Summary

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:

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)?

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 त?…

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 ?…

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 …

Divulgations

The authors have nothing to disclose.

Acknowledgements

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

iViewer XTM iViewer
SMI Experimenter Center 3.0 SMI
SMI Be Gaze SMI

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., Isotani, S., Millan, E., Ogan, A., Hastings, P., McLaren, B., Luckin, R. The Role of Achievement Goal Orientation on Metacognitive Process Use in Game-Based Learning. Artificial Intelligence in Education. , 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., Abello, J., Pardalos, P. M., Resende, M. G. C. Data Squashing: Constructing Summary Data Sets. Handbook of Massive Data Sets. , 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. , 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. , 1724-1728 (2012).
  23. Sáiz, M. C., Marticorena, R., Anaiz, &. #. 1. 9. 3. ;., Zaparaín, M. J., Peralbo, M., Risso, A., Barca, A., Duarte, B., Almeda, L., Brenlla, J. C. Task analysis with eye tracking technology. srl at Smartart. II Congress of the International Scientific Association of Psychopedagogy Proceedings. , 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). , 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). , (2016).
  32. . Orange Software Package Available from: https://orange.biolab.si/docs/ (2020)

Play Video

Citer Cet Article
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).

View Video