隐藏的半马尔科夫模型从眼睛运动细分阅读阶段
Brice Olivier1, Anne Guérin-Dugué2, Jean-Baptiste Durand1
1Univ. Grenoble Alpes, Inria, CNRS, Grenoble INP, LJK, Inria Grenoble Rhone-Alpes, France.
Journal of eye movement research
|June 28, 2023
概括
这项研究引入了一个隐藏的半马科夫模型来分析阅读扫描路径,识别不同的认知策略,如正常阅读和信息搜索. 结果显示,在阅读行为方面,有显著的个体差异.
科学领域:
- 认知科学 认知科学
- 计算语言学 计算语言学
- 人与计算机的交互
背景情况:
- 了解阅读过程对于教育和技术应用至关重要.
- 眼睛跟踪为阅读过程中的认知策略提供了有价值的见解.
- 现有的模型可能无法完全捕捉阅读行为的个体变化.
研究的目的:
- 在阅读任务中分析扫描路径以回答二进制主题相关性问题.
- 开发一种数据驱动的方法,将扫描路径细分为不同的认知阶段.
- 调查阅读策略中的个人差异.
主要方法:
- 使用隐藏的半马科夫链 (HSMC) 来进行扫描路径分割.
- 识别了认知策略,包括正常阅读,快速阅读,信息搜索和缓慢确认.
- 已验证的模型状态使用外部共变量,包括语义文本信息.
主要成果:
- 该HSMC模型成功地将扫描路径细分为可解释的认知阶段.
- 来自文本的语义信息作为阶段识别的重要共变量.
- 观察到对特定阅读策略的显著个体偏好.
- 量化了眼动特征的实质性个体间变异性.
结论:
- 隐藏的半马尔科夫模型为分析阅读扫描路径和认知策略提供了强大的框架.
- 阅读行为中的个体异质性是阅读模型中需要考虑的关键因素.
- 这种方法可以提高我们对复杂的阅读任务的理解,并告知适应性系统.
