Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Behavior
Click here for the English version

Behavior

सीखने की प्रक्रियाओं में लगे वयस्कों के व्यवहार विश्लेषण के लिए उपयोग की जाने वाली आंख-ट्रैकिंग तकनीक और डेटा-खनन तकनीक

Published: June 10, 2021 doi: 10.3791/62103
Automatic Translation
1, 2, 2, 2, 3, 4, 5, 3
1Department of Health Sciences, University of Burgos, 2Department of Geography, History and Communication, University of Burgos, 3Department of Computer Engineering, University of Burgos, 4tvUBU, University of Burgos, 5Departament of Philology, Universidad de Burgos

Summary

हम सीखने की प्रक्रियाओं में लगे वयस्कों (उम्र 18 से 70 वर्षीय) के व्यवहार विश्लेषण के लिए एक प्रोटोकॉल प्रस्तुत करते हैं, स्व-विनियमित सीखने (एसआरएल) के लिए डिज़ाइन किए गए कार्यों को शुरू करते हैं। प्रतिभागियों, विश्वविद्यालय के शिक्षकों और छात्रों, और अनुभव विश्वविद्यालय से वयस्कों, आंख ट्रैकिंग उपकरणों के साथ निगरानी की गई और डेटा खनन तकनीकों के साथ विश्लेषण किया गया ।

Abstract

सीखने के कार्यों में लगे वयस्कों का व्यवहार विश्लेषण वयस्क शिक्षा के क्षेत्र में एक बड़ी चुनौती है। आजकल, निरंतर तकनीकी परिवर्तनों और वैज्ञानिक प्रगति की दुनिया में, औपचारिक और गैर-औपचारिक शैक्षिक वातावरण दोनों के भीतर जीवन भर सीखने और शिक्षा की आवश्यकता है। इस चुनौती के प्रत्युत्तर में, पर्यवेक्षण (मुख्य रूप से भविष्यवाणी) और अपर्यवेक्षित (विशेष रूप से क्लस्टर विश्लेषण) सीखने के लिए क्रमशः आंखों पर नज़र रखने वाली प्रौद्योगिकी और डेटा-खनन तकनीकों का उपयोग, उपयोगकर्ताओं के बीच सीखने के रूपों का पता लगाने के लिए विधियां प्रदान करते हैं और/या उनकी सीखने की शैलियों का वर्गीकरण । इस अध्ययन में, विभिन्न उम्र (18 से 69 वर्षीय) और सीखने की प्रक्रिया (शुरू और अंत) में विभिन्न बिंदुओं पर वयस्कों के बीच सीखने की शैलियों के अध्ययन के लिए एक प्रोटोकॉल प्रस्तावित है। सांख्यिकीय विश्लेषण-विचरण तकनीकों का मतलब है कि प्रतिभागियों के बीच शिक्षार्थी के प्रकार और कार्य के पिछले ज्ञान द्वारा मतभेदों का पता लगाया जा सकता है । इसी तरह, अपर्यवेक्षित सीखने की क्लस्टरिंग तकनीकों का उपयोग विभिन्न समूहों में प्रतिभागियों के बीच सीखने के समान रूपों पर प्रकाश फेंकता है। इन सभी आंकड़ों से सूचना प्रसंस्करण की श्रृंखला में विभिन्न बिंदुओं पर प्रत्येक कार्य की प्रस्तुति के लिए शिक्षक से व्यक्तिगत प्रस्तावों की सुविधा होगी । इसी तरह शिक्षक के लिए शिक्षण सामग्री को प्रत्येक छात्र या समान विशेषताओं वाले छात्रों के समूह की सीखने की जरूरतों के अनुकूल बनाना आसान होगा।

Introduction

आंख पर नज़र रखने की पद्धति सीखने में व्यवहार विश्लेषण के लिए लागू
अन्य कार्यात्मक उपयोगों के बीच आंखों पर नज़र रखने की कार्यप्रणाली, विशेष रूप से कार्य संकल्प के दौरान मानव व्यवहार के अध्ययन पर लागू होती है। यह तकनीक सीखने के कार्यों को पूरा करने के दौरान निगरानी और विश्लेषण की सुविधा प्रदान करती है1. विशेष रूप से, विभिन्न विषयों (इतिहास, गणित, विज्ञान, आदि) में सीखने की प्रक्रिया (प्रारंभ, विकास और अंत) के विभिन्न बिंदुओं पर छात्रों के ध्यान स्तर का अध्ययन आंखों पर नज़र रखने की तकनीक के उपयोग के साथ किया जा सकता है। इसके अलावा, यदि कार्य में एक आवाज के साथ वीडियो का उपयोग शामिल है जो सीखने की प्रक्रिया का मार्गदर्शन करता है, तो स्व-विनियमित सीखने (एसआरएल) की सुविधा है। इसलिए, उन कार्यों के विश्लेषण में आंखों पर नज़र रखने वाली तकनीक का कार्यान्वयन, जिसमें एसआरएल (जिसमें वीडियो का उपयोग शामिल है) को यह समझने के लिए एक महत्वपूर्ण संसाधन के रूप में प्रस्तावित किया गया है कि सीखने को कैसे विकसित किया जाता है2,3,4। इस संयोजन का मतलब यह भी होगा कि अनुदेशात्मक विधियों (एसआरएल के साथ या बिना) के बीच मतभेदों को विभिन्न प्रकार के छात्रों (पूर्व ज्ञान के साथ या बिना) के साथ जांचा जा सकता है। 5. इसके विपरीत, बहु-चैनल जानकारी की प्रस्तुति (श्रवण और दृश्य दोनों जानकारी की एक साथ प्रस्तुति, चाहे मौखिक, लिखित, या सचित्र) उपरोक्त चर6से प्रासंगिक बनाम गैर-प्रासंगिक जानकारी के रिकॉर्डिंग और विश्लेषण दोनों की सुविधा प्रदान कर सकती है। मल्टीमीडिया लर्निंग चैनलों के संपर्क में आने वाले पूर्व ज्ञान वाले छात्र कम या बिना किसी पूर्व ज्ञान वाले लोगों की तुलना में अधिक प्रभावी ढंग से सीखते दिखाई देते हैं। विषय के पूर्व ज्ञान के उच्च स्तर वाले छात्र पाठ और चित्रमय जानकारी को अधिक प्रभावी ढंग सेएकीकृत करेंगे 7. यह कार्यक्षमता ग्रंथोंके 8 के बारे में देखा गया है जिसमें चित्र9शामिल हैं । आंख पर नज़र रखने प्रौद्योगिकी जहां ध्यान केंद्रित है और कितनी देर के लिए जानकारी प्रदान करता है । ये डेटा किसी कार्य के पूरा होने के दौरान संकल्प प्रक्रिया के सरल अवलोकन की तुलना में अधिक सटीक तरीके से सीखने की प्रक्रिया के विकास में अंतर्दृष्टि देते हैं। इसके अलावा, इन संकेतकों का विश्लेषण इस अध्ययन की सुविधा देता है कि छात्र गहरी या सतही शिक्षा विकसित करता है या नहीं। इसके अलावा, इन आंकड़ों और सीखने के परिणामों के बीच संबंध आंखों पर नज़र रखने की तकनीक4,10के साथ प्राप्त जानकारी के सत्यापन की सुविधा प्रदान करता है । वास्तव में, एसआरएल के साथ मिलकर इस तकनीक का उपयोग उच्च शिक्षा और प्रौढ़ शिक्षामें 11 सीखने के वातावरण में तेजी से किया जाता है, दोनों विनियमित और गैर-विनियमित पाठ्यक्रमों पर12।

आई-ट्रैकिंग तकनीक विभिन्न मैट्रिक्स प्रदान करती है: दूरी, गति, त्वरण, घनत्व, फैलाव, कोणीय वेग, ब्याज के क्षेत्रों (एओआई), एओआई के अनुक्रमिक आदेश, निर्धारण में दौरा, सैकेड, स्कैन पथ और हीट मैप पैरामीटर। हालांकि, इन आंकड़ों की व्याख्या जटिल है और पर्यवेक्षित (प्रतिगमन, निर्णय पेड़, आदि) और अपर्यवेक्षित (कश्मीर का मतलब क्लस्टर तकनीक, आदि) के उपयोग की आवश्यकता है 13,14 डेटा खनन तकनीक। इन मेट्रिक्स को समय के साथ एक ही विषय के व्यवहार की निगरानी के लिए या एक ही कार्य15के साथ कई विषयों और उनके प्रदर्शन के बीच तुलना के लिए लागू किया जा सकता है, जो पिछले ज्ञान बनाम कोई पिछला ज्ञान16के साथ प्रतिभागियों के बीच अंतर का विश्लेषण करके । हाल के शोध11,17 से पता चला है कि नौसिखिए प्रशिक्षुओं को उत्तेजनाओं पर अधिक समय तक उतारना पड़ता है (यानी, अधिक निर्धारण आवृत्ति है जबकि समान स्कैन-पाथ पैटर्न दर्ज किए जाते हैं)। निर्धारण की औसत अवधि नौसिखियों की तुलना में विशेषज्ञों के लिए लंबी थी। विशेषज्ञों ने सूचना के मध्य बिंदुओं (समीपस्थ और मध्य) पर ध्यान केंद्रित किया, मतभेद जो गर्मी के नक्शे पर एओआई के भीतर दृश्य बिंदुओं में भी देखे जा सकते हैं ।

आंखों पर नज़र रखने में मैट्रिक्स की व्याख्या
हाल के अध्ययनों सेसंकेत मिला है कि सूचना अधिग्रहण उत्तेजनाओं पर नेत्र निर्धारण की संख्या से संबंधित है । एक अन्य महत्वपूर्ण मीट्रिक सैकेड है, जिसे [10 एमएस, 100 एमएस] के अंतराल के साथ एक निर्धारण के तेजी से और अचानक आंदोलन के रूप में परिभाषित किया गया है। शरफी एट अल ( २०१५)18 छात्र की सूचना कोडिंग चरण के आधार पर सैकेड की संख्या में अंतर पाया गया । एक अन्य प्रासंगिक पैरामीटर स्कैन-पथ है, एक मीट्रिक जो शोधकर्ता18द्वारा परिभाषित एओआई के भीतर सीखने के कार्य के समाधान के लिए प्रतिभागी द्वारा किए गए चरणों के कालक्रम को कैप्चर करता है। इसी तरह, आंखों पर नज़र रखने की तकनीक का उपयोग प्रतिभागी के समझ के स्तर का अनुमान लगाने के लिए किया जा सकता है, जो निर्धारण की संख्या से संबंधित प्रतीत होता है। हाल के अध्ययनों से संकेत मिला है कि टकटकी व्यवहार में परिवर्तनशीलता छवि (स्थिति, तीव्रता, रंग, और अभिविन्यास) के गुणों द्वारा निर्धारित की जाती है, कार्य करने के निर्देश, और प्रतिभागी की सूचना प्रसंस्करण (सीखने की शैली) का प्रकार। इन मतभेदों को अलग AOI19के साथ छात्र की बातचीत का विश्लेषण करके पता चला रहे हैं । मात्रात्मक20 (आवृत्ति विश्लेषण) और/या गुणात्मक या गतिशील21 (स्कैन पथ) तकनीकों का उपयोग विभिन्न मैट्रिक्स से एकत्र किए गए डेटा का विश्लेषण करने के लिए किया जा सकता है । पूर्व तकनीकों का विश्लेषण पारंपरिक सांख्यिकीय तकनीकों (आवृत्ति विश्लेषण, मतलब अंतर, विचरण अंतर, आदि) के साथ किया जाता है और बाद में मशीन लर्निंग तकनीकों (स्ट्रिंग-एडिट विधियों21,22औरक्लस्टरिंग17के साथ यूक्लिडियन दूरी) के साथ विश्लेषण किया जाता है। इन तकनीकों के आवेदन विषयों की विभिन्न विशेषताओं पर विचार करके क्लस्टरिंग की सुविधा प्रदान करते हैं। एक अध्ययन17 में पाया गया कि छात्र जितना अधिक विशेषज्ञ होता है, स्थानिक और लौकिक सूचना प्रसंस्करण रणनीति उतनी ही प्रभावी होती है जिसे लागू किया जाता है। इस अध्ययन में उपयोग किए गए माप मापदंडों की एक वर्णनात्मक तालिका तालिका 1में नीचे परामर्श किया जा सकता है।

तालिका 1: अधिकांश प्रतिनिधि पैरामीटर जिन्हें आंखों पर नज़र रखने की तकनीक के साथ प्राप्त किया जा सकता है, जो साइज़, ज़परिन, मार्टिकोरिना और वेलास्को (2019) से अनुकूलित हैं। 20   कृपया इस तालिका को डाउनलोड करने के लिए यहां क्लिक करें ।

सीखने की प्रक्रिया के अध्ययन के लिए आंखों पर नज़र रखने की पद्धति का आवेदन
तकनीकी प्रगति और 5 से ऊपर वर्णित डेटा-विश्लेषण तकनीकों का उपयोग सूचना प्रसंस्करण के विभिन्न चरणों (कार्य दीक्षा, सूचना प्रसंस्करण और कार्य संकल्प) में समस्या को सुलझाने केदौरान शिक्षार्थियों के व्यवहार विश्लेषण में अधिक सटीकता जोड़ देगा। यह सभी व्यक्तिगत व्यवहार विश्लेषण की सुविधा प्रदान करेगा, जो बदले में समान विशेषताओं वाले छात्रों के समूह की अनुमतिदेगा 24। इसी तरह, भविष्य कहनेवाला तकनीक (निर्णय पेड़, प्रतिगमन तकनीक, आदि) 25 सीखने के लिए लागू किया जा सकता है, दोनों फिक्सेशन की संख्या से संबंधित है और प्रत्येक छात्र के कार्य संकल्प परिणामों के लिए । यह कार्यक्षमता इस ज्ञान में एक बहुत महत्वपूर्ण अग्रिम है कि प्रत्येक छात्र कैसे सीखता है और विभिन्न समूहों के भीतर व्यक्तिगत शिक्षण कार्यक्रमों के प्रस्ताव के लिए (कठिनाइयों को सीखने के बिना याबिना 26)। इसलिए, इस तकनीक का उपयोग निजीकरण और सीखने के अनुकूलन की उपलब्धि में योगदानदेगा। जीवन भर की सीख को निरंतर सुधार के चक्र के रूप में समझना चाहिए क्योंकि समाज का ज्ञान लगातार आगे बढ़ रहा है और प्रगति कर रहा है । विकासवादी मनोविज्ञान इंगित करता है कि सूचना प्रसंस्करण में संकल्प कौशल और प्रभावशीलता उम्र के साथ कम हो जाती है। विशेष रूप से, सैकेड आवृत्ति, आयाम, और वयस्कों के बीच आंखों के आंदोलनों की गति उम्र के साथ कम पाई गई है। इसके अलावा, बड़ी उम्र में, ध्यान दृश्य दृश्यों के निचले क्षेत्रों पर केंद्रित है, जो काम स्मृति14में घाटे से संबंधित है। फिर भी, सक्रियण एक बड़ी उंर में ललाट और प्रीफ्रंटल क्षेत्रों में बढ़ जाती है, जो कार्य संकल्प में इन घाटे के लिए क्षतिपूर्ति करने के लिए प्रकट होता है । इस पहलू में पिछले ज्ञान का स्तर और संज्ञानात्मक क्षतिपूर्ति रणनीतियां शामिल हैं जो विषय लागू कर सकती हैं। अनुभवी प्रतिभागी अधिक कुशलता से सीखते हैं, क्योंकि वे स्वचालित पर्यवेक्षण प्रक्रियाओं के आवेदन के कारण अधिक प्रभावीढंगसे ध्यान का प्रबंधन करते हैं। इसके अलावा, यदि सीखी जाने वाली जानकारी एसआरएल तकनीकों के माध्यम से प्रदान की जाती है, तो उपरोक्त कमियों को कम कियाजाता है। इस तरह की तकनीकों के उपयोग का मतलब है कि दृश्य ट्रैकिंग पैटर्न बहुत समान हैं, दोनों विषयों में पूर्व ज्ञान के बिना और पूर्व ज्ञान7के साथ विषयों में ।

संक्षेप में, उन्नत सीखने (आंखों पर नज़र रखने) प्रौद्योगिकियों के उपयोग के साथ प्राप्त एसआरएल पर मल्टीमॉडल-मल्टीचैनल डेटा का विश्लेषण संज्ञानात्मक, मेटाकॉग्निटिव और प्रेरक प्रक्रियाओं के बीच बातचीत को समझने और29सीखने पर उनके प्रभाव के लिए महत्वपूर्ण है। परिणाम और सीखने में मतभेदों के अध्ययन सीखने की सामग्री और बुद्धिमान ट्यूशन सिस्टम के डिजाइन के लिए निहितार्थ है, दोनों जिनमें से व्यक्तिगत सीखने कि छात्र30के लिए और अधिक प्रभावी और संतोषजनक होने की संभावना है सक्षम हो जाएगा ।

इस शोध में, दो जांच प्रश्न पूछे गए थे: (1) क्या सीखने के परिणामों में महत्वपूर्ण अंतर होगा और कला इतिहास में छात्रों और विशेषज्ञ बनाम गैर-विशेषज्ञ शिक्षकों के बीच नेत्र निर्धारण मापदंडों में गैर-सरकारी डिग्री के साथ छात्रों बनाम छात्रों को अंतर करना (अनुभव विश्वविद्यालय-प्रौढ़ शिक्षा)? और (2) सीखने के परिणाम और नेत्र निर्धारण मापदंडों के साथ प्रत्येक प्रतिभागी के समूहों प्रतिभागियों के प्रकार के साथ मेल खाता है (सरकारी डिग्री के साथ छात्रों, गैर सरकारी डिग्री के साथ छात्रों (अनुभव विश्वविद्यालय-वयस्क शिक्षा) और शिक्षकों)?

Subscription Required. Please recommend JoVE to your librarian.

Protocol

यह प्रोटोकॉल बर्गोस विश्वविद्यालय (स्पेन) के बायोएथिकल समिति के प्रक्रियात्मक नियमों के अनुपालन में किया गया था nº Nº IR27/2019। उनकी भागीदारी से पहले, प्रतिभागियों को अनुसंधान उद्देश्यों के बारे में पूरी तरह से अवगत कराया गया था और सभी ने अपनी सूचित सहमति प्रदान की थी । उन्हें उनकी भागीदारी के लिए कोई वित्तीय मुआवजा नहीं मिला ।

1. प्रतिभागी भर्ती

  1. उच्च शिक्षा (औपचारिक और गैर-औपचारिक शिक्षा) के वातावरण में 18 से 69 वर्ष की आयु रैंक के साथ दो वातावरण (छात्रों और शिक्षकों) के भीतर वयस्कों के एक समूह के बीच से प्रतिभागियों की भर्ती करें।
  2. सामान्य या सही-से-सामान्य दृष्टि और सुनवाई वाले प्रतिभागियों को शामिल करें।
  3. न्यूरोलॉजिकल, मनोरोग, और नींद विकारों, शैक्षिक विशेष जरूरतों से संबंधित विकलांग, अवधारणात्मक कठिनाइयों (बिगड़ा दृष्टि और सुनवाई), और संज्ञानात्मक विकलांग के साथ प्रतिभागियों को बाहर ।
    नोट: इस अध्ययन में हम ४० प्रतिभागियों के एक नमूने के साथ काम किया, अनुभव विश्वविद्यालय से 6 छात्रों (एक प्रतिभागी दृश्य कठिनाइयों की वजह से अनुभव विश्वविद्यालय से छात्रों की श्रेणी में बाहर रखा गया था), स्वास्थ्य विज्ञान, इंजीनियरिंग, और इतिहास और विरासत के विषयों में 25 विश्वविद्यालय के प्रोफेसरों, और 9 स्नातक और मास्टर के छात्रों के स्वास्थ्य विज्ञान, इंजीनियरिंग, और इतिहास और विरासत में पाठ्यक्रमों के बाद । प्रतिभागियों को कोई संज्ञानात्मक, सुनवाई, और न ही दृश्य समस्याओं था, और वे सब सामांय या सही करने वाली सामांय दृष्टि(तालिका 2)था । यही कारण है कि, प्रयोग शुरू करने से पहले प्रतिभागियों में से एक को समाप्त कर दिया गया था क्योंकि उस पर nystagmus का पता चला था और इसलिए कार्य ३९ प्रतिभागियों के एक नमूने के लिए लागू किया गया था । प्रतिभागियों को कोई वित्तीय और न ही पेशेवर मुआवजा प्राप्त किया; यही कारण है कि प्रतिभागियों की प्रेरणा उच्च थी क्योंकि यह केवल उनकी रुचि पर आधारित थी ताकि यह पता चल सके कि सांस्कृतिक विरासत से संबंधित सीखने की प्रक्रिया के दौरान यह आंख-ट्रैकिंग विधि कैसे काम करती है, विशेष रूप से यूरोपीय मठों की उत्पत्ति।

तालिका 2. नमूने की विशेषताएं।  कृपया इस तालिका को डाउनलोड करने के लिए यहां क्लिक करें ।

2. प्रायोगिक प्रक्रिया

  1. सत्र 1: सूचित सहमति, व्यक्तिगत डेटा और पृष्ठभूमि ज्ञान का संग्रह
    1. सूचित सहमति प्राप्त करें। परीक्षण से पहले, प्रत्येक प्रतिभागी को अध्ययन के उद्देश्यों और उनके डेटा के संग्रह, उपचार और भंडारण के बारे में सूचित करें। प्रत्येक प्रतिभागी का एग्रीमेंट सूचित सहमति प्रपत्र पर हस्ताक्षर करके दिया जाता है।
      नोट: इस अध्ययन में भागीदारी स्वैच्छिक थी और कोई वित्तीय पुरस्कार नहीं था । इस पहलू ने यह सुनिश्चित किया कि कार्यों के पूरा होने से कोई आर्थिक प्रेरणा नहीं थी । कार्य शुरू करने से पहले, साक्षात्कारकर्ता, क्षेत्र में एक विशेषज्ञ, उम्र, लिंग, व्यवसाय, और विषय वस्तु के पूर्व ज्ञान पर सवालों के साथ एक प्रश्नावली भरता है, इस मामले में, यूरोप में मठों की उत्पत्ति और ऐतिहासिक विकास (तालिका 3देखें)। यह अध्ययन जीवन भर मानवता की सांस्कृतिक विरासत के बारे में वयस्क सीखने पर एक यूरोपीय परियोजना (2019-1-ES01-KA204-095615-समन्वयक 6) का हिस्सा है; यही कारण है कि इस प्रकार का कार्य चुना गया। प्रत्येक अन्वेषक अपने या अपने काम के क्षेत्र के आधार पर विषय का चयन करेंगे ।

तालिका 3. साक्षात्कार प्रश्नावली।  कृपया इस तालिका को डाउनलोड करने के लिए यहां क्लिक करें ।

  1. सत्र 2: अंशांकन
    1. प्रतिभागी को सूचित करें कि आंखों पर नज़र रखने की तकनीक कैसे काम करती है और जानकारी कैसे एकत्र की जाएगी और रिकॉर्ड की जाएगी और कैलिब्रेट करेगी: "हम मूल और यूरोपीय मठों के विकास पर सीखने के कार्य के पूरा होने का निरीक्षण करने के लिए आंखों पर नज़र रखने की तकनीक का उपयोग करेंगे। आई ट्रैकिंग एक ऐसी तकनीक है जो आपको गतिविधि करते समय अपनी टकटकी का पालन करने की अनुमति देती है और इसका कोई दुष्प्रभाव नहीं है, न ही यह आक्रामक है, क्योंकि इस अध्ययन में केवल आंखों की ट्रैकिंग दर्ज की गई है"।
    2. प्रतिभागी को समझाएं कि एक वैध परीक्षण के लिए उचित स्थिति की आवश्यकता होती है। क्या प्रतिभागी को मॉनीटर से एक निश्चित दूरी [45 से 60 सेमी] पर बैठना चाहिए। दूरी प्रतिभागी की ऊंचाई पर निर्भर करेगी, ऊंचाई उतनी ही कम होगी, दूरी कम होगी।
    3. प्रतिभागी को सूचित करें कि स्क्रीन के कार्डिनल बिंदुओं पर अंकों की एक श्रृंखला दिखाई देगी और जैसा कि प्रत्येक बिंदु दिखाई देता है प्रतिभागी को इसे आंखों से देखना चाहिए। प्रतिभागी "एंटर" कर्सर का उपयोग करके एक बिंदु से दूसरे बिंदु पर जा सकता है। अंशांकन चरण की अवधि 10-15 मिनट होती है।
      नोट: एक आंख ट्रैकिंग iViewer XTM, SMI प्रयोगकर्ता केंद्र ३.०, और SMI टकटकी हो और १६८०×१०५० के एक संकल्प के साथ एक मॉनिटर कार्य संकल्प व्यायाम के लिए इस्तेमाल किया गया । यह उपकरण प्रत्येक आंख के नेत्र आंदोलनों, उनके निर्देशांक और पुतली व्यास को पंजीकृत करता है। इस अध्ययन में, 60 हर्ट्ज लागू किए गए थे, स्कैन-पाथ मैट्रिक्स और गतिशील स्कैन-पथ मैट्रिक्स का उपयोग किया गया था, और एओआई आंकड़े निर्धारित किए गए थे।
    4. अंशांकन सेटिंग की जांच करें। परीक्षण की निगरानी करने वाला पेशेवर नियंत्रण स्क्रीन पर अंशांकन सेटिंग का विश्लेषण करता है।
      1. आई-ट्रैकिंग आईव्यूअर एक्सटीएम में शामिल अंशांकन प्रणाली के माध्यम से अंशांकन करें। इस कार्य को शुरू करने से पहले, प्रत्येक प्रतिभागी को चार कोनों (अप-राइट, अप-लेफ्ट, डाउन-राइट, डाउन-लेफ्ट) के लिए स्क्रीन पर चार अंकों के दृश्य अनुवर्ती कार्रवाई का एहसास होता है। इसके बाद, सॉफ्टवेयर में इन उत्तेजनाओं की सही स्थिति की निष्पादन सत्यापन प्रक्रिया है और डिग्री में पैरामीटर समायोजन के बारे में जानकारी देता है। यदि यह समायोजन दाईं और बाईं आंख में 0.6º ± 1 के बीच स्थित है, तो यह माना जाता है कि अंशांकन सही है, और कार्य निष्पादन शुरू होता है। इस प्रक्रिया का एक उदाहरण चित्र 1में सत्यापित किया जा सकता है ।
        नोट: सही कार्य पूरा करने पर विचार किया जाता है जब दाईं और बाईं आंख में डिग्री 0.6º ± 1 मानक विचलन पर सेट कर रहे हैं । इस अध्ययन में, विश्वविद्यालय के प्रोफेसरों के समूह के बीच दो अंशांकनों का पता चला जो 0.6º ± 1 के समायोजन मापदंड से अधिक थे और इसलिए दो प्रतिभागियों को हटा दिया गया था । इसलिए पहले सैंपल में 25 प्रतिभागियों को घटाकर 23 प्रतिभागियों को किया गया ।

Figure 1
चित्रा 1। आंखों पर नज़र रखने के अंशांकन की प्रक्रिया कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

  1. सत्र 3: लर्निंग टास्क का प्रदर्शन
    1. प्रतिभागी को कार्य की सामग्री समझाएं। अनुदेशात्मक मनोविज्ञान में एक विशेषज्ञ प्रतिभागी को बताते हैं कि कार्य में क्या शामिल होगा और इसे कैसे करना है: "वीडियो 1:14 सेकंड लंबा है और इसमें 5 वॉयस-ओवर छवियां शामिल हैं। अंत में, प्रतिभागी को एक छोटे से क्रॉसवर्ड पहेली को पूरा करने के लिए आमंत्रित किया जाता है ताकि यह जांच की जा सके कि वीडियो में प्रस्तुत जानकारी को समझा गया है "।
    2. वीडियो क्लिप देखें। कार्य में उपयोग किए गए वीडियो को निम्नलिखित लिंक पर देखा जा सकता है: https://youtu.be/HlGGgrYDTFs।
      नोट: कार्य एक वीडियो है कि यूरोपीय मठों की उत्पत्ति के बारे में जानकारी प्रदान करता है देखने में होते हैं । यह जानकारी एक विशेषज्ञ, एक कला इतिहास शिक्षक द्वारा विस्तार से दी गई है । जानकारी दो चैनलों में आयोजित की जाती है, एक दृश्य जिसमें चित्र और लिखित जानकारी शामिल है जो रूपरेखा के रूप में प्रस्तुत की गई है और एक अन्य ऑडियो क्योंकि एक एसआरएल विशेषज्ञ शिक्षक मौखिक जोर का उपयोग करके सबसे महत्वपूर्ण सामग्री पर जोर देते हुए वीडियो भर में बोल रहा है।
    3. मूडल-आधारित वर्चुअल प्लेटफॉर्म पर क्रॉसवर्ड पहेली का प्रदर्शन करना। क्रॉसवर्ड आइकन पर क्लिक करने से प्रतिभागी को एक वर्चुअल प्लेटफ़ॉर्म पर ले जाता है जहां क्रॉसवर्ड पूरा हो सकता है, यह जांचने के लिए कि ज्ञान प्राप्त किया गया है या नहीं। क्रॉसवर्ड पहेली चित्रा 2में प्रस्तुत की गई है ।

Figure 2
चित्रा 2। अधिग्रहीत ज्ञान की जांच करने के लिए क्रॉसवर्ड पहेली। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

  1. सत्र 4: डेटा विश्लेषण
    1. ब्याज के क्षेत्रों (एओआई) चुनें। AOIs को वीडियो में परिभाषित किया गया है और इसे AOIs में विभाजित किया गया है जिसमें प्रासंगिक जानकारी बनाम एओआई शामिल है जिसमें गैर-प्रासंगिक जानकारी शामिल है।
      नोट: AOI असाइनेशन प्रयोगकर्ता द्वारा महसूस किया जाता है जो यह तय करता है कि प्रस्तुत जानकारी के संबंध में कौन से प्रासंगिक या अप्रासंगिक एओआई हैं।
    2. एओआई फिक्सेशन ("इवेंट स्टार्ट ट्रायल टाइम", "इवेंट एंड ट्रायल टाइम" और "इवेंट अवधि" के मापदंडों से संबंधित डेटाबेस निकालें; "निर्धारण स्थिति एक्स", "निर्धारण स्थिति वाई", "निर्धारण औसत छात्र आकार", "निर्धारण औसत छात्र आकार वाई px", "निर्धारण औसत छात्र व्यास", "निर्धारण फैलाव एक्स" और "निर्धारण फैलाव वाई") ।
    3. डेटाबेस को सांख्यिकीय प्रसंस्करण सॉफ्टवेयर पैकेज में आयात करें और विकल्प का विश्लेषण करें और फिर वर्गीकृत करें,इसके बाद विकल्प k-साधन क्लस्टर का चयनकरें। फिर सांख्यिकीय सॉफ्टवेयर पैकेज में क्रॉस-टेबल का चयन करें, उदाहरण के लिए एसपीएसएस, इसके बाद 'एनोवा' विकल्प, प्रतिभागियों (वयस्क समूहों के प्रकार और पूर्व ज्ञान की डिग्री) के बीच मतभेदों का विश्लेषण करने के लिए उनके एओआई निर्धारण मापदंडों31के संबंध में।
      नोट: क्लस्टरिंग या क्लस्टर विश्लेषण एक 'अपर्यवेक्षित' मशीन-लर्निंग तकनीक है, और, कश्मीर-साधनों केभीतर, यह एक समूहीय विधि है, जिसका उद्देश्य के समूहों में एन टिप्पणियों का एक सेट विभाजित करना है, जिसमें प्रत्येक अवलोकन निकटतम मतलब मूल्य वाले समूह से संबंधित है। इस प्रयोग में, सीखनेके कार्य में प्रतिभागियों के समूहों की जांच करने के लिए कश्मीर का मतलब क्लस्टरिंग का उपयोग किया गया था। यह पत्राचार महत्वपूर्ण है, क्योंकि यह शिक्षक या चिकित्सक उपयोगकर्ताओं के सजातीय कार्यात्मक विकास के बारे में जानकारी प्रदान करता है जो निदान से परे चला जाता है, कार्यात्मक विकास के कुछ क्षेत्रों में समान हस्तक्षेप कार्यक्रमों का प्रस्ताव करने के लिए जानकारी प्रदान करता है। इस विकल्प से शैक्षिक या चिकित्सीय सेवा और उसके व्यक्तिगत और भौतिक संसाधनों के पूर्ण उपयोग की सुविधा की उम्मीद है ।
    4. ऑरेंज32जैसे विज़ुअलाइज़ेशन सॉफ़्टवेयर का उपयोग करके संसाधित किए गए डेटा (वर्णनात्मक और क्लस्टर विश्लेषण) का एक दृश्य विश्लेषण करें।
    5. विस्तृत आंकड़ों के मापदंडों पर डेटा निकालें: निवास समय, नज़र अवधि, मोड़ अवधि, नज़र गिनती, निर्धारण गिनती, औसत निर्धारण, और अवधि तो एक सांख्यिकीय सॉफ्टवेयर पैकेज में है कि डेटाबेस आयात । सांख्यिकीय पैकेज में 'एनोवा' विकल्प का चयन करें और फिर संसाधित किए गए डेटा (साधन) का एक दृश्य विश्लेषण करें। प्रतिभागियों के समूहों के लिए एक मकड़ी चार्ट और विशिष्ट बार रेखांकन उत्पन्न करने के लिए स्प्रेडशीट का उपयोग करें।
  2. सत्र 5: व्यक्तिगत सीखने के प्रस्ताव
    1. क्लस्टर विश्लेषण में पता चला प्रतिभागियों के बीच सीखने के परिणामों में सुधार करने के लिए एक हस्तक्षेप कार्यक्रम प्रदर्शन, उनके कम स्कोर के कारण ।
      नोट: प्रायोगिक प्रक्रिया में अपनाई गई चरणों का सारांश चित्र 3में दिखाया गया है ।

Figure 3
चित्रा 3। प्रायोगिक प्रक्रिया के चरण। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

वर्तमान अध्ययन के लिए भर्ती किए गए ३६ प्रतिभागी वयस्कों के तीन समूहों (अनुभव विश्वविद्यालय के छात्रों, विश्वविद्यालय के प्रोफेसरों, और स्नातक और मास्टर डिग्री छात्रों) से थे, जिनकी उम्र [18 और ६९] वर्ष(तालिका 2)के बीच थी । प्रोटोकॉल बर्गोस विश्वविद्यालय में 20 महीने से अधिक का परीक्षण किया गया था । विकास की एक रूपरेखा तालिका 4में देखी जा सकती है।

तालिका 4. सीखने के व्यवहार विश्लेषण प्रोटोकॉल के विकास की रूपरेखा।  कृपया इस तालिका को डाउनलोड करने के लिए यहां क्लिक करें ।

सबसे पहले, फिक्सेशन के टकटकी स्थिति मापदंडों का विश्लेषण किया गया(तालिका 5)। इस अध्ययन में, एक वीडियो का उपयोग करके, शुरुआत और अंत समय सभी प्रतिभागियों के लिए समान था: 0 एमएस शुरू करें और 1:14 एस, अवधि 1:14 एस समाप्त करें।

तालिका 5. फिक्सेशन पैरामीटर परिणाम।  कृपया इस तालिका को डाउनलोड करने के लिए यहां क्लिक करें ।

चित्रा 4 निर्धारण मापदंडों के संबंध में तीन समूहों द्वारा विकसित कार्यों का ग्राफ दिखाता है। प्रत्येक प्रतिभागी समूह (अनुभव छात्रों के विश्वविद्यालय, विश्वविद्यालय के शिक्षक और स्नातक और मास्टर छात्र) में पुरुषों और महिलाओं के समूह ने प्रत्येक कार्य को विभिन्न तरीकों से पूरा किया ।

Figure 4
चित्रा 4। तीन समूहों का ग्राफ और निर्धारण मापदंडों से संबंधित कार्य का उनका विकास। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

एक दो कारक निश्चित प्रभाव ANOVA (भागीदार और पिछले ज्ञान के प्रकार) तो जांच करने के लिए कि क्या वहां तीन समूहों (अनुभव छात्रों के विश्वविद्यालय, विश्वविद्यालय के प्रोफेसरों और विश्वविद्यालय के छात्रों) के बीच निर्धारण की स्थिति के मापदंडों में महत्वपूर्ण अंतर थे लागू किया गया था । किसी भी निर्धारण मापदंडों में कोई महत्वपूर्ण अंतर नहीं पाया गया, लेकिन निर्धारण औसत छात्र आकार वाई, निर्धारण औसत छात्र व्यास, और निर्धारण प्रसार एक्स के लिए मतभेदों की ओर रुझान नोट किया गया था, हालांकि कम प्रभाव मूल्यों के साथ (तालिका 6देखें)।

तालिका 6. दो कारक निश्चित प्रभाव ANOVA (प्रतिभागी और पूर्व ज्ञान के प्रकार) और प्रभाव मूल्य ।  कृपया इस तालिका को डाउनलोड करने के लिए यहां क्लिक करें ।

इसके बाद, कश्मीर का मतलब क्लस्टर का अध्ययन करने के लिए लागू किया गया था कि क्या प्रारंभिक अनुसंधान समूह (अनुभव छात्रों के विश्वविद्यालय, विश्वविद्यालय के प्रोफेसरों और विश्वविद्यालय के छात्रों) में निर्धारण पदों, पिछले ज्ञान और क्रॉसवर्ड पहेली परिणामों के मापदंडों के संबंध में विभिन्न समूह थे। तीन क्लस्टर पाए गए(टेबल 7)। समूहों का एक दृश्य चित्र 5में देखा जा सकता है ।

तालिका 7. अंतिम क्लस्टर केंद्र।  कृपया इस तालिका को डाउनलोड करने के लिए यहां क्लिक करें ।

फिर, प्रतिभागी (अनुभव छात्रों के विश्वविद्यालय, विश्वविद्यालय के प्रोफेसरों और विश्वविद्यालय के छात्रों)(तालिका 8)के प्रकार के संबंध में प्रत्येक प्रतिभागी को सौंपा समूह सदस्यता के क्लस्टर के मूल्यों के बीच एक क्रॉस टेबल तैयार किया गया था । चित्रा 5 निर्धारण स्थिति मापदंडों के लिए तीन समूहों के संबंध में समूहों के भीतर प्रतिभागियों की स्थिति को दर्शाता है।

तालिका 8. प्रतिभागी * केस क्रॉसटैगुलेशन का क्लस्टर नंबर।  कृपया इस तालिका को डाउनलोड करने के लिए यहां क्लिक करें ।

एक दो कारक निश्चित प्रभाव ANOVA, "प्रतिभागी समूह" और "पृष्ठभूमि", निम्नलिखित आंखों पर नज़र रखने माप मापदंडों के लिए प्रदर्शन किया गया था: निवास समय, नज़र अवधि, मोड़ अवधि, नज़र गिनती, निर्धारण गिनती, औसत, और कार्य शुरू चरण में प्राप्त अवधि (स्लाइड 1) और कार्य अंत चरण (स्लाइड 5)(तालिका 6)में ) । डायवर्जन अवधि 1 में पृष्ठभूमि ज्ञान चर (प्रत्येक एओआई में डाले गए प्रत्येक उत्तेजना के लिए इनपुट, निवास और आउटपुट समय का विश्लेषण) के आधार पर महत्वपूर्ण अंतर पाए गए थे। इसलिए यह निष्कर्ष निकाला जा सकता है कि सूचना पहुंच के प्रारंभिक चरण के दौरान परिवर्तनीय "प्रतिभागी समूह" के आधार पर विभिन्न एओआई में प्रवेश करने, शेष और बाहर निकलने का तरीका अलग था(एफ2,32 = 4.07, पी = 0.03, η2 = 0.23)। औसत निर्धारण अवधि पैरामीटर में भी अंतर पाए गए (लंबे समय तक निर्धारण प्रतिभागी को विभिन्न एओआई(एफ2, 32 = 3.53,पी = 0.04, η 2 = 0.21) के भीतर सूचना सामग्री का विश्लेषण और व्याख्या करने में अधिक समय बिताने का उल्लेख है। बोनफेरोनी का मतलब अंतर परीक्षण समूह सदस्यता स्थापित करने के लिए लागू किया गया था, जिसके साथ यह स्थापित किया गया था कि वे समूह (अनुभव छात्रों के विश्वविद्यालय) और विश्वविद्यालय के प्रोफेसरों के समूह के बीच थे [मतलब अंतर = 0.04, पी = 0.04 CI 95% (0.03-2.75)] । साधन समूह 1 (अनुभव छात्रों के विश्वविद्यालय) के लिए अधिक थे, जहां प्रतिभागियों का विश्लेषण और डेटा प्रवेश चरण के दौरान AOIs की व्याख्या अधिक समय बिताया (तालिका 9 और चित्रा 6देखें) ।

तालिका 9। दो-कारक फिक्स्ड-इफेक्ट्स एव नोवा (प्रतिभागी और पिछले ज्ञान का प्रकार) और आंखों पर नज़र रखने वाले माप मापदंडों के लिए प्रभाव मूल्य: निवास समय, नज़र अवधि, डायवर्जन अवधि, डालना गिनती, निर्धारण गिनती, औसत निर्धारण और अवधि।  कृपया इस तालिका को डाउनलोड करने के लिए यहां क्लिक करें ।

Figure 6
चित्रा 6। तीन समूहों का ग्राफ और कार्य प्रसंस्करण के अंत में पूर्व ज्ञान चर के संबंध में निर्धारण मापदंडों को शामिल करते हुए कार्य का उनका विकास। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

इस अध्ययन में पाए गए परिणामों के आधार पर, कार्य-संकल्प अधिगम परिणामों में सुधार करने के लिए एक व्यक्तिगत अधिगम कार्यक्रम के विकास का प्रस्ताव किया गया था । यह कार्यक्रम क्लस्टर 3 में समूहित प्रतिभागियों के साथ काम पर केंद्रित था, क्योंकि उन्होंने सीखने के परिणामों की जांच करने के लिए परीक्षण में 5 में से 3 अंक के स्कोर प्राप्त किए, जो कुल प्रतिभागियों का 85.43% प्रतिनिधित्व करते थे। तीन अध्ययन समूहों (अनुभव छात्रों के विश्वविद्यालय) से प्रतिभागियों; इस क्लस्टर में विश्वविद्यालय के शिक्षक और स्नातक और मास्टर छात्र) पाए गए । कार्यक्रम वीडियो में काम की अवधारणाओं के सुदृढीकरण पर ध्यान केंद्रित करेगा जिसके लिए अवधारणाओं का विस्तार और विनिर्देश बनाया जाएगा।

Figure 5
चित्रा 5। तीन समूहों (अनुभव विश्वविद्यालय के छात्रों, विश्वविद्यालय के प्रोफेसरों, और विश्वविद्यालय के छात्रों) में निर्धारण मापदंडों के क्लस्टर विश्लेषण । कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें ।

अनुपूरक फाइलें

वीडियो को रिकॉर्ड करने के लिए प्राधिकरण जिसमें से छवियों का उपयोग सीखने की कठिनाइयों वाले बच्चों में कार्यात्मक क्षमताओं के अवलोकन के संदर्भ में किया गया है।

Subscription Required. Please recommend JoVE to your librarian.

Discussion

अनुसंधान के परिणामों से संकेत मिलता है कि प्रासंगिक उत्तेजनाओं पर औसत निर्धारण अवधि पिछले ज्ञान के साथ प्रतिभागियों के बीच लंबी थी । इसी तरह, इस समूह पर ध्यान का ध्यान सूचना के मध्य बिंदुओं (समीपस्थ और डिस्टल)7पर है । इस अध्ययन के परिणामों से पता चला है कि प्रतिभागियों ने जानकारी को संसाधित करने के तरीके में अंतर किया है । इसके अलावा, उनकी प्रसंस्करण हमेशा प्रारंभिक समूह (अनुभव छात्रों के विश्वविद्यालय, विश्वविद्यालय के शिक्षकों और स्नातक और मास्टर के छात्रों) से जुड़ा हुआ नहीं था । ये अंतर लर्निंग वीडियो में प्रस्तुत छवियों पर निर्धारण में एक्स-एक्सिस पर प्रतिभागियों की दृश्य स्थिति के विश्लेषण के संबंध में पाए गए थे। क्लस्टर 2 में, स्थिति एक्स निर्धारण, स्थिति वाई निर्धारण, औसत छात्र व्यास निर्धारण, एक्स और वाई-एक्सिस निर्धारण फैलाव की उच्चतम आवृत्तियां पाई गईं । यह तथ्य इस तथ्य के साथ मेल खाता है कि क्लस्टर 2 के सदस्य स्वयं विश्वविद्यालय शिक्षक समूह के सदस्य थे, इस विषय का पिछला ज्ञान था, और परिणाम सत्यापन परीक्षा में उच्चतम अंक प्राप्त किया। इसी तरह, यह बताना प्रासंगिक है कि अध्ययन में अधिकांश प्रतिभागी (85.43%), उनके मूल समूह की परवाह किए बिना, क्लस्टर 3 में थे जहां उन्होंने सत्यापन परीक्षण में सबसे कम परिणाम प्राप्त किए।

इस प्रोटोकॉल का एक और प्रासंगिक पहलू एसआरएल के साथ एक वीडियो में जानकारी की प्रस्तुति है। प्रस्तुति का यह रूप, एक तरफ, मार्गदर्शन और ध्यान केंद्रित करता है और दूसरी ओर प्रत्येक प्रतिभागी के व्यक्तिगत कार्यों को कम करता है, जो यह कहना है कि यह जानकारी तक पहुंचने के तरीके को एकजुट करता है। जहां आवश्यक हो, यह एक पहलू है कि संभव घाटे या प्रसंस्करण में कठिनाइयों की भरपाई कर सकते हैं । इस बयान का सबूत यह है कि तीन समूहों के बीच सीखने के परिणामों में कोई महत्वपूर्ण अंतर नहीं पाया गया, औसत प्रदर्शन अंतराल [३.६०, ४.८६] 5 पर स्थापित के साथ । महत्वपूर्ण अंतर केवल प्रसंस्करण की मोड़ अवधि के मापदंडों में पाए गए (प्रत्येक एओआई में डाले गए प्रत्येक उत्तेजना के लिए इनपुट, स्थायित्व और आउटपुट समय का विश्लेषण करने के लिए उपयोग किया जाने वाला पैरामीटर) और औसत निर्धारण अवधि (यह पैरामीटर लंबे समय तक निर्धारण को संदर्भित करता है, जो इंगित करता है कि प्रतिभागी प्रसंस्करण के प्रारंभिक क्षण में विभिन्न एओआई के भीतर जानकारी की सामग्री का विश्लेषण और व्याख्या करने में अधिक समय बिताता है लेकिन इसके अंत में नहीं। इन मापदंडों में सबसे लंबे समय तक इस अध्ययन में स्नातक और मास्टर छात्रों और अनुभव छात्रों के विश्वविद्यालय के समूह के बीच पाया गया । इन परिणामों का समर्थन अन्य अध्ययनोंके निष्कर्षों से होताहै 4,12,15. अंत में, इस प्रोटोकॉल को छात्र के कोडिंग चरण के आधार पर सूचना प्रसंस्करण के दौरान मतभेदों का अध्ययन करने के लिए लागू किया जा सकता है।

उपरोक्त के आधार पर, पहला निष्कर्ष यह है कि कार्यों के पूरा होने के दौरान आंखों पर नज़र रखने की पद्धति का उपयोग सूचना प्रसंस्करण1,2के अध्ययन के लिए उपयोगी डेटा प्रदान करता है। इसी तरह, आंखों पर नज़र रखने की तकनीक से निकाले गए डेटा और अपर्यवेक्षित सीखने की तकनीकों (क्लस्टरिंग) के साथ विश्लेषण किया पूर्व निर्धारित मापदंडों11, 15के अनुसार समूहों के ज्ञान की सुविधा । यह पहलू प्रत्येक प्रतिभागी में सूचना प्रसंस्करण के अध्ययन के लिए और व्यक्तिगत शैक्षिक प्रतिक्रियाओं 3 , 4 ,5,22,22,23से संबंधित प्रस्ताव के लिए बहुत प्रासंगिक है जिससे अधिक प्रभावी सीखनेकीउम्मीद है ।

यह बताना भी महत्वपूर्ण है कि प्रायोगिक परिणामों ने अन्य शोध के परिणामों की पुष्टि की: नौसिखिए-विशेषज्ञ चर और प्रतिभागी आयु के अनुसार प्रसंस्करण में अंतर, और एसआरएल सामग्रियों का उपयोग जो इन चरों के प्रभाव को कम करता है और प्रतिभागियों के अपेक्षित प्रदर्शन को बढ़ाता है7,8,9,10।

हालांकि, सावधानी के साथ इन परिणामों के किसी भी सामान्यीकरण का इलाज करना आवश्यक है, क्योंकि सुविधा नमूना लागू किया गया था, और काम कला इतिहास से संबंधित विशिष्ट सामग्री पर केंद्रित था। इसलिए भविष्य में होने वाले शोध में सैंपल को आगे बढ़ाया जाएगा और अन्य विषयों में निष्कर्षों की जांच की जाएगी।

जैसा कि परिचय में दर्शाया गया है, एसआरएल पद्धति के साथ विभिन्न सूचना चैनलों (श्रवण, दृश्य या दोनों) के माध्यम से एक बहुमॉडल तरीके से जानकारी की प्रस्तुति, आंखों पर नज़र रखने की तकनीक और मशीन-लर्निंग तकनीकों के उपयोग के साथ, जिस तरह से प्रतिभागियों को जानकारी की प्रक्रिया को समझने के लिए महत्वपूर्ण है ताकि प्रत्येक उपयोगकर्ता की शैक्षिक जरूरतों के अनुसार व्यक्तिगत शिक्षण डिजाइन की पेशकश की जा सके और परिणामस्वरूप, सफल सीखने और सभी छात्रों के बीच इसके विकास को बढ़ावा देने केलिए 29,30।

संक्षेप में, आंखों पर नज़र रखने की तकनीक का उपयोग सामग्री से व्यक्तिगत संसाधनों तक लागत कारकों के कारण मौलिक रूप से शिक्षा ढांचे में सामान्य अनुप्रयोग की कार्यप्रणाली नहीं है। हालांकि, इसका उपयोग थोड़ा-थोड़ा बढ़ना शुरू कर रहा है और ऑटोरेनियमित सीखने में कार्यों के अवलोकन में इसका सामान्य उपयोग देखना महत्वपूर्ण है। इस आंख पर नज़र रखने की तकनीक का लाभ यह है कि यह कार्य है जो विश्वसनीयता और वैधता के लाभ मिल गया है के साथ शिक्षार्थी बातचीत की रिकॉर्डिंग की अनुमति देता है, इस मामले में, सीखने की प्रक्रिया के सरल अवलोकन पर । इसके अलावा, आंखों पर नज़र रखने की कार्यप्रणाली पंजीकृत जानकारी दृश्य की विभिन्न तकनीकों प्रदान करता है और डेटा ठिकानों में इस जानकारी का विश्लेषण कंप्यूटर प्रोग्राम या अधिक शक्तिशाली उपकरणों के साथ भी किया जा सकता है। इसलिए, यह प्राकृतिक संदर्भों में जांच के लिए विभिन्न प्रकार की संभावनाओं को खोलता है।

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

लेखकों की घोषणा है कि वे कोई प्रतिस्पर्धी वित्तीय हितों की है ।

Acknowledgments

इस कार्य को यूरोपीय आयोग द्वारा वित्तपोषित परियोजना "स्मार्टआर्ट इरासमस + प्रौढ़ शिक्षा में स्व-विनियमित लर्निंग" 2019-1-ES01-KA204-095615-समन्वयक 6 के भीतर विकसित किया गया है । कार्य पूरा चरण के वीडियो लीक Velasco Sáiz की पूर्व सूचित सहमति थी । हम कार्य कार्यान्वयन चरण में शिक्षकों और छात्रों की भागीदारी की सराहना करते हैं ।

Materials

Name Company Catalog Number Comments
iViewer XTM iViewer
SMI Experimenter Center 3.0 SMI
SMI Be Gaze SMI

DOWNLOAD MATERIALS LIST

References

  1. van Marlen, T., van Wermeskerken, M., Jarodzka, H., van Gog, T. Effectiveness of eye movement modeling examples in problem solving: The role of verbal ambiguity and prior knowledge. Learning and Instruction. 58, 274-283 (2018).
  2. Taub, M., Azevedo, R., Bradbury, A. E., Millar, G. C., Lester, J. Using sequence mining to reveal the efficiency in scientific reasoning during STEM learning with a game-based learning environment. Learning and Instruction. 54, 93-103 (2018).
  3. Cloude, E. B., Taub, M., Lester, J., Azevedo, R. The Role of Achievement Goal Orientation on Metacognitive Process Use in Game-Based Learning. Artificial Intelligence in Education. Isotani, S., Millan, E., Ogan, A., Hastings, P., McLaren, B., Luckin, R. , Springer International Publishing. Switzerland. 36-40 (2019).
  4. Azevedo, R., Gašević, D. Analyzing Multimodal Multichannel Data about Self-Regulated Learning with Advanced Learning Technologies: Issues and Challenges. Computers in Human Behavior. 96, 207-210 (2019).
  5. Sáiz-Manzanares, M. C., Rodríguez-Diez, J. J., Marticorena-Sánchez, R., Zaparín-Yáñez, M. J., Cerezo-Menéndez, R. Lifelong learning from sustainable education: An analysis with eye tracking and data mining techniques. Sustainability. 12 (5), 2-18 (2020).
  6. Alemdag, E., Cagiltay, K. A systematic review of eye tracking research on multimedia learning. Computers & Education. 125, 413-428 (2018).
  7. Ho, H. N. J., Tsai, M. -J., Wang, C. -Y., Tsai, C. -C. Prior knowledge and online inquiry-based science reading: evidence from eye tracking. International Journal of Science and Mathematics Education. 12, 525-554 (2014).
  8. Catrysse, L., Gijbels, D., Donche, V. It is not only about the depth of processing: What if eye am not interested in the text. Learning and Instruction. 58, 284-294 (2018).
  9. Mayer, R. E. Using multimedia for e-learning. Journal of Computer Assisted Learning. 33 (5), 403-423 (2017).
  10. Prokop, M., Pilař, L., Tichá, I. Impact of think-aloud on eye-tracking: A comparison of concurrent and retrospective think-aloud for research on decision-making in the game environment. Sensors. 20 (10), (2020).
  11. DuMouchel, W. Data Squashing: Constructing Summary Data Sets. Handbook of Massive Data Sets. Abello, J., Pardalos, P. M., Resende, M. G. C. , Springer. Boston, MA, US. 579-591 (2002).
  12. Stull, A. T., Fiorella, L., Mayer, R. E. An eye-tracking analysis of instructor presence in video lectures. Computers in Human Behavior. 88, 263-272 (2018).
  13. König, S. D., Buffalo, E. A. A nonparametric method for detecting fixations and saccades using cluster analysis: Removing the need for arbitrary thresholds. Journal of Neuroscience Methods. 30 (227), 121-131 (2014).
  14. Maltz, M., Shinar, D. Eye Movements of Younger and Older Drivers. Human Factors. 41 (1), 15-25 (1999).
  15. Burch, M., Kull, A., Weiskopf, D. AOI rivers for visualizing dynamic eye gaze frequencies. Computer Graphics Forum. 32 (3), 281-290 (2013).
  16. Dzeng, R. -J., Lin, C. -T., Fang, Y. -C. Using eye-tracker to compare search patterns between experienced and novice workers for site hazard identification. Safety Science. 82, 56-67 (2016).
  17. Kurzhals, K., Weiskopf, D. Space-time visual analytics of eye-tracking data for dynamic stimuli. IEEE Transactions on Visualization and Computer Graphics. 19 (12), 2129-2138 (2013).
  18. Sharafi, Z., Soh, Z., Guéhéneuc, Y. -G. A systematic literature review on the usage of eye-tracking in software engineering. Information and Software Technology. 67, 79-107 (2015).
  19. Dalrymple, K. A., Jiang, M., Zhao, Q., Elison, J. T. Machine learning accurately classifies age of toddlers based on eye tracking. Scientific Reports. 9 (1), 6255 (2019).
  20. Seifert, L., Cordier, R., Orth, D., Courtine, Y., Croft, J. L. Role of route previewing strategies on climbing fluency and exploratory movements. PLoS One. 12 (4), 1-22 (2017).
  21. Takeuchi, H., Habuchi, Y. A quantitative method for analyzing scan path data obtained by eye tracker. IEEE Symposium on Computational Intelligence and Data Mining, CIDM 2007. , Honolulu, HI, USA. 283-286 (2007).
  22. Takeuchi, H., Matsuda, N. Scan-path analysis by the string-edit method considering fixation duration. 6th International Conference on Soft Computing and Intelligent Systems, and 13th International Symposium on Advanced Intelligence Systems, SCIS/ISIS 2012. , Kobe, Japan. 1724-1728 (2012).
  23. Sáiz, M. C., Marticorena, R., Anaiz, Á, Zaparaín, M. J. Task analysis with eye tracking technology. srl at Smartart. II Congress of the International Scientific Association of Psychopedagogy Proceedings. Peralbo, M., Risso, A., Barca, A., Duarte, B., Almeda, L., Brenlla, J. C. , Asociacion Cientifica Internacional de Psicopedagogia. Coruña, Spain. 4093-4104 (2019).
  24. Khedher, A. B., Jraidi, I., Frasson, C. Tracking Students' Analytical Reasoning Using Visual Scan Paths. IEEE 17th International Conference on Advanced Learning Technologies (ICALT). , IEEE. Timisoara, Romania. 53-54 (2017).
  25. Xia, C., Han, J., Qi, F., Shi, G. Predicting Human Saccadic Scanpaths Based on Iterative Representation Learning. IEEE Trans Image Process. 8 (7), 3502-3515 (2019).
  26. Cerezo, R., Fernández, E., Gómez, C., Sánchez-Santillán, M., Taub, M., Azevedo, R. Multimodal Protocol for Assessing Metacognition and Self-Regulation in Adults with Learning Difficulties. Journal of Visualized Experiments. , e60331 (2020).
  27. Scherer, R., Siddiq, F., Tondeur, J. The technology acceptance model (TAM): A meta-analytic structural equation modeling approach to explaining teachers' adoption of digital technology in education. Computers & Education. 128 (0317), 13-35 (2019).
  28. Bruder, C., Eißfeldt, H., Maschke, P., Hasse, C. Differences in monitoring between experts and novices. Proceedings of the Human Factors and Ergonomics Society Annual Meeting. 57 (1), 295-298 (2013).
  29. Azevedo, R., Gašević, D. Analyzing Multimodal Multichannel Data about Self-Regulated Learning with Advanced Learning Technologies: Issues and Challenges. Computers in Human Behavior. 96, 207-210 (2019).
  30. Taub, M., Azevedo, R. How Does Prior Knowledge Influence Eye Fixations and Sequences of Cognitive and Metacognitive SRL Processes during Learning with an Intelligent Tutoring System. International Journal of Artificial Intelligence in Education. 29 (1), 1-28 (2019).
  31. IBM Corp. SPSS Statistical Package for the Social Sciences (SPSS) (Version 24). , Madrid, Spain. (2016).
  32. Orange Software Package. , Available from: https://orange.biolab.si/docs/ (2020).

Tags

व्यवहार अंक 172 नेत्र ट्रैकिंग स्व-विनियमित सीखना कार्य विश्लेषण व्यवहार विश्लेषण डेटा खनन
सीखने की प्रक्रियाओं में लगे वयस्कों के व्यवहार विश्लेषण के लिए उपयोग की जाने वाली आंख-ट्रैकिंग तकनीक और डेटा-खनन तकनीक
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Sáiz Manzanares, M. C., Payo… More

Sáiz Manzanares, M. C., Payo Hernanz, R. J., Zaparaín Yáñez, M. J., Andrés López, G., Marticorena Sánchez, R., Calvo Rodríguez, A., Martín, C., Rodríguez Arribas, S. Eye-tracking Technology and Data-mining Techniques used for a Behavioral Analysis of Adults engaged in Learning Processes. J. Vis. Exp. (172), e62103, doi:10.3791/62103 (2021).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter