XiaoMi-AI文件搜索系统
World File Search System眼动图
程序员效能的相关性及其与经验的联系：脑电图和眼动追踪相结合的研究
背景：尽管受教育程度和背景相似，程序员的效能却可能存在巨大差异。虽然研究已经确定了一些潜在因素，例如编程经验和领域知识，但这些因素对程序员效能的影响尚不清楚。目的：我们旨在揭示效能（速度和正确性）与编程经验指标之间的关系。我们进一步研究了程序员效能与阅读行为和认知负荷之间的相关性。方法：为此，我们使用脑电图 (EEG) 和眼动追踪对 37 名参与者进行了一项对照实验。我们要求参与者理解多达 32 个 Java 源代码片段，并观察他们的目光注视和认知负荷的神经相关性。我们分析了参与者效能与流行的编程经验指标之间的相关性。结果：我们发现高效能程序员阅读源代码更有针对性，认知负荷更低。常用的经验水平不能很好地预测程序员效能，但自我评估和学习热情指标相当准确。意义：已确定的程序员效能相关性可用于未来的研究和实践（例如招聘）。未来的研究还应该将功效视为一种群体抽样方法，而不是使用简单的经验测量。
回顾眼动追踪技术在航空、海事和建筑行业中的应用：系统评价
摘要：航空、航海和建筑行业的大多数事故都是由人为失误引起的，而人为失误可以归因于精神表现受损和注意力不集中。1596年，法国解剖学家和医学家杜·劳伦斯（Du Laurens）说，眼睛是心灵的窗户。眼动追踪研究的历史可以追溯到近150年前，它已被广泛应用于不同领域的多种用途。总体而言，眼动追踪技术可以实时捕捉各种反映人类不同认知、情感和生理状态的眼球运动，可用于在不同场景中更广泛地了解人类的思维。本系统文献综述探讨了眼动追踪研究在航空、航海和建筑三个高风险行业的不同应用。本研究结果揭示了眼动追踪研究的人口分布和应用，以及用于研究人类心理表现的视觉、认知和注意力方面的不同技术。此外，还强调了不同的研究差距和潜在的未来研究方向，涉及使用其他技术支持、验证和增强眼动追踪研究，以更好地了解人类的心理表现。
在完全沉浸式 VR 中同步使用脑电图和眼动追踪的方法
本研究探索了多模态生理数据流的同步，特别是脑电图 (EEG) 与具有眼动追踪功能的虚拟现实 (VR) 耳机的集成。通过在完全沉浸式 VR 环境中实现基于混合稳态视觉诱发电位 (SSVEP) 的脑机接口 (BCI) 拼写器，展示了同步数据流的潜在用例。硬件延迟分析显示 EEG 和眼动追踪数据流之间的平均偏移为 36 毫秒，平均抖动为 5.76 毫秒。该研究进一步介绍了 VR 中脑机接口 (BCI) 拼写器的概念验证，展示了其在现实世界中的应用潜力。研究结果强调了将商业 EEG 和 VR 技术结合起来进行神经科学研究的可行性，并为在生态有效的 VR 环境中研究大脑活动开辟了新途径。未来的研究可以集中在改进同步方法和探索各种情况下的应用，例如学习和社交互动。
顾客永远是对的……面向战斗飞行员的犀牛指向和眼动追踪界面
应作战人员的要求，进行了研究以确定眼动追踪 (ET) 作为战术实战环境中大面积显示器 (LAD) 的人机界面 (HMI) 的军事用途。飞行测试确定 ET 感觉毫不费力，直到快速变化的光照条件和瞳孔大小以及升高的重力负荷系数导致 ET 滑动导致请求的界面无法使用。本着“顾客永远是对的”的精神，研究人员通过在 ET 的同时测试一种称为“Rhino Pointing (RP)”的头部跟踪算法，证明了作战人员对新型 LAD HMI 的要求最终是明智的。RP 更易于实施，并且提供了更高的准确性并缩短了任务完成时间。虽然从物理工作量的角度来看并不像 ET 那么轻松，但在飞行测试期间对 RP 概念的评估表明，它比传统的触摸屏 LAD HMI 有显著的改进，并为作战人员在大多数性能指标上提供了比 ET 更好的替代方案。
使用基于决策树的方法和CNN分类的强化学习有助于眼动电脑游戏
采用基于生物信号的输入的抽象人机接口很难转化为现实生活应用，部分原因是开发一般模型的困难来对代表用户行动的生理事件进行分类。在拟议的框架中，通过决策方法的管道来操作基于电视学（EOG）的游戏。这些包括使用卷积神经网络（CNN）的眼动物运动的分类模型，该模型以信号窗口创建的图像和公用事业决策网络（EUDN）的合奏为食，这使经常会冲突的事件的影响在实现更自然的控制级别的界面上，从而缓解了界面事件的影响。CNN和EUDN取代了EOG的正常使用的基于特征的眼事件检测方法。最后，一种基于强化的学习驱动方法同时更新了每个奖励结果的多个（状态，动作）对，干预以减轻错误的游戏命令的后果，并可以用作“共享控制”范围的一部分。结果显示，加强学习在改善参与者的游戏表现以及减少其一些主观工作量指标方面的积极影响。
眼动追踪技术在航空、海事和建筑行业中的应用：系统综述
摘要：航空、航海和建筑行业的大多数事故都是由人为失误引起的，而人为失误可以归因于精神表现受损和注意力不集中。1596年，法国解剖学家和医学家杜·劳伦斯（Du Laurens）说，眼睛是心灵的窗户。眼动追踪研究的历史可以追溯到近150年前，它已被广泛应用于不同领域的多种用途。总体而言，眼动追踪技术可以实时捕捉各种反映人类不同认知、情感和生理状态的眼球运动，可用于在不同场景中更广泛地了解人类的思维。本系统文献综述探讨了眼动追踪研究在航空、航海和建筑三个高风险行业的不同应用。本研究结果揭示了眼动追踪研究的人口分布和应用，以及用于研究人类心理表现的视觉、认知和注意力方面的不同技术。此外，还强调了不同的研究差距和潜在的未来研究方向，涉及使用其他技术支持、验证和增强眼动追踪研究，以更好地了解人类的心理表现。
光电传感器眼科：调查和参数分析...
光电传感器眼动仪 (PSOG) 是一种眼动追踪技术，其原理是使用简单的光电传感器来测量眼睛旋转时反射的（通常是红外线）光量。光电传感器眼动仪可以提供高精度、低延迟和低功耗的测量，因此它似乎是在新兴头戴式交互设备（例如增强现实和虚拟现实 (AR/VR) 耳机）中进行眼动追踪的一种有吸引力的选择。在我们目前的工作中，我们采用可调节的模拟框架作为对不同光电传感器眼动仪设计的眼动追踪行为进行探索性研究的共同基础。通过进行的实验，我们探索了设计的一些基本参数的变化对最终准确性和串扰的影响，这些是基于眼动追踪的人机交互应用程序无缝运行的关键特征。我们的实验结果揭示了需要采取的设计权衡，以解决导致不同眼动追踪特性最佳性能的竞争条件。我们还介绍了传感器发生偏移时眼动追踪输出中出现的变化，并评估了不同眼动和传感器偏移组合导致的准确度下降。
![arXiv:2206.08672v1 [cs.LG] 2022 年 6 月 17 日](/simg/4\4f093dd2d7aa1e81a52f7bb83b2cd91073856ab1.webp)
arXiv:2206.08672v1 [cs.LG] 2022 年 6 月 17 日
摘要 收集眼动信息可以让我们了解人类认知、健康和行为的许多关键方面。此外，许多神经科学研究利用脑电图 (EEG) 提供的高时间分辨率和神经生理标记来补充从眼动追踪中获得的行为信息。眼动追踪软件处理的基本步骤之一是将连续数据流分割成与眼动追踪应用相关的事件，例如扫视、注视和眨眼。在这里，我们介绍了 DETRtime，这是一个新颖的时间序列分割框架，它创建的眼动事件检测器不需要额外记录的眼动追踪模式，而仅依赖于 EEG 数据。我们基于端到端深度学习的框架将计算机视觉领域的最新进展带到了 EEG 数据时间序列分割的前沿。DETRtime 在各种眼动追踪实验范式中实现了眼动事件检测的最佳性能。除此之外，我们还提供证据证明我们的模型在 EEG 睡眠阶段分割任务中具有很好的泛化能力。
利用眼动监测设备监测空中交通管制员认知工作负荷的研究概述
空中交通管制员（ATCO）将成为对航空运输系统影响最大的部门。ATCO 的职责是按照地面管制员的要求防止飞机在空中相撞并消除可能造成的混乱。作为高风险职业群体之一，ATCO 承担着非常高的认知工作量，这对飞行安全至关重要。然而，据观察，文献中对在不同任务难度下有经验和没有经验的 ATCO 之间可能出现的认知工作量差异的研究相当不足。本研究介绍了认知工作量测量方法和 ATCO 认知工作量的研究。在本研究中，解释了确定认知工作量及其测量方法的重要性。此外，还介绍了与 ATCO 认知工作量相关的文献研究，特别是使用眼动仪的研究。
利用脑电图、GSR 和眼动追踪对不同任务负荷影响的多模态研究
摘要。目的。通过同时收集多模态生理数据和参与者反应数据，研究任务负荷对绩效的影响。还获得了对问卷的定期回复。目标是确定最能预测任务绩效的模态组合。方法。一组参与者执行了一项基于计算机的视觉搜索任务，模仿邮政编码排序。必须将五位数字分配给六个不同的不重叠数字范围之一。试验以逐步增加任务难度的块形式呈现。同时收集了参与者的反应，包括 32 个脑电图 (EEG) 数据通道、眼动追踪数据和皮肤电反应 (GSR) 数据。在实验的离散时间点使用了 NASA 任务负荷指数自我报告工具。主要结果。随着认知任务负荷的增加，低 beta 频率 EEG 波 (12.5-18 Hz) 更加突出，大多数活动发生在额叶和顶叶区域。这些伴随着更频繁的眨眼和瞳孔扩张。眨眼持续时间与任务表现密切相关。GSR 信号的相位成分与认知负荷有关，而紧张成分则表示更普遍的唤醒状态。参与者报告的主观数据 (NASA TLX) 显示挫折感和精神负荷增加。根据单因素方差分析，EEG 和 GSR 与感知工作量水平具有最可靠的相关性，并且是绩效预测最具参考价值的指标（综合起来）。意义。在与任务相关的活动中，许多模态都会发挥作用。如果适当分组，其中许多模态可以提供有关任务绩效的信息。这项研究表明，虽然 EEG 是任务绩效的良好预测指标，但 GSR 等其他模态会增加更准确预测的可能性。此外，在受控的实验室条件下，可以分离最具参考价值或最少数量的模态以在实际工作环境中进行监控。