Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Subjective Difficulty Estimation of Educational Comics Using Gaze Features Anggaran Kesukaran Subjektif Komik Pendidikan Menggunakan Ciri Gaze

Kenya SAKAMOTO, Shizuka SHIRAI, Noriko TAKEMURA, Jason ORLOSKY, Hiroyuki NAGATAKI, Mayumi UEDA, Yuki URANISHI, Haruo TAKEMURA

  • pandangan teks lengkap

    9

  • Petikan Ini

Ringkasan:

Kajian ini meneroka ciri pandangan mata yang ketara yang boleh digunakan untuk menganggar kesukaran subjektif semasa membaca komik pendidikan. Komik pendidikan telah berkembang pesat sebagai cara yang menjanjikan untuk mengajar topik yang sukar menggunakan ilustrasi dan teks. Walau bagaimanapun, komik menyertakan pelbagai maklumat pada satu halaman, jadi pengesanan secara automatik keadaan pelajar seperti kesukaran subjektif adalah sukar dengan pendekatan seperti pengesanan berasaskan log sistem, yang biasa dalam medan Analitis Pembelajaran. Untuk menyelesaikan masalah ini, kajian ini memberi tumpuan kepada 28 ciri pandangan mata, termasuk cadangan tiga ciri baharu yang dipanggil "Variance in Gaze Convergence," "Movement between Panels," dan "Movement between Jubin" untuk menganggarkan dua darjah subjektif. kesukaran. Kami kemudian menjalankan percubaan dalam persekitaran simulasi menggunakan Realiti Maya (VR) untuk mengumpul maklumat pandangan dengan tepat. Kami mengekstrak ciri dalam dua peringkat unit, unit halaman dan panel, dan masing-masing menilai ketepatan dengan setiap corak dalam tetapan bergantung pengguna dan bebas pengguna. Ciri yang dicadangkan kami mencapai purata skor klasifikasi F1 sebanyak 0.721 dan 0.742 dalam model bergantung kepada pengguna dan bebas pengguna pada tahap unit panel, masing-masing, dilatih oleh Mesin Vektor Sokongan (SVM).

Jawatankuasa
IEICE TRANSACTIONS on Information Vol.E106-D No.5 pp.1038-1048
Tarikh penerbitan
2023/05/01
Diumumkan
2023/02/03
ISSN dalam talian
1745-1361
DOI
10.1587/transinf.2022EDP7100
Jenis Manuskrip
PAPER
kategori
Teknologi Pendidikan

Pengarang

Kenya SAKAMOTO
  Osaka University
Shizuka SHIRAI
  Osaka University
Noriko TAKEMURA
  Osaka University,Kyushu Institute of Technology
Jason ORLOSKY
  Osaka University,Augusta University
Hiroyuki NAGATAKI
  Osaka University
Mayumi UEDA
  Osaka University,University of Marketing and Distribution Sciences
Yuki URANISHI
  Osaka University
Haruo TAKEMURA
  Osaka University

Kata kunci

Contents [show]