基于阅读过程中的眼动来预测EEG活动的预测模型
Vladimir Kosonogov1,2, Nikita Rudenkiy2,3, Polina Shirokova2
1Institute of Health Psychology, HSE University, Saint Petersburg, Russia.
Science progress
|November 14, 2025
概括
电脑电图 (EEG) 活动比眼睛运动更好地预测阅读效率. 这一发现表明,通过专注于EEG,未来的研究可以使用更少的测量和有限的设备.
科学领域:
- 神经科学是一个神经科学.
- 认知科学 认知科学
- 生物医学工程 生物医学工程
背景情况:
- 阅读效率对于学习和认知至关重要.
- 了解阅读过程中神经活动和眼睛运动之间的相互作用是优化阅读表现的关键.
- 以前的研究表明,脑电图 (EEG) 和眼睛跟踪指标之间存在联系,但它们对阅读效率的比较预测能力尚不清楚.
研究的目的:
- 为了研究眼睛运动和EEG信号在阅读期间之间的关系.
- 为了比较眼睛运动和EEG的预测精度,以提高阅读效率.
- 探索在现实世界阅读研究中减少测量复杂性的潜力.
主要方法:
- 40名健康的成年人阅读了一篇小说片段,同时记录他们的眼睛运动和EEG数据.
- 机器学习模型 (CatBoost,KNN,线性回归) 用于从眼动预测EEG,从EEG预测眼动,以及从两者的阅读效率.
- 分析的重点是特定的EEG频段 (甲,乙,乙) 和眼睛运动特征,如固定数.
主要成果:
- 机器学习模型,特别是CatBoost,表现出强大的预测能力.
- 脑电图活动,特别是阿尔法活动,是从眼睛运动准确预测.
- 与单独的眼动数据相比,EEG数据提供了明显更好的阅读效率预测.
- 特定的EEG波段 (α,β) 和领先位置 (前部,后部) 与阅读过程中的不同的认知过程有关.
结论:
- 在阅读过程中,EEG活动和眼睛运动是相互关联的.
- 脑电图信号比眼睛运动更强大地预测阅读效率.
- 这些发现支持了通过优先考虑EEG数据,在设备有限的现场环境中简化测量协议的潜力.
