眼睛中的边界:在自然视频观看时使用眼睛跟踪测量事件细分

科学领域:

• 认知科学 认知科学
• 神经科学是一个神经科学.
• 人与计算机的交互

背景情况:

• 个人自然地将连续的经历细分为离散的事件,这一过程称为事件细分.
• 像主观报告和神经成像等传统方法往往具有破坏性,昂贵或耗时.
• 需要可访问的实时方法来测量事件细分.

研究的目的:

• 调查使用眼动来测量自然视频观看期间事件细分的可行性.
• 开发和验证用于分析眼睛跟踪数据的计算框架,用于事件细分.

主要方法:

• 从观看商业电影和STEM教育视频的成年人收集了眼动数据 (瞳孔大小,运动速度).
• 利用主体间相关性 (ISC) 和隐藏的马尔科夫模型 (HMM) 来识别事件边界.
• 分析了瞳孔大小和眼睛运动速度在事件边界附近的变化,并评估了对人类注释的HMM性能.

主要成果:

• 眼睛运动速度和瞳孔大小对事件边界有动态反应,对更强的边界敏感度更高.
• 发现事件边界可以同步参与者的眼睛运动.
• HMM成功地识别了事件边界,显示出更高的事件内相似性,并与人类注释保持一致.
• 基于HMM的指标反映了实验变化,并预测了学习成果.

结论:

• 眼球追踪提供了一种可行的,非破坏性的方法来测量事件细分.
• 使用HMM的计算框架可以有效地从眼动数据中识别事件边界.
• 这种方法有可能提高对各种环境中的实时信息处理的理解.