改进DBA算法的眼动模式分析

摘要：

随着眼动追踪技术的进步和设备成本的降低,眼动追踪技术已广泛应用于智能教育领域,分析眼动数据以评估学习状态成为智能教育中一个十分重要的环节.眼动扫描路径可以直接或间接地反映思维模式及心理状态的变化,通过分析扫描路径探索学习者眼动行为的共性和差异性,为改善视觉内容和给出指导性意见提供重要参考.首先研究在同一任务情况下学习者扫描路径的时间序列表示和聚类,通过聚类结果评估专注、走神及信息迷航等三种学习状态.进而对重心平均动态时间规整(DTW barycenter averaging,DBA)算法进行改进,并用于提取群体眼动模式,结合动态时间规整(dynamic time warping,DTW)算法计算扫描路径的相似度和确定聚类种子,采用距离密度聚类(distance density clustering,DDC)算法进行聚类.实验表明,基于时间序列的眼动模式挖掘能够识别群体观看行为.而聚类揭示了不同的阅读策略,并提供了评估学习状态的能力.

关键词：扫描路径、眼动模式、学习状态、重心平均动态时间规整(DBA)、距离密度聚类(DDC)

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;广东省科技计划项目

在线出版日期：2022-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：254-261