgelse17 viste, at jo mere ekspert den studerende, jo mere effektiv den rumlige og tidsmæssige informationsbehandling strategi, der gennemføres. En beskrivende tabel over de måleparametre , der blev anvendt i denne undersøgelse , kan konsulteres nedenfor i tabel 1.

Tabel 1: Mest repræsentative parametre, der kan opnås med eye-tracking-teknikken, tilpasset fra Sáiz, Zaparaín, Marticorena og Velasco (2019). 20 år   Klik her for at hente denne tabel.

Anvendelse af eye-tracking-metoden til studiet af læringsprocessen
Brugen af de teknologiske fremskridt og de dataanalyseteknikker, der er beskrevetovenfor 5, vil tilføje større præcision til adfærdsanalyse af elever under problemløsning i de forskellige faser af informationsbehandling (opgavestart, informationsbehandling og opgaveløsning). Det vil alle lette individuel adfærdsanalyse, hvilket igen vil tillade gruppering af studerende med lignende egenskaber24. Ligeledes prædiktive teknikker (beslutning træer, regression teknikker, osv.) 25 kan anvendes til læring, både relateret til antallet af fikseringer og til hver elevs opgaveløsningsresultater. Denne funktionalitet er et meget vigtigt fremskridt i kendskabet til, hvordan den enkelte studerende lærer, og til forslaget om personlige læringsprogrammer inden for forskellige grupper (personer med eller uden indlæringsvanskeligheder26). Derfor vil brugen af denne teknik bidrage til opnåelse af personalisering og optimering af læring27. Livslang læring skal forstås som en cyklus af løbende forbedringer, da samfundets viden hele tiden udvikler sig og skrider frem. Evolutionær psykologi indikerer, at opløsningsevner og effektivitet i informationsbehandling falder med alderen. Specifikt har saccadefrekvens, amplitude og hastighed af øjenbevægelser blandt voksne vist sig at falde med alderen. Derudover er opmærksomheden i ældre aldre fokuseret på de lavere områder af visuelle scener, som er relateret til underskud i arbejdshukommelsen14. Ikke desto mindre stiger aktiveringen i de frontale og præfrontale områder i en ældre alder, hvilket synes at kompensere for disse underskud i opgaveløsning. Dette aspekt omfatter niveauet af tidligere viden og de kognitive kompensationsstrategier, som emnet kan anvende. Erfarne deltagere lærer mere effektivt, da de styrer opmærksomheden mere effektivt på grund af anvendelsen af automatiserede tilsynsprocesser28. Hvis de oplysninger, der skal læres, videregives gennem SRL-teknikker, afhjælpes ovennævnte manglerdesuden 17. Brugen af sådanne teknikker betyder, at visuelle sporingsmønstre er meget ens, både i uden forudgående viden og i med forudgående viden7.

Sammenfattende er analysen af multimodale multikanaldata om SRL opnået ved hjælp af avancerede læringsteknologier (eye-tracking) nøglen til at forstå samspillet mellem kognitive, metakognitive og motiverende processer og deres indvirkning på læring29. Resultaterne og studiet af forskelle i læring har konsekvenser for udformningen af undervisningsmaterialer og intelligente vejledningssystemer, som begge vil muliggøre personlig læring, der sandsynligvis vil være mere effektiv og tilfredsstillende for den studerende30.

I denne forskning blev der stillet to undersøgelsesspørgsmål: (1) Vil der være betydelige forskelle i læringsresultaterne og i de okulære fikseringsparametre mellem studerende og ekspert versus ikke-ekspertlærere i kunsthistorie, der differentierer studerende med officielle grader versus studerende med ikke-officielle grader (University of Experience - Voksenuddannelse)? og (2) Vil klynger af hver deltager med læringsresultater og okulære fikseringsparametre falde sammen med typen af deltagere (studerende med officielle grader, studerende med ikke-officielle grader (University of Experience - Voksenuddannelse) og lærere)?

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Denne protokol blev udført i overensstemmelse med procedurereglerne fra bioetisk udvalg ved universitetet i Burgos (Spanien) nº Nº IR27/2019. Forud for deres deltagelse var deltagerne blevet gjort fuldt ud opmærksomme på forskningsmålene og havde alle givet deres informerede samtykke. De modtog ingen økonomisk kompensation for deres deltagelse.

1. Rekruttering af deltagere

  1. Rekruttere deltagere blandt en gruppe voksne inden for to miljøer (studerende og lærere) med en aldersgruppe på 18 til 69 år i miljøet af videregående uddannelse (formel og ikke-formel uddannelse).
  2. Medtag deltagere med normalt eller korrigeret til normalt syn og hørelse.
  3. Ekskluder deltagere med neurologiske, psykiatriske og søvnforstyrrelser, handicap relateret til særlige uddannelsesmæssige behov, perceptuelle vanskeligheder (nedsat syn og hørelse) og kognitive handicap.
    BEMÆRK: I denne undersøgelse arbejdede vi med en stikprøve på 40 deltagere, 6 studerende fra University of Experience (en deltager blev udelukket i kategorien af studerende fra erfaringsuniversitetet på grund af visuelle vanskeligheder), 25 universitetsprofessorer inden for discipliner inden for sundhedsvidenskab, ingeniørvidenskab og historie og arv og 9 bachelor- og kandidatstuderende, der fulgte kurser i sundhedsvidenskab, ingeniørvidenskab og historie og arv. Deltagerne havde ingen kognitive, hørende eller visuelle problemer, og de havde alle et normalt eller korrigeret syn (tabel 2). Derfor blev en af deltagerne elimineret, inden eksperimentet startede, fordi nystagmus var blevet opdaget på ham, og derfor blev opgaven anvendt på en stikprøve på 39 deltagere. Deltagerne modtog ingen økonomisk eller faglig kompensation. Derfor var deltagernes motivation høj, da den kun var baseret på deres interesse i at vide, hvordan denne eye-tracking-metode fungerer under en læringsproces relateret til kulturarven, navnlig oprindelsen af europæiske klostre.

Tabel 2. Prøvens egenskaber.  Klik her for at hente denne tabel.

2. Forsøgsprocedure

  1. Session 1: Indsamling af informeret samtykke, personoplysninger og baggrundsviden
    1. Indhente informeret samtykke. Før testen skal du informere hver deltager om undersøgelsens mål og indsamling, behandling og opbevaring af deres data. Hver deltagers samtykke gives ved at underskrive den informerede samtykkeformular.
      BEMÆRK: Deltagelse i denne undersøgelse var frivillig, og der var ingen økonomisk belønning. Dette aspekt sikrede, at udførelsen af opgaverne ikke havde nogen økonomisk motivation. Inden intervieweren, der er ekspert på området, påbegynder opgaven, udfylder han et spørgeskema med spørgsmål om alder, køn, erhverv og forudgående kendskab til emnet, i dette tilfælde klosterenes oprindelse og historiske udvikling i Europa (se tabel 3). Denne undersøgelse er en del af et europæisk projekt (2019-1-ES01-KA204-095615-coordinator 6) om voksenuddannelse om menneskehedens kulturarv gennem hele livet; Derfor blev denne type opgave valgt. Hver efterforsker vil vælge emnet afhængigt af hans eller hendes arbejdsområde.

Tabel 3 . Interview spørgeskema.  Klik her for at hente denne tabel.

  1. Session 2: Kalibrering
    1. Informer deltageren om, hvordan eye-tracking-teknologi fungerer, og hvordan oplysningerne vil blive indsamlet og registreret og kalibreret: "Vi vil bruge eye-tracking-teknologi til at observere afslutningen af læringsopgaven om oprindelsen og udviklingen af europæiske klostre. Eye tracking er en teknologi, der giver dig mulighed for at følge dit blik, mens du udfører aktiviteten, og det har ingen bivirkninger, og det er heller ikke invasivt, da der i denne undersøgelse kun registreres øjensporing".
    2. Forklar deltageren, at en gyldig test kræver korrekt positionering. Få deltageren til at sidde i en vis afstand [45 til 60 cm] fra skærmen. Afstanden afhænger af deltagerens højde, jo lavere højde, jo kortere afstand.
    3. Informer deltageren om, at der vises en række punkter på skærmens kardinalpunkter, og at deltageren, efterhånden som hvert punkt vises, skal observere det med øjnene. Deltageren kan flytte fra et punkt til et andet ved hjælp af "enter"-markøren. Kalibreringsfasen har en varighed på 10-15 minutter.
      BEMÆRK: En Eye-tracking iViewer XTM, SMI Experimenter Center 3.0 og SMI Be Gaze og en skærm med en opløsning på 1680×1050 blev brugt til opgaveløsningsøvelsen. Dette udstyr registrerer okulære bevægelser, deres koordinater og pupillærte diametre i hvert øje. I denne undersøgelse blev der anvendt 60 Hz, der blev anvendt scannings-sti-målinger og dynamiske scanningsstimålinger, og AOI-statistikker blev bestemt.
    4. Kontroller kalibreringsindstillingen. Den professionelle, der fører tilsyn med testen, analyserer kalibreringsindstillingen på kontrolskærmen.
      1. Udfør kalibrering via kalibreringssystemet, der er inkluderet i Eye-tracking iViewer XTM. Før du starter denne opgave, indser hver deltager en visuel opfølgning på fire punkter på en skærm til de fire hjørner (op-højre, op-venstre, ned-højre, ned-venstre). Derefter har softwaren en udførelsesverifikationsproces af den rigtige position af disse stimuli og giver oplysninger om parameterjusteringen i grader. Hvis denne justering er placeret mellem 0,6º ± 1 i højre og venstre øje, anses kalibreringen for at være korrekt, og opgaveudførelsen starter. Et eksempel på processen kan bekræftes i figur 1.
        BEMÆRK: Korrekt opgaveafslutning tages i betragtning, når grader i højre og venstre øje indstilles til 0,6º ± 1 standardafvigelse. I denne undersøgelse blev der påvist to kalibreringer blandt gruppen af universitetsprofessorer, der overskred justeringskriteriet på 0,6º ± 1, og to deltagere blev derfor fjernet. De 25 deltagere i den første stikprøve blev derfor reduceret til 23 deltagere.

Figure 1
Figur 1. Proces med eye-tracking kalibrering Klik her for at se en større version af dette tal.

  1. Session 3: Udførelse af læringsopgaven
    1. Forklar indholdet af opgaven for deltageren. En ekspert i instruktionspsykologi forklarer deltageren, hvad opgaven vil bestå af, og hvordan man udfører den: "Videoen er 1:14 sekunder lang og består af 5 voice-over billeder. I slutningen opfordres deltageren til at udfylde et lille krydsord for at kontrollere, at oplysningerne i videoen er blevet forstået".
    2. Se videoklippet. Den video, der bruges i opgaven, kan ses på følgende link: https://youtu.be/HlGGgrYDTFs.
      BEMÆRK: Opgaven består i at se en video, der giver oplysninger om oprindelsen af europæiske klostre. Oplysningerne er udarbejdet af en specialist, en kunsthistorisk lærer. Oplysningerne er organiseret i to kanaler, en visuel, som omfatter billeder og skriftlige oplysninger præsenteret som skitser og en anden lyd en, fordi en SRL specialist lærer taler i hele videoen insistere på de mest betydningsfulde indhold ved hjælp af verbal vægt.
    3. Udfører krydsordet på en Moodle-baseret virtuel platform. Hvis du klikker på krydsordsikonet, kommer deltageren til en virtuel platform, hvor krydsordet kan udfyldes, for at kontrollere, om viden er erhvervet. Krydsordet er beskrevet i figur 2.

Figure 2
Figur 2. Kryds og tværs for at kontrollere den erhvervede viden. Klik her for at se en større version af dette tal.

  1. Session 4: Dataanalyse
    1. Vælg interesseområderne (AOI). API'er defineres i videoen og er opdelt i API'er, der indeholder relevante oplysninger i forhold til AOI'er, der indeholder ikke-relevante oplysninger.
      BEMÆRK: AOI-tildelingen realiseres af eksperimentatoren, der beslutter, hvilke er de relevante eller irrelevante API'er i forhold til de præsenterede oplysninger.
    2. Udtræk databasen, der vedrører parametrene for AOI-rettelser ("Prøvetid for hændelsesstart", "Prøvetid for hændelsesslutning" og "Varighed af hændelse". "Fikseringsposition X", "Fikseringsposition Y", "Fikseringsgennemsnit elevstørrelse", "Fikseringsgennemsnit af elevstørrelse", "Fikseringsstørrelse X" og "Fikseringsfordeling Y").
    3. Importer databasen til en softwarepakke til statistisk behandling, og vælg indstillingen Analysér og klassificererderefter , efterfulgt af parameteren k-means cluster. Vælg derefter krydstabel i den statistiske softwarepakke, for eksempel SPSS, efterfulgt af indstillingen 'ANOVA', for at analysere forskellene mellem deltagerne (type voksengrupper og graden af forudgående viden) med hensyn til deres AOI-fikseringsparametre31.
      BEMÆRK: Klynge- eller klyngeanalyse er en "ukontrolleret" maskinlæringsteknik, og inden for k-midler er det en grupperingsmetode, der har til formål at opdele et sæt n observationer i k-grupper, hvor hver observation tilhører den gruppe, der har den nærmeste middelværdi. I dette eksperiment blev k-meansclustering brugt til at kontrollere klyngerne af deltagere i læringsopgaven. Denne korrespondance er vigtig, fordi den giver læreren eller terapeuten oplysninger om brugernes homogene funktionelle udvikling, der går ud over diagnosen og giver information til at foreslå lignende interventionsprogrammer inden for nogle områder af funktionel udvikling. Denne mulighed forventes at lette fuld brug af den uddannelsesmæssige eller terapeutiske service og dens personlige og materielle ressourcer.
    4. Udfør en visualiseringsanalyse af de data (beskrivende og klyngeanalyse), der behandles,ved hjælp af en visualiseringssoftware, f.eks.
    5. Udtræk dataene om parametrene for Detaljeret statistik: Dvæletid, blikvarighed, varighed af omdirigering, blikantal, fikseringsantal, gennemsnitlig fiksering og varighed, og importer derefter databasen til en statistisk softwarepakke. Vælg indstillingen 'ANOVA' i den statistiske pakke, og foretag derefter en visualiseringsanalyse af de data, der blev behandlet (midler). Brug regnearket til at generere et spider-diagram og specifikke søjlediagrammer til grupperne af deltagere.
  2. Session 5: Personlige læringsforslag
    1. Udfør et interventionsprogram for at forbedre læringsresultater blandt de deltagere, der er registreret i klyngeanalysen, på grund af deres lavere score.
      BEMÆRK: Et resumé af de faser, der er fulgt i forsøgsproceduren, er vist i figur 3.

Figure 3
Figur 3. Faser af forsøgsproceduren. Klik her for at se en større version af dette tal.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

De 36 deltagere, der blev rekrutteret til denne undersøgelse, var fra tre grupper af voksne (studerende fra erfaringsuniversitetet, universitetsprofessorer og bachelor- og kandidatstuderende) med alderen mellem [18 og 69] år(tabel 2). Protokollen blev testet over 20 måneder på universitetet i Burgos. Tabel 4indeholder en oversigt over udviklingen .

Tabel 4 . Oversigt over udviklingen af protokollen til analyse af indlæringsadfærd.  Klik her for at hente denne tabel.

For det første blev parametrene for blikpositionen af fikseringerne analyseret (Tabel 5). I denne undersøgelse, ved hjælp af en video, var start- og sluttidspunktet det samme for alle deltagere: start 0 ms og 1:14 s, varighed 1:14 s.

Tabel 5 . Resultater af parametre for rettelser.  Klik her for at hente denne tabel.

Figur 4 viser en graf over de opgaver, der er udviklet af de tre grupper med hensyn til fikseringsparametrene. Gruppen af mænd og kvinder i hver af de deltagende grupper (University of Experience Students, University Teachers og Graduate &Master's Students) fuldførte hver især opgaverne på forskellige måder.

Figure 4
Figur 4. Graf over de tre grupper og deres udvikling af opgaven i forbindelse med fikseringsparametrene. Klik her for at se en større version af dette tal.

En to-faktor fast effekt ANOVA (type deltager og tidligere viden) blev derefter anvendt til at kontrollere, om der var betydelige forskelle i parametrene for fiksering positioner mellem de tre grupper (University of Experience studerende, universitetsprofessorer og universitetsstuderende). Der blev ikke fundet væsentlige forskelle i nogen af fikseringsparametrene, men der blev konstateret en tendens i retning af forskelle for fikseringsgennemsnit elevstørrelse Y, fikseringsgennemsnits elevdiameter og fikseringsspredning X, dog med lave effektværdier (se tabel 6).

Tabel 6 - Oversigt To-faktor fast effekt ANOVA (type deltager og forudgående viden) og effektværdi.  Klik her for at hente denne tabel.

Efterfølgende blev k-middelklyngen anvendt til at undersøge, om der var forskellige grupperinger i den indledende forskningsgruppe (universitetsstuderende, universitetsprofessorer og universitetsstuderende) med hensyn til resultaterne i parametrene for fikseringspositioner, tidligere viden og krydsordsresultaterne. Der blev fundet tre klynger (tabel 7). En visualisering af klyngerne kan ses i figur 5.

Tabel 7 - Oversigt Endelige klyngecentre.  Klik her for at hente denne tabel.

Derefter blev der udarbejdet en krydstabel mellem værdierne i den klynge af gruppemedlemskab, der er tildelt hver deltager med hensyn til kategoritypen deltager (studerende ved University of Experience, universitetsprofessorer og universitetsstuderende)(tabel 8). Figur 5 viser deltagernes position i klyngerne med hensyn til de tre grupper for fikseringspositionsparametrene.

Tabel 8 . Deltager * Klyngenummer for krydstabulering af store og små bogstaver.  Klik her for at hente denne tabel.

Der blev udført en tofaktors ANOVA, "deltagergruppe" og "baggrund" for følgende parametre for måling af eye-tracking: Dvæletid, blikvarighed, varighed af omdirigering, blikantal, fikseringsantal, gennemsnit og varighed opnået i opgavestartfasen (Slide 1) og i opgaveafslutningsfasen (Slide 5) (Tabel 6). Der blev fundet betydelige forskelle afhængigt af baggrundsvidenvariablen i Omdirigeringsvarighed 1 (analyse af input-, opholds- og outputtiden for hver stimulus, der blev indsat i hver AOI). Det kan derfor konkluderes, at den måde, hvorpå man kunne komme ind, forblive og udtræde i de forskellige API'er, var forskellig, afhængigt af variablen "deltagergruppe" i den indledende fase af informationsadgangen (F2,32 = 4,07, p = 0,03, η2 = 0,23). Der blev også fundet forskelle i parameteren Gennemsnitlig fikseringsvarighed (længere fikseringer henviser til, at deltageren bruger mere tid på at analysere og fortolke informationsindholdet i de forskellige AOI'er (F2,32 = 3,53, p = 0,04, η2 = 0,21). Bonferronis gennemsnitlige forskelstest blev anvendt til at etablere gruppemedlemskab, som det blev fastslået, at de var mellem gruppen (studerende ved University of Experience) og gruppen af universitetsprofessorer [gennemsnitlig forskel = 0,04, p = 0,04 CI 95% (0,03-2,75)]. Midlerne var højere for gruppe 1 (studerende ved Erfaringens Universitet), hvor deltagerne brugte mere tid på at analysere og fortolke API'erne i dataindtastningsfasen (se tabel 9 og figur 6).

Tabel 9 . ANOVA med to faktorer (deltagertype og tidligere viden) og effektværdi for parametrene for måling af eye-tracking: Dvæletid, blikvarighed, varighed af omdirigering, antal blikke, fikseringsantal, gennemsnitlig fiksering og varighed.  Klik her for at hente denne tabel.

Figure 6
Figur 6. Graf over de tre grupper og deres udvikling af opgaven, der involverer fikseringsparametre med hensyn til de forudgående videnvariabler i starten og slutningen af opgavebehandlingen. Klik her for at se en større version af dette tal.

Baseret på resultaterne i denne undersøgelse blev udviklingen af et personligt læringsprogram foreslået for at forbedre læringsresultater til opgaveløsning. Dette program var fokuseret på arbejdet med deltagerne grupperet i klynge 3, da de opnåede score på 3 point ud af 5 i testen for at kontrollere læringsresultaterne, som repræsenterede 85,43% af de samlede deltagere. Deltagere fra de tre studiegrupper (University of Experience Students; Universitetslærere og kandidatstuderende) blev fundet i denne klynge. Programmet vil fokusere på styrkelse af de begreber, der arbejdes på i videoen, som en udvidelse og specifikation af begreberne vil blive foretaget.

Figure 5
Figur 5. Klyngeanalyse af fikseringsparametrene i de tre grupper (Erfaringsstuderende, universitetsprofessorer og universitetsstuderende). Klik her for at se en større version af dette tal.

SUPPLERENDE SAGER

Tilladelserne til optagelse af videoen, hvorfra billeder er blevet brugt til at henvise til observation af funktionelle evner hos børn med indlæringsvanskeligheder, er vedlagt.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Forskningsresultaterne viste, at den gennemsnitlige fikseringsvarighed på de relevante stimuli var længere blandt deltagere med tidligere viden. Ligeledes er fokus på denne gruppe på de midterste informationspunkter (proksimale og distale)7. Resultaterne af denne undersøgelse har afsløret forskelle i den måde, deltagerne behandlede oplysningerne på. Desuden var deres behandling ikke altid knyttet til den oprindelige gruppering (University of Experience Students, University Teachers og Graduate &Master's Students). Disse forskelle blev fundet med hensyn til analysen af deltagernes visuelle position på X-aksen i fikseringerne på billederne i læringsvideoen. I klynge 2 blev de højeste frekvenser af position X-fiksering, positionsfiksering, gennemsnitlig fiksering af pupildiameter, X- og Y-aksefiksefiksedisption fundet. Denne kendsgerning falder sammen med det faktum, at medlemmerne af klynge 2 selv var medlemmer af universitetslærergruppen, havde tidligere kendskab til emnet og opnåede den højeste score i resultatverificeringstesten. Det er ligeledes relevant at påpege, at de fleste af deltagerne i undersøgelsen (85,43 %), uanset deres oprindelsesgruppe, bestod i klynge 3, hvor de opnåede de laveste resultater i verifikationstesten.

Et andet relevant aspekt af denne protokol er præsentationen af oplysningerne i en video med SRL. Denne form for præsentation, på den ene side, guider og fokuserer opmærksomheden og på den anden side minimerer de enkelte handlinger af hver deltager, hvilket vil sige, at det forener den måde at få adgang til oplysningerne. Om nødvendigt er det et aspekt, der kan kompensere for eventuelle underskud eller vanskeligheder i forbindelse med forarbejdning. Dokumentation for denne erklæring er, at der ikke blev påvist væsentlige forskelle i læringsresultater mellem de tre grupper, idet det gennemsnitlige præstationsinterval [3,60, 4,86] blev fastsat til 5. Der blev kun fundet betydelige forskelle i parametrene for omdirigeringsbehandlingens varighed (en parameter, der bruges til at analysere inputtet, varigheden og outputtiden for hver stimulus, der indsættes i hver AOI) og den gennemsnitlige fikseringsvarighed (denne parameter henviser til længere fikseringer, hvilket indikerer, at deltageren bruger mere tid på at analysere og fortolke indholdet af oplysningerne i de forskellige AOI'er) på det første tidspunkt af behandlingen, men ikke i slutningen af den. De længste tider i disse parametre blev opdaget blandt gruppen af graduate &master's students og University of Experience Students i denne undersøgelse. Disse resultater understøttes af konklusionerne fra andre undersøgelser4,12,15. Endelig kan denne protokol anvendes til at undersøge forskelle under informationsbehandling, afhængigt af den studerendes kodningsfase.

Baseret på ovenstående er den første konklusion, at brugen af eye-tracking-metoden under afslutningen af opgaverne gav nyttige data til undersøgelse af informationsbehandling1,2. Ligeledes gjorde de data, der blev udvundet fra eye-tracking-teknologi og analyseret med uovervågede læringsteknikker (klyngedannelse), viden om klynger i henhold til de forudbestemte parametre11,15. Dette aspekt er meget relevant for undersøgelsen af informationsbehandling hos hver deltager og for forslaget om personlige uddannelsessvar3,4,5,6,22,23 ,som forventes at føre til mere effektiv læring23.

Det er også vigtigt at påpege, at de eksperimentelle resultater bekræftede resultaterne af anden forskning med hensyn til: forskelle i behandling i henhold til nybegynder-ekspert variabler og deltager alder, og brugen af SRL materialer, der minimerer virkningerne af disse variabler og øger den forventede ydeevne af deltagerne7,8,9,10.

Det er imidlertid nødvendigt at behandle enhver generalisering af disse resultater med forsigtighed, da bekvemmelighedsprøvetagning blev anvendt, og arbejdet var fokuseret på specifikt indhold relateret til kunsthistorie. Derfor vil stikprøven blive udvidet i fremtidig forskning, og resultaterne vil blive kontrolleret inden for andre discipliner.

Som angivet i indledningen er præsentationen af information på en multimodal måde gennem forskellige informationskanaler (auditive, visuelle eller begge dele) med SRL-metoden sammen med brugen af eye-tracking-teknologi og maskinlæringsteknikker nøglen til at forstå den måde, hvorpå deltagerne behandler informationen for at tilbyde personlig læringsdesign i henhold til den enkelte brugers uddannelsesmæssige behov og dermed fremme vellykket læring og dens udvikling blandt alle studerende29,30.

Alt i alt er brugen af eye-tracking-teknikken ikke en metode til sædvanlig anvendelse inden for uddannelsesrammer, der grundlæggende skyldes omkostningsfaktorer fra materiale til personlige ressourcer. Brugen af den begynder dog at stige lidt efter lidt, og det er vigtigt at se sin sædvanlige brug i observationen af opgaver i autoreguleret læring. Fordelen ved denne eye-tracking teknologi er, at det tillader registrering af den lærendes interaktion med den opgave, som har fået fordele af pålidelighed og gyldighed, i dette tilfælde, på den enkle observation af læringsprocessen. Derudover tilbyder eye-tracking-metoden forskellige teknikker til registreret informationsvisualisering, og disse oplysninger i databaser kan også analyseres med computerprogrammer eller mere kraftfulde værktøjer. Den åbner derfor en lang række muligheder for undersøgelse i naturlige sammenhænge.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne erklærer, at de ikke har nogen konkurrerende finansielle interesser.

Acknowledgments

Arbejdet er udviklet under projektet "Selvregulerende læring i SmartArt Erasmus+ voksenuddannelse" 2019-1-ES01-KA204-095615-Koordinator 6, finansieret af Europa-Kommissionen. Videoen af opgaven færdiggørelse fase havde forudgående informeret samtykke fra Rut Velasco Sáiz. Vi sætter pris på, at lærere og studerende deltager i opgaveimplementeringsfasen.

Materials

Name Company Catalog Number Comments
iViewer XTM iViewer
SMI Experimenter Center 3.0 SMI
SMI Be Gaze SMI

DOWNLOAD MATERIALS LIST

References

  1. 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).
  2. 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).
  3. 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).
  4. 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).
  5. 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).
  6. Alemdag, E., Cagiltay, K. A systematic review of eye tracking research on multimedia learning. Computers & Education. 125, 413-428 (2018).
  7. 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).
  8. 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).
  9. Mayer, R. E. Using multimedia for e-learning. Journal of Computer Assisted Learning. 33 (5), 403-423 (2017).
  10. 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).
  11. 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).
  12. 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).
  13. 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).
  14. Maltz, M., Shinar, D. Eye Movements of Younger and Older Drivers. Human Factors. 41 (1), 15-25 (1999).
  15. Burch, M., Kull, A., Weiskopf, D. AOI rivers for visualizing dynamic eye gaze frequencies. Computer Graphics Forum. 32 (3), 281-290 (2013).
  16. 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).
  17. 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).
  18. 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).
  19. 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).
  20. 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).
  21. 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).
  22. 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).
  23. 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).
  24. 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).
  25. 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).
  26. 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).
  27. 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).
  28. 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).
  29. 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).
  30. 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).
  31. IBM Corp. SPSS Statistical Package for the Social Sciences (SPSS) (Version 24). , Madrid, Spain. (2016).
  32. Orange Software Package. , Available from: https://orange.biolab.si/docs/ (2020).

Tags

Adfærd Problem 172 øjensporing selvregulerende læring opgaveanalyse adfærdsanalyse datamining
Eye-tracking teknologi og data-mining teknikker, der anvendes til en adfærdsmæssig analyse af voksne, der beskæftiger sig med læringsprocesser
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Sáiz Manzanares, M. C., PayoMore

Sáiz Manzanares, M. C., Payo Hernanz, R. J., Zaparaín Yáñez, M. J., Andrés López, G., Marticorena Sánchez, R., Calvo Rodríguez, A., Martín, C., Rodríguez Arribas, S. Eye-tracking Technology and Data-mining Techniques used for a Behavioral Analysis of Adults engaged in Learning Processes. J. Vis. Exp. (172), e62103, doi:10.3791/62103 (2021).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter