用户特征和状态的基于眼睛的识别 - 一个系统的最先进的技术状态审查

科学领域:

• 人与计算机的交互
• 机器学习 机器学习
• 认知科学 认知科学

背景情况:

• 眼睛跟踪技术为用户的视觉行为和兴趣提供了详细的见解.
• 机器学习的进步使得从眼睛跟踪数据中识别用户特征和状态.
• 目前还没有对基于眼睛的识别方法进行全面的审查.

研究的目的:

• 系统地审查和综合基于机器学习的方法,以识别使用眼睛跟踪数据的用户特征和状态.
• 确定最先进的方法,研究缺口和该领域的未来方向.
• 为理解基于眼睛的用户识别提供一个概念框架.

主要方法:

• 按照PRISMA 2020指南进行系统的文献审查.
• 在ACM数字图书馆和IEEE Xplore中进行的搜索.
• 包括使用眼睛跟踪数据与机器学习或深度学习用于用户识别的研究.
• 使用标准方法学标准进行偏差风险评估.
• 数据合成包括一个概念框架 (任务,上下文,技术,数据处理,识别目标).

主要成果:

• 包括90项研究,涵盖了各种任务 (视觉,驾驶,学习) 和背景 (屏幕,模拟器,现实世界).
• 识别目标包括认知/情感状态 (情绪,工作量) 和用户特征 (个性,记忆).
• 使用了各种机器学习技术 (SVM,随机森林,深度学习).
• 发现的关键差距包括需要最佳实践,更大的数据集和各种任务/背景.

结论:

• 未来的研究应该提高生态有效性,并探索多模式方法,以实现强大的用户建模.
• 视线适应系统的开发是一个有希望的未来方向.
• 标准化方法和数据收集对于推进基于眼睛的用户识别至关重要.