首页> 中文学位 >基于眼动数据测量认知负荷水平
【6h】

基于眼动数据测量认知负荷水平

代理获取

目录

声明

第一章 引言

1.1 研究背景

1.2 研究目的与意义

1.3 研究内容及方法

1.4章节安排

第二章 认知负荷测量和眼动技术

2.1 认知负荷测量

2.2 眼动技术研究

2.3 本章小结

第三章 通过眼动数据识别认知负荷状态

3.1 实验设计一

3.2 眼动数据预处理

3.3 特征显著性分析与去除特征被试间差异

3.4 支持向量机识别认知负荷状态

3.5 本章小结

第四章 通过眼动数据测量认知负荷水平

4.1 实验设计二

4.2 数据处理与特征分析

4.3 支持向量机多分类与结果

4.4 本章小结

第五章 总结与展望

5.1 本文工作总结

5.2 未来工作

参考文献

致谢

攻读硕士期间已发表的学术论文

攻读硕士期间参加的科研项目

附录

展开▼

摘要

认知负荷是人在处理信息过程中所消耗的认知资源。由于认知负荷水平会显著影响人类执行任务的效率,所以在教育方法改进、交互产品设计、高压力工作监测等领域,都需要对认知负荷进行科学的测量。
  目前测量认知负荷的方法可分为三类,分别是主观评定测量、任务绩效测量和生理测量。主观评定测量通过人的主观感受和体验评估认知负荷,需要依托于评价量表,容易受到主观影响。任务绩效测量根据任务中的绩效成绩间接评估认知负荷,其绩效成绩容易量化和统计,但其指标必须根据任务而设定。生理测量是一种客观、可量化的测量方法,其中眼动数据可以以非接触的方式采集,具有较高的实际应用价值。所以本文基于认知负荷理论设计了认知负荷眼动数据采集实验,对能够体现认知负荷的眼动特征进行了分析,提出了一种剔除用户个体差异的特征分析方法,并结合模式识别的理论方法完成了对认知负荷水平的测量。
  本研究分为两个阶段,其主要研究内容如下:
  第一阶段实现对两种认知负荷状态的识别。采用判断任务的实验范式诱发认知负荷;借助统计检验确定了12个能够体现认知负荷状态的特征;提出一种去除眼动特征中被试间差异的方法;利用支持向量机(SVM)完成对认知负荷状态的识别,其识别准确度为90.2%;根据识别结果确定认知负荷状态的最优特征。
  第二阶段实现对认知负荷水平的量化。采用心算任务的实验范式,通过控制计算难度操纵认知负荷水平;提取55个眼动特征,并详细分析兴趣区驻留时间占比、计算过程中瞳孔大小改变量与认知负荷水平的关系;利用序列后向选择算法(SBS)和支持向量机,确定最优的特征组合并完成对认知负荷多个水平的识别,其识别准确率为74.4%;借助于分类的后验概率,完成对认知负荷的量化。
  本研究利用眼动数据识别认知负荷状态、水平,并进一步完成对认知负荷水平的量化,从而说明了借助于眼动数据测量认知负荷水平的可行性。鉴于眼动数据采集的非接触性,上述研究结果有望推广到实际的应用场景之中。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号