凝视集群分析揭示了注意力分配的异质性,并预测了学习成果
Nathalie John1,2, Sebastian P Korinth3,4, Mareike Kunter5,4
1IDeA, Center for Individual Development and Adaptive Education of Children at Risk, Frankfurt am Main, Germany. n.john@dipf.de.
Scientific reports
|June 25, 2025
概括
研究人员开发了凝视群成员资格 (GCM) 来测量学习者在教学视频中的注意力. 这种新方法准确地评估了注意力,即使学习者专注于多个点,不同于像学科间相关性 (ISC) 这样的旧方法.
科学领域:
- 教育技术的教育技术
- 认知心理学 认知心理学
- 人与计算机的交互
背景情况:
- 从教学视频中有效学习需要持续的学习者注意力.
- 当前的注意力测量,例如主体间相关性 (ISC),通常假定注意力只集中在一个焦点上,这可能不反映现实世界的观看行为.
- 需要更细致的方法来衡量注意力,特别是当存在多个感兴趣点时.
研究的目的:
- 引入和验证一种新的以凝视为基础的学习者注意力测量方法,称为凝视集群成员资格 (GCM).
- 证明GCM可以识别专注的观众,即使他们的注意力分布在多个有意义的焦点.
- 展示GCM是评估学习者参与度和为教学视频设计提供信息的宝贵工具.
主要方法:
- 收集了100多名参与者观看两个教学视频的视角位置数据.
- 在空间数据库 (DBSCAN) 中使用基于密度的聚类算法将目光数据分类为群集.
- 如果观众的目光落在集群中,则被归类为专注的,否则则不专注.
主要成果:
- DBSCAN算法成功生成了有意义的目光集群,验证了GCM方法.
- 当多个焦点存在时,低的学科间相关性 (ISC) 值并不一定表明缺乏注意力.
- GCM得分显著预测了参与者的自我报告的精神努力和经过测试的知识.
结论:
- 与ISC等传统方法相比,凝视集群成员资格 (GCM) 提供了更敏感,更准确的学习者注意力测量方法.
- GCM方法考虑了分散的注意力,提供了更现实的评估与教学视频的参与.
- 这种方法对评估教育内容的有效性和优化教学视频设计具有重要意义.
