跳到正文
原文
arXiv · Human-Computer Interaction· Yueqi Weng, Jie "Jennifer" Lu, fan Yang
· 22 小时前AI 评分27

通过多层级注视转移动态建模学习者—技术交互,为在线学习可用性提供依据

Modeling Learner-Technology Interaction Through Multilevel Gaze Transition Dynamics to Inform Usability in Online Learning

预印本 · 尚未经过同行评审

AI 导读

整合注视转移、熵与导航网络分析7名高中生AI生物课眼动记录,发现个体差异及导航可用性问题。

摘要 · AI 翻译

注视数据为学习者如何参与教学内容和界面元素提供了细粒度证据,补充了传统可用性评估方法。然而,眼动分析往往分别考察幻灯片内的视觉注意和跨幻灯片的导航,限制了对学习者在长时间学习体验中互动情况的理解。这项探索性多方法研究整合了兴趣区转换、注视熵、幻灯片级导航和基于网络的表征,分析了七名高中生在AI支持的在线生物课中互动的眼动记录,并辅以三次干预后焦点小组。结果显示,学习者在幻灯片内注视分配和切换模式上存在个体差异。学习者遵循共同的导航路径,但在回访和即时返回行为上有所不同。焦点小组的发现强调了对互动材料和AI生成反馈的积极看法,同时也提出了与导航、界面清晰度和评估指导相关的可用性问题。总体而言,这些结果表明,将多层级注视分析与学习者视角相结合,可以为识别与可用性评估相关的互动趋势提供互补证据。未来研究应在更大、更多样化的样本中检验这种方法,并考察注视模式、可用性与学习结果之间的关系。

中文由 AI 翻译,仅供参考,以原文为准。

来源:arXiv · Human-Computer Interaction · arxiv.org

相关事件

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。