VAAD: Visual Attention Analysis Dashboard applied to e-Learning
作者: Miriam Navarro, Álvaro Becerra, Roberto Daza, Ruth Cobos, Aythami Morales, Julian Fierrez
分类: cs.CV, cs.HC, cs.LG
发布日期: 2024-05-30 (更新: 2024-09-02)
备注: Published in IEEE Intl. Symposium on Computers in Education (SIIE) 2024
💡 一句话要点
VAAD：用于在线学习的视觉注意力分析仪表盘，提升学习行为洞察
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 眼动追踪 在线学习 学习分析 可视化 预测模型
📋 核心要点
- 现有在线学习分析缺乏对学习者视觉注意力的深入分析，难以有效识别学习模式和差异。
- VAAD工具通过可视化眼动数据，并结合预测模块，提供描述性和预测性的学习行为分析。
- VAAD能够帮助识别不同学习者群体的学习模式，并预测学习者在学习过程中的活动。
📝 摘要（中文）
本文提出了一种多模态学习分析方法，并基于此开发了一个名为VAAD（Visual Attention Analysis Dashboard，视觉注意力分析仪表盘）的工具，用于可视化和分析在线课程学习期间收集的眼动数据。这些眼动数据通过眼动追踪仪收集，经过处理和可视化以便于理解。该工具旨在通过促进数据可视化来进行描述性分析，从而识别不同学习者群体之间的差异和学习模式。此外，它还集成了一个预测模块，能够预测学习者在学习过程中的活动。因此，VAAD有潜力从描述性和预测性角度提供对在线学习行为的宝贵见解。
🔬 方法详解
问题定义：目前在线学习分析方法通常侧重于学习者的行为数据（例如点击、提交等），而忽略了学习者的视觉注意力分配情况。缺乏对视觉注意力的分析，难以深入了解学习者的学习过程，也难以发现不同学习者群体之间的学习模式差异。现有方法无法有效预测学习者的学习活动。
核心思路：本文的核心思路是利用眼动追踪技术收集学习者的视觉注意力数据，并设计一个仪表盘工具（VAAD）来可视化和分析这些数据。通过对眼动数据的描述性分析，可以识别不同学习者群体的学习模式和差异。此外，利用眼动数据训练预测模型，可以预测学习者的学习活动。
技术框架：VAAD工具的整体框架包含以下几个主要模块：1) 眼动数据采集模块：使用眼动追踪仪收集学习者在在线学习过程中的眼动数据。2) 数据预处理模块：对采集到的眼动数据进行清洗、过滤和校准等预处理操作。3) 可视化模块：将预处理后的眼动数据以各种图表的形式进行可视化，例如热图、注视点图等。4) 描述性分析模块：提供各种统计分析功能，例如计算平均注视时长、注视次数等，以便于分析不同学习者群体的学习模式。5) 预测模块：使用机器学习算法，例如回归、分类等，基于眼动数据训练预测模型，预测学习者的学习活动。
关键创新：VAAD工具的关键创新在于将眼动追踪技术应用于在线学习分析，并提供了一个集数据采集、预处理、可视化、描述性分析和预测于一体的综合性仪表盘工具。与现有方法相比，VAAD能够更深入地了解学习者的学习过程，并提供更全面的学习行为分析。
关键设计：VAAD工具的关键设计包括：1) 选择合适的眼动追踪设备，确保数据采集的准确性和可靠性。2) 设计易于理解和使用的可视化图表，例如热图、注视点图等。3) 选择合适的机器学习算法，训练准确的预测模型。4) 提供灵活的配置选项，允许用户根据自己的需求定制分析和预测功能。
🖼️ 关键图片
📊 实验亮点
VAAD工具通过可视化眼动数据，能够清晰展示学习者在不同学习材料上的视觉注意力分布，例如热图显示了学习者在特定区域的注视频率。该工具还集成了预测模块，虽然论文中没有给出具体的性能数据，但强调了其预测学习者活动的能力，这为个性化学习干预提供了可能。
🎯 应用场景
该研究成果可应用于在线教育平台，帮助教师和课程设计者更好地了解学生的学习行为和视觉注意力分配情况，从而优化课程内容和教学方法。此外，该工具还可以用于个性化学习推荐，根据学生的学习模式和视觉注意力偏好，推荐更适合他们的学习资源。未来，该技术可扩展到其他领域，如用户界面设计、广告效果评估等。
📄 摘要（原文）
In this paper, we present an approach in the Multimodal Learning Analytics field. Within this approach, we have developed a tool to visualize and analyze eye movement data collected during learning sessions in online courses. The tool is named VAAD, an acronym for Visual Attention Analysis Dashboard. These eye movement data have been gathered using an eye-tracker and subsequently processed and visualized for interpretation. The purpose of the tool is to conduct a descriptive analysis of the data by facilitating its visualization, enabling the identification of differences and learning patterns among various learner populations. Additionally, it integrates a predictive module capable of anticipating learner activities during a learning session. Consequently, VAAD holds the potential to offer valuable insights into online learning behaviors from both descriptive and predictive perspectives.