本发明专利技术公开了一种基于眼动跟踪的学习者感知能力水平分析方法及装置，方法包括：获取学习者在学习过程中眼动时间数据和眼动频率数据；对所述学习者的学习内容进行拆解，将所述学习内容划分为多个目标场景，并将每个目标场景划分成多个兴趣区；根据所述眼动时间数据、所述眼动频率数据、所述目标场景以及所述兴趣区，确定眼动指标参数；根据所述眼动指标参数计算所述学习者的反应力指标和观察力指标；根据所述反应力指标和所述观察力指标，确定所述学习者的感知能力水平。本发明专利技术能够提高学习者感知能力水平的分析准确度，可广泛应用于计算机技术领域。于计算机技术领域。于计算机技术领域。
【技术实现步骤摘要】
一种基于眼动跟踪的学习者感知能力水平分析方法及装置
[0001]本专利技术涉及计算机
，尤其是一种基于眼动跟踪的学习者感知能力水平分析方法及装置。
技术介绍
[0002]个体的学习过程即个体认知加工的过程。尽管富媒体在线环境为学习提供了多种多样的媒体形式，但是学习者对学习内容的信息加工才是学习的根本，认知能力水平的高低是支持学习者能否有效且高效地开展学习活动的前提。感知作为认知过程的第一个环节，对外界信息的准确感知直接影响学习者的信息加工和整合过程，最终反映出学习者的认知能力水平。感知能力与学习者对事物的敏感程度有关。学习是以有效信息为基础的交流活动，这种活动既包括学习者对信息的及时察觉，也包括对有效信息的准确感知。
[0003]如何追踪学习者的学习过程、学习者认知过程中感知状态具有什么样的特征和规律以及如何量度学习者感知能力水平等，关于这些问题，目前鲜少研究能够给出系统的回答。在这当中，最关键的问题是缺乏及时的、过程性的感知能力分析方法和技术手段。当前，眼动技术支持下的在线学习研究掀起了广泛关注，涉及认知能力和学习过程的科学、现代化的量化研究未艾方兴。如何在多媒体学习环境下，把握学习者认知加工过程中感知状态的眼动特点和规律，科学、精准地量化、分析学习者感知能力，完成对感知能力的科学、系统化测评，是困扰当前认知加工过程中感知能力研究的几个关键问题。
[0004]早在19世纪就有研究者认为眼睛的运动过程在一定程度上暗示出人类的认知过程规律。以往探究学习者内部认知特点、感知、注意等心理活动大多采用自陈式量表进行测量，这种测量方法局限性在于量表填写随意性大，很难真实、客观地了解学习者的心理过程。眼动技术虽不能直接揭示认知加工的内部生理过程机制，但可以有效估计个体内部的认知过程，眼动技术引入学生学习过程，结合计算机等技术有利于克服单一技术的局限性，从而更全面地获取信息，开展基于眼动的学生视觉行为分析，在较大程度上可以更真实更有效反映学习者在学习过程中对学习内容感知状态和水平，进而分析学习行为背后的心理状态，评估其感知能力水平状况。
技术实现思路
[0005]有鉴于此，本专利技术实施例提供一种准确性高的，基于眼动跟踪的学习者感知能力水平分析方法及装置。
[0006]本专利技术的一方面提供了一种基于眼动跟踪的学习者感知能力水平分析方法，包括：
[0007]获取学习者在学习过程中眼动时间数据和眼动频率数据；
[0008]对所述学习者的学习内容进行拆解，将所述学习内容划分为多个目标场景，并将每个目标场景划分成多个兴趣区；
[0009]根据所述眼动时间数据、所述眼动频率数据、所述目标场景以及所述兴趣区，确定
眼动指标参数；
[0010]根据所述眼动指标参数计算所述学习者的反应力指标和观察力指标；
[0011]根据所述反应力指标和所述观察力指标，确定所述学习者的感知能力水平。
[0012]可选地，所述获取学习者在学习过程中眼动时间数据和眼动频率数据，包括：
[0013]通过眼部数据采集设备同步采集所述学习者在学习任务中的眼动数据；
[0014]从所述眼部数据采集设备中导出眼动数据；
[0015]对所述眼动数据进行预处理，得到目标数据。
[0016]可选地，所述预处理包括去重处理、去噪处理以及缺失处理；
[0017]所述目标数据包括眼动时间数据和眼动频率数据；
[0018]所述眼动时间数据包括注视时长和首次注视时间；所述眼动频率数据包括注视次数。
[0019]可选地，所述眼动指标参数包括学习者首次注视相应场景的时间、注视密度、眼动注视次数以及注视时长；
[0020]所述反应力指标的计算公式为：
[0021][0022]其中，Rea表示所述反应力指标；Sn表示所述学习者在学习过程中观看的第n个场景；TFF表示学习者首次注视第n个场景的时间。
[0023]可选地，所述观察力指标的计算公式为：
[0024][0025]其中，DF为注视密度；CF为眼动注视次数；FD为注视时长；
[0026]所述注视密度用于表征感知观察力的眼动复合指标。
[0027]可选地，所述对所述学习者的学习内容进行拆解，将所述学习内容划分为多个目标场景，并将每个目标场景划分成多个兴趣区，包括：
[0028]对所述学习者在学习过程中的眼动时间数据和眼动频率数据进行属性描述和分类定义，以确定感知反应力与眼动指标参数之间的对应表征关系，以及确定感知观察力与眼动指标参数之间的对应表征关系；
[0029]根据所述学习内容的粒度，将所述学习内容划分成多个目标场景；
[0030]根据每个所述目标场景的信息内容元素，将每个所述目标场景划分为多个兴趣区；
[0031]其中，所述兴趣区包括标题区、关键词区、内容区和重点标记区。
[0032]可选地，所述根据所述反应力指标和所述观察力指标，确定所述学习者的感知能力水平，包括：
[0033]获取同类学习者的标准指标；
[0034]将待分析的学习者的反应力指标和观察力指标与所述标准指标进行比较，确定所述待分析的学习者的感知能力水平。
[0035]本专利技术实施例的另一方面还提供了一种基于眼动跟踪的学习者感知能力水平分析装置，包括：
[0036]第一模块，用于获取学习者在学习过程中眼动时间数据和眼动频率数据；
[0037]第二模块，用于对所述学习者的学习内容进行拆解，将所述学习内容划分为多个目标场景，并将每个目标场景划分成多个兴趣区；
[0038]第三模块，用于根据所述眼动时间数据、所述眼动频率数据、所述目标场景以及所述兴趣区，确定眼动指标参数；
[0039]第四模块，用于根据所述眼动指标参数计算所述学习者的反应力指标和观察力指标；
[0040]第五模块，用于根据所述反应力指标和所述观察力指标，确定所述学习者的感知能力水平。
[0041]本专利技术实施例的另一方面还提供了一种电子设备，包括处理器以及存储器；
[0042]所述存储器用于存储程序；
[0043]所述处理器执行所述程序实现如前面所述的方法。
[0044]本专利技术实施例的另一方面还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
[0045]本专利技术实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
[0046]本专利技术的实施例首先获取学习者在学习过程中眼动时间数据和眼动频率数据；对所述学习者的学习内容进行拆解，将所述学习内容划分为多个目标场景，并将每个目标场景划分成多个兴趣区；根据所述眼动时间数据、所述眼动频率数据、所述目标场景以及所述兴趣区，确定眼动指标参本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于眼动跟踪的学习者感知能力水平分析方法，其特征在于，包括：获取学习者在学习过程中眼动时间数据和眼动频率数据；对所述学习者的学习内容进行拆解，将所述学习内容划分为多个目标场景，并将每个目标场景划分成多个兴趣区；根据所述眼动时间数据、所述眼动频率数据、所述目标场景以及所述兴趣区，确定眼动指标参数；根据所述眼动指标参数计算所述学习者的反应力指标和观察力指标；根据所述反应力指标和所述观察力指标，确定所述学习者的感知能力水平。2.根据权利要求1所述的一种基于眼动跟踪的学习者感知能力水平分析方法，其特征在于，所述获取学习者在学习过程中眼动时间数据和眼动频率数据，包括：通过眼部数据采集设备同步采集所述学习者在学习任务中的眼动数据；从所述眼部数据采集设备中导出眼动数据；对所述眼动数据进行预处理，得到目标数据。3.根据权利要求2所述的一种基于眼动跟踪的学习者感知能力水平分析方法，其特征在于，所述预处理包括去重处理、去噪处理以及缺失处理；所述目标数据包括眼动时间数据和眼动频率数据；所述眼动时间数据包括注视时长和首次注视时间；所述眼动频率数据包括注视次数。4.根据权利要求3所述的一种基于眼动跟踪的学习者感知能力水平分析方法，其特征在于，所述眼动指标参数包括学习者首次注视相应场景的时间、注视密度、眼动注视次数以及注视时长；所述反应力指标的计算公式为：其中，Rea表示所述反应力指标；Sn表示所述学习者在学习过程中观看的第n个场景；TFF表示学习者首次注视第n个场景的时间。5.根据权利要求4所述的一种基于眼动跟踪的学习者感知能力水平分析方法，其特征在于，所述观察力指标的计算公式为：其中，DF为注视密度；CF为眼动注视次数；FD为注视时长；所述注视密度用于表征感知观察力的眼动复合指标。6.根据权利要求1所述的一种基于眼动跟踪的学习者感知能力水平分析方法，其...
【专利技术属性】
技术研发人员：穆肃，乔金秀，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。