Waiting
Login processing...

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

Behavior

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

Published: June 10, 2021 doi: 10.3791/62103
Automatic Translation
1, 2, 2, 2, 3, 4, 5, 3
1Department of Health Sciences, University of Burgos, 2Department of Geography, History and Communication, University of Burgos, 3Department of Computer Engineering, University of Burgos, 4tvUBU, University of Burgos, 5Departament of Philology, Universidad de Burgos

Summary

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.

Abstract

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.

Introduction

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   Clique aqui para baixar esta Tabela.

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)?

Subscription Required. Please recommend JoVE to your librarian.

Protocol

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

  1. 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).
  2. Inclua participantes com visão normal ou corrigida para a audição.
  3. 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.

Mesa 2. Características da amostra.  Clique aqui para baixar esta Tabela.

2. Procedimento Experimental

  1. Sessão 1: Coleta de consentimento informado, dados pessoais e conhecimento de fundo
    1. 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.

Mesa 3. Questionário de entrevista.  Clique aqui para baixar esta Tabela.

  1. Sessão 2: Calibração
    1. 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".
    2. 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.
    3. 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.
    4. Verifique a configuração de calibração. O profissional que supervisiona o teste analisa a configuração de calibração na tela de controle.
      1. 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.

Figure 1
Figura 1. Processo de calibração de rastreamento ocular Clique aqui para ver uma versão maior desta figura.

  1. Sessão 3: Executando a tarefa de aprendizagem
    1. 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".
    2. Veja o vídeo. O vídeo usado na tarefa pode ser visualizado no seguinte link: https://youtu.be/HlGGgrYDTFs.
      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.
    3. 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.

Figure 2
Figura 2. Palavras cruzadas para verificar o conhecimento adquirido. Clique aqui para ver uma versão maior desta figura.

  1. Sessão 4: Análise de dados
    1. 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.
    2. 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").
    3. 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.
    4. Realize uma análise de visualização dos dados (análise descritiva e de cluster) que são processados, utilizando um software de visualização como o Orange32.
    5. 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.
  2. Sessão 5: Propostas de aprendizagem personalizadas
    1. 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.

Figure 3
Figura 3. Fases do procedimento experimental. Clique aqui para ver uma versão maior desta figura.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

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. Esboço do desenvolvimento do protocolo de análise de comportamento de aprendizagem.  Clique aqui para baixar esta Tabela.

Primeiro, foram analisados os parâmetros de posição de olhar das fixações(Tabela 5). Neste estudo, utilizando-se um vídeo, o tempo de início e término foi o mesmo para todos os participantes: iniciar 0 ms e terminar 1:14 s, duração de 1:14 s.

Mesa 5. Resultados do parâmetro fixações.  Clique aqui para baixar esta Tabela.

A Figura 4 mostra um gráfico das tarefas desenvolvidas pelos três grupos em relação aos parâmetros de fixação. O grupo de homens e mulheres de cada um dos grupos participantes (Estudantes da Universidade de Experiência, Professores Universitários e Alunos de Pós-Graduação & Mestrado) completaram as tarefas de formas diferentes.

Figure 4
Figura 4. Gráfico dos três grupos e seu desenvolvimento da tarefa relacionada aos parâmetros de fixação. Clique aqui para ver uma versão maior desta figura.

Em seguida, foi aplicada uma ANOVA de dois fatores (tipo de participante e conhecimento prévio) para verificar se havia diferenças significativas nos parâmetros das posições de fixação entre os três grupos (estudantes da Universidade de Experiência, professores universitários e estudantes universitários). Não foram encontradas diferenças significativas em nenhum dos parâmetros de fixação, mas observou-se uma tendência para diferenças para o tamanho médio da pupila de fixação Y, o diâmetro médio da pupila de fixação e a dispersão de fixação X, embora com valores de efeito baixo (ver Tabela 6).

Mesa 6. Efeitos fixos de dois fatores ANOVA (tipo de conhecimento participante e prévio) e valor de efeito.  Clique aqui para baixar esta Tabela.

Posteriormente, o cluster k-means foi aplicado para estudar se havia diferentes agrupamentos no grupo de pesquisa inicial (estudantes da Universidade de Experiência, professores universitários e estudantes universitários) em relação aos resultados nos parâmetros das posições de fixação, conhecimentos prévios e resultados de palavras cruzadas. Foram encontrados três aglomerados(Tabela 7). Uma visualização dos clusters pode ser vista na Figura 5.

Mesa 7. Centros de Cluster Final.  Clique aqui para baixar esta Tabela.

Em seguida, foi elaborada uma mesa cruzada entre os valores do grupo de membros atribuídos a cada participante em relação ao tipo de participante da categoria (estudantes da Universidade de Experiência, professores universitários e universitários) (Tabela 8). A Figura 5 mostra a posição dos participantes dentro dos clusters em relação aos três grupos para os parâmetros de posição de fixação.

Mesa 8. Participante * Número de cluster de cruzamento de caso.  Clique aqui para baixar esta Tabela.

Um ANOVA de efeito fixo de dois fatores, "grupo participante" e "fundo", foi realizado para os seguintes parâmetros de medição de rastreamento ocular: Tempo de residência, Duração do Olhar, Duração do Desvio, Contagem de Olhar, Contagem de Fixação, Média e Duração obtida na fase de início da tarefa (Slide 1) e na fase final da tarefa (Slide 5)(Tabela 6). Diferenças significativas foram encontradas dependendo da variável de conhecimento de fundo na Duração do Desvio 1 (analisando o tempo de entrada, moradia e saída para cada estímulo inserido em cada AOI). Pode-se concluir, portanto, que a forma de entrar, permanecer e sair nas diferentes AOIs foi diferente, dependendo da variável "grupo participante" durante a fase inicial de acesso à informação (F2,32 = 4,07, p = 0,03, η2 = 0,23). Diferenças também foram encontradas no parâmetro Duração da Fixação Média (fixações mais longas referem-se ao participante gastando mais tempo analisando e interpretando o conteúdo da informação dentro das diferentes AOIs (F2,32 = 3,53, p = 0,04, η2 = 0,21). O teste de diferença média de Bonferroni foi aplicado para estabelecer a adesão ao grupo, com o qual foi estabelecido que eles estavam entre o grupo (estudantes da Universidade de Experiência) e o grupo de Professores Universitários [diferença média = 0,04, p = 0,04 IC 95% (0,03-2,75)]. Os meios foram maiores para os alunos do grupo 1 (Universidade de Experiência), onde os participantes passaram mais tempo analisando e interpretando as AOIs durante a fase de entrada de dados (ver Tabela 9 e Figura 6).

Mesa 9. Efeitos fixos de dois fatores ANOVA (tipo de conhecimento participante e anterior) e valor de efeito para os parâmetros de medição de rastreamento ocular: Tempo de residência, Duração do Olhar, Duração do Desvio, Contagem de Olhares, Contagem de Fixação, Fixação Média e Duração.  Clique aqui para baixar esta Tabela.

Figure 6
Figura 6. Gráfico dos três grupos e seu desenvolvimento da tarefa envolvendo parâmetros de fixação em relação às variáveis de conhecimento anteriores no início e no final do processamento da tarefa. Clique aqui para ver uma versão maior desta figura.

Com base nos resultados encontrados neste estudo, o desenvolvimento de um programa de aprendizagem personalizado foi proposto para melhorar os resultados de aprendizagem de resolução de tarefas. Este programa foi focado no trabalho com os participantes agrupados no grupo 3, pois obtiveram pontuações de 3 pontos em 5 no teste para conferir os resultados de aprendizagem, o que representou 85,43% do total de participantes. Participantes dos três grupos de estudo (Estudantes da Universidade de Experiência; Professores universitários e alunos de pós-graduação e mestrado) foram encontrados neste grupo. O programa se concentrará no reforço dos conceitos trabalhados no vídeo para o qual será feita uma extensão e especificação dos conceitos.

Figure 5
Figura 5. Análise de cluster dos parâmetros de fixação nos três grupos (Estudantes universitários de experiência, professores universitários e estudantes universitários). Clique aqui para ver uma versão maior desta figura.

ARQUIVOS SUPLEMENTARES

As autorizações para gravação do vídeo a partir do qual as imagens têm sido utilizadas para referenciar a observação de habilidades funcionais em crianças com dificuldades de aprendizagem são anexadas.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

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 Universitários e Estudantes de Pós-Graduação & Mestrado). Essas diferenças foram encontradas em relação à análise da posição visual dos participantes no eixo X nas fixações nas imagens apresentadas no vídeo de aprendizagem. No cluster 2, foram encontradas as maiores frequências de fixação da Posição X, fixação da posição Y, fixação do diâmetro médio da pupila, dispersão de fixação do eixo X e Y. Esse fato coincide com o fato de que os membros do grupo 2 eram membros do grupo de Professores Universitários, tinham conhecimento prévio do assunto e obtiveram a maior pontuação no teste de verificação de resultados. Da mesma forma, é relevante ressaltar que a maioria dos participantes do estudo (85,43%), independentemente de seu grupo de origem, estavam no grupo 3, onde obtiveram os menores resultados no teste de verificação.

Outro aspecto relevante deste protocolo é a apresentação das informações em um vídeo com a SRL. Essa forma de apresentação, por um lado, orienta e foca a atenção e, por outro lado, minimiza as ações individuais de cada participante, ou seja, unifica a forma de acesso às informações. Quando necessário, é um aspecto que pode compensar possíveis déficits ou dificuldades de processamento. A evidência dessa afirmação é que não foram detectadas diferenças significativas nos desfechos de aprendizagem entre os três grupos, com o intervalo médio de desempenho [3,60, 4,86] estabelecido em 5. Diferenças significativas foram encontradas apenas nos parâmetros de Duração do Desvio do processamento (parâmetro utilizado para analisar a entrada, a permanência e o tempo de saída de cada estímulo inserido em cada AOI) e de Duração Média de Fixação (este parâmetro refere-se a fixações mais longas, o que indica que o participante passa mais tempo analisando e interpretando o conteúdo das informações dentro dos diferentes AOIs) no momento inicial do processamento, mas não no final dele. Os maiores tempos nesses parâmetros foram detectados entre o grupo de Estudantes de Pós-Graduação & Mestrado e da Universidade de Experiência neste estudo. Esses resultados são apoiados pelas conclusões de outros estudos4,12,15. Finalmente, esse protocolo pode ser aplicado para estudar diferenças durante o processamento das informações, dependendo da fase de codificação do aluno.

Com base no acima, a primeira conclusão é que o uso da metodologia de rastreamento ocular durante a conclusão das tarefas forneceu dados úteis para o estudo do processamento de informações1,2. Da mesma forma, os dados extraídos da tecnologia de rastreamento ocular e analisados com técnicas de aprendizagem não supervisionadas (clustering) facilitaram o conhecimento dos clusters de acordo com os parâmetros pré-determinados11,15. Esse aspecto é muito relevante para o estudo do processamento de informações em cada participante e para a proposta de respostas educacionais personalizadas3,4,5,6,22,23, o que deverá levar a uma aprendizagem mais eficaz23.

Também é importante ressaltar que os resultados experimentais reafirmaram os resultados de outras pesquisas em relação a: diferenças no processamento de acordo com variáveis iniciantes-especialistas e idade do participante, e o uso de materiais SRL que minimizam os efeitos dessas variáveis e aumentam o desempenho esperado dos participantes7,8,9,10.

No entanto, é necessário tratar qualquer generalização desses resultados com cautela, uma vez que a amostragem de conveniência foi aplicada, e o trabalho foi focado em conteúdos específicos relacionados à História da Arte. Portanto, a amostra será estendida em pesquisas futuras e os achados serão verificados em outras disciplinas.

Conforme indicado na introdução, a apresentação de informações de forma multimodal por meio de diversos canais de informação (auditivos, visuais ou ambos) com metodologia SRL, juntamente com o uso de tecnologia de rastreamento de olhos e técnicas de aprendizagem de máquina, é fundamental para entender a forma como os participantes processam as informações de modo a oferecer design de aprendizagem personalizado de acordo com as necessidades educacionais de cada usuário e, consequentemente, promover o sucesso da aprendizagem e seu desenvolvimento entre todos os alunos29,30.

Em suma, o uso da técnica de rastreamento ocular não é uma metodologia de aplicação usual em estruturas educacionais devido fundamentalmente a fatores de custo, do material aos recursos pessoais. No entanto, seu uso está começando a aumentar pouco a pouco e é importante ver seu uso habitual na observação de tarefas no aprendizado autoregulado. A vantagem dessa tecnologia de rastreamento de olhos é que permite o registro da interação do aluno com a tarefa que tem vantagens de confiabilidade e validade, neste caso, na simples observação do processo de aprendizagem. Além disso, a metodologia de rastreamento de olhos oferece diferentes técnicas de visualização de informações cadastradas e essas informações em bases de dados também podem ser analisadas com programas de computador ou ferramentas mais poderosas. Portanto, abre uma grande variedade de possibilidades de investigação em contextos naturais.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Os autores declaram que não têm interesses financeiros concorrentes.

Acknowledgments

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.

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

Comportamento Problema 172 rastreamento ocular aprendizagem autorregulada análise de tarefas análise de comportamento 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
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Sáiz Manzanares, M. C., Payo… More

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