通过生理数据和智能可穿戴设备动态预测理解困难

科学领域:

• 认知科学 认知科学
• 人与计算机的交互
• 生物医学工程 生物医学工程

背景情况:

• 数字内容的理解对于学习和决策至关重要.
• 理解困难会对学习成果和生产力产生负面影响.
• 现有的识别理解问题的方法是有限的.

研究的目的:

• 开发一种用于实时预测本地内容理解困难的新方法.
• 为了利用生理信号和眼睛跟踪数据进行认知负载评估.
• 为增强用户支持创建认知意识的界面.

主要方法:

• 使用可穿戴设备,非侵入性地获取生理反应 (脉率变化,皮电活动).
• 整合来自成本效益高的眼球追踪器的数据.
• 应用机器学习算法来识别表明高认知负载和理解挑战的"热点".

主要成果:

• 开发的方法准确地预测了理解困难,准确度为72.11%±2.21.
• 实现了0.77的精度,0.70的召回,以及0.73.7的f1得分.
• 确定了"热点"作为认知负载和理解问题的实时预测器.

结论:

• 这项研究证明了使用生理和眼睛跟踪数据来预测阅读理解困难的可行性.
• 这些发现为智能,认知意识的接口铺平了道路,这些接口可以提供实时支持.
• 潜在的应用包括自适应式学习系统和增强的内容交互工具.