我们研究了开发决策支持系统 (DSS) 的可能性,该系统整合了眼球注视测量,以便更好地调整其建议。事实上,眼球注视可以洞察人类的决策:个人倾向于更加关注与他们即将做出的选择一致的关键信息。因此,眼球注视测量可以帮助 DSS 更好地捕捉决定用户决策的背景。22 名参与者进行了简化的空中交通管制 (ATC) 模拟,他们必须根据屏幕上显示的特定参数值决定接受或修改路线建议。记录了每个参数的决策和注视时间。算法使用用户注视时间来估计每个参数对其决策的效用。在此训练阶段之后,算法立即在两种条件下生成新的路线建议:1) 考虑参与者的决策,2) 使用显示参数的停留时间测量,考虑参与者的决策及其视觉行为。结果表明,在考虑参与者的决策时,系统建议比基础系统更准确,使用他们的停留时间甚至更准确。使用眼动仪捕捉决策的关键信息加速了 DSS 的学习阶段,从而有助于进一步提高连续建议的准确性。此外,探索性眼动仪分析反映了决策过程的两个不同阶段,在整个决策时间过程中,相关参数(即涉及规则)的停留时间更长,这些相关参数的注视频率增加,尤其是在决策前的最后注视期间。因此,未来整合眼动仪数据的 DSS 应该特别关注决策前的最后注视。总的来说,我们的结果强调了眼动仪在增强和加速系统适应用户偏好、知识和专业知识方面的潜在意义。
神经人体工程学方法建议使用神经科学工具来监控操作员,以评估其在面对复杂活动时的认知状态 [Parasuraman 和 Rizzo 2008]。它的目标不是用机器取代人类,而是加强和优化人机协作。一种有前途的方法,即当前论文项目的核心,是在机上集成眼动仪以监控飞行员的眼球运动 [Peysakhovich 等人 2016]。这些数据可进一步用于推断机组人员的注意力状态,可以及早发现并预防其故障 [Dehais 等人 2017、2015;Lefrancois 等人 2016;Liu 等人 2016;Peysakhovich 等人 2018]。
在本文中,我们介绍了两种适应感兴趣区域的方法和算法。我们提出了一种新的深度神经网络 (DNN),可用于使用 EEG 数据直接确定注视位置。基于 EEG 的眼动追踪是眼动追踪领域的一个新的、困难的研究课题,但它提供了一种基于图像的眼动追踪的替代方案,其输入数据集与传统图像处理相当。所提出的 DNN 利用 EEG 信号的空间依赖性,并使用类似于空间滤波的卷积,用于预处理 EEG 信号。通过这种方式,与最先进的技术相比,我们将从 EEG 信号进行的直接注视判断提高了 3.5 厘米 MAE(平均绝对误差),但不幸的是仍然没有实现直接适用的系统,因为与基于图像的眼动追踪器相比,不准确性仍然明显较高。链接:https://es-cloud.cs.uni-tuebingen.de/d/8e2ab8c3fdd444e1a135/?p=%2FEEGGaze&mode=list
神经工程的最新进展表明,通过长期植入的微电极阵列从受试者的前额叶皮层(PFC)收集的局部田间电位(LFP)信号是用于设计鲁棒和弹性大脑 - 计算机接口(BCIS)[1-4]的峰值计数记录的可靠替代方法。非参数回归的理论已证明对基于LFP的解码器的成功至关重要。如[4,5]所述,非参数回归在LFPS中的应用导致基于著名的Pinsker定理的基于复杂的基于频谱的特征提取技术的发展。与流行的特征提取方法相反,例如基于常规的功率谱密度(PSD)的解码器[6]或基于试验的空间协方差矩阵[7,8]的解码器,仅考虑了LFP信号振幅中存储的信息,Pinsker的特征
*通讯作者:MarcArgilés,Marc.argiles@upc.edu于2024年2月17日收到;出版于2024年9月6日。引用:Montolio-Vila,A.,Argilés,M; Sunyer-Gau,b; Quevedo,L; Erickson,G。(2024)。动作视频游戏在眼动行为中的影响:系统评价。眼动研究杂志,17(3):6。10.16910/jemr.17.3.6 ISSN:1995-8692版权所有©2024本文在创意共享署名4.0国际许可下获得许可。1
1 电子与通信工程系,DAV 工程技术学院,贾朗达尔(印度) 2 电子与通信工程系,Beant 工程技术学院,古尔达斯普尔(印度) 摘要 - 眼动追踪是指追踪眼球运动并确定用户注视点的过程。本文旨在介绍用于眼动追踪的各种技术。测量眼球运动有许多原理,包括测量电信号和光电信号、跟踪眼球图像中的许多视觉特征、测量红外 (IR) 光的相对反射以及使用机械或光学杠杆或磁场。本文还介绍了选择特定眼动追踪方法所涉及的因素。最后,本文介绍了眼动追踪技术的一些应用。索引词 - 眼动追踪、眼电图 (EOG)、视频眼动图 (VOG)、红外眼动图 (IROG)、巩膜搜索线圈。
摘要:脱抑制是注意力缺陷多动障碍 (ADHD) 儿童的常见症状。本研究考察了计算机化眼动追踪训练对改善 ADHD 儿童抑制控制的效果。研究对象为 32 名 ADHD 儿童(平均年龄 = 8.4 岁)。一半的参与者在两周内接受了 240 分钟的眼动追踪训练(即实验组),而另一半则未接受任何训练(即对照组)。训练后,实验组在神经心理学抑制测试中表现出显著改善,例如在 Flanker 测试的不一致条件下反应时间更快、类别流畅性和五点测试中设计更独特、儿童色彩追踪测试第 2 次追踪中完成时间更快。对照组在这些测试中均未表现出显著变化。我们的研究结果支持使用眼动追踪训练来改善 ADHD 儿童的抑制控制。
1 简介 眼动追踪方法是研究人员的标准工具。眼动追踪设备有多种类型:集成在显示器中的眼动追踪器、便携式眼动追踪器或移动眼动追踪眼镜。不同的眼动追踪器可用于不同的科学领域。最常见的领域之一是人机交互 (HCI)。在此领域,眼动追踪可用于软件开发或 Web 应用程序测试(Kim et al., 2018)。在后处理眼动追踪数据时,可以使用许多不同的可视化技术,例如热图(Tula et al., 2016)或凝视图(Räihä et al., 2005)。但是,对于聚合可视化,参与者的屏幕必须看起来相同。在网站或传统软件应用程序的可用性测试中,分离的任务允许研究人员选择每个参与者时间线的特定部分,
1 简介 眼动追踪方法是研究人员的标准工具。眼动追踪设备有多种类型:集成到显示器的眼动追踪器、便携式眼动追踪器或移动眼动追踪眼镜。不同的眼动追踪器可用于不同的科学领域。最常见的领域之一是人机交互 (HCI)。在此领域,眼动追踪可用于软件开发或 Web 应用程序测试(Kim 等人,2018 年)。在后处理眼动追踪数据期间,可以使用许多不同的可视化技术,例如热图(Tula 等人,2016 年)或凝视图(Räihä 等人,2005 年)。但是,对于聚合可视化,参与者的屏幕必须看起来相同。在网站或传统软件应用程序的可用性测试中,分离的任务允许研究人员选择每个参与者时间线的特定部分,
摘要:人脑为了避免信息过载,会选择所关注的信息,选择性注意是一种稀缺资源。由于旅游研究的焦点是游客,因此大多数主题都围绕着游客注意力展开。然而,注意力的测量通常是通过问卷和访谈进行的,这些方法是一种主观方法,可能会受到社会期望和个人价值观等因素的影响,从而使实验陷入误差。由于人脑中80-90%的信息来源于视觉系统,因此测量视觉注意力可以反映人的注意力。基于此原理的眼动追踪技术可以很好地测量人的注意力。本文主要围绕以下三个主题:(1)眼动追踪技术的介绍;(2)总结不同旅游领域的研究内容;(3)总结其不足之处并提出未来的改进方法。在此基础上,本文做出了几点贡献。通过分析眼动追踪技术在旅游研究中的应用,本文将为后续研究提供新的研究方法和研究思路,助力旅游学科的发展。