Technologie de suivi oculaire et techniques d’exploration de données utilisées pour une analyse comportementale des adultes engagés dans des processus d’apprentissage

Méthodologie de suivi oculaire appliquée à l’analyse comportementale dans l’apprentissage
La méthodologie de suivi oculaire, entre autres utilisations fonctionnelles, est appliquée à l’étude du comportement humain, en particulier lors de la résolution des tâches. Cette technique facilite le suivi et l’analyse lors de l’accomplissement des tâches d’apprentissage¹. Plus précisément, les niveaux d’attention des élèves à différents moments du processus d’apprentissage (début, développement et fin) dans différentes matières (histoire, mathématiques, sciences, etc.) peuvent être étudiés à l’aide de la technologie de suivi oculaire. De plus, si la tâche comprend l’utilisation de vidéos avec une voix qui guide le processus d’apprentissage, l’apprentissage autoréglementé (SRL) est facilité. Par conséquent, la mise en œuvre de la technologie de suivi oculaire dans l’analyse des tâches auxquelles SRL (qui incluent l’utilisation de vidéos) est proposée comme une ressource importante pour comprendre comment l’apprentissage est développé^2,3,4. Cette combinaison signifie également que les différences entre les méthodes d’enseignement (avec ou sans SRL, etc.) peuvent être vérifiées avec différents types d’étudiants (avec ou sans connaissances préalables, etc.) ^5.En revanche, la présentation d’informations multicanaux (présentation simultanée d’informations auditives et visuelles, qu’elles soient verbales, écrites ou picturales) peut faciliter à la fois l’enregistrement et l’analyse d’informations pertinentes par rapport aux informations non pertinentes provenant des variables susmentionnées^6. Les étudiants ayant des connaissances antérieures exposées à des canaux d’apprentissage multimédias semblent apprendre plus efficacement que ceux qui ont peu ou pas de connaissances préalables. Les étudiants ayant des niveaux élevés de connaissances préalables sur la matière intégreront plus efficacement les informations textuelles et graphiques⁷. Cette fonctionnalité a été observée dans l’apprentissage des textes⁸ qui comprennent des images^9. La technologie de suivi oculaire offre des informations sur l’endroit où l’attention est concentrée et pendant combien de temps. Ces données donnent un aperçu du développement d’un processus d’apprentissage d’une manière plus précise que par la simple observation du processus de résolution lors de l’achèvement d’une tâche. En outre, l’analyse de ces indicateurs facilite l’étude de si l’étudiant développe un apprentissage profond ou superficiel. De plus, la relation entre ces données et les résultats d’apprentissage facilite la validation des informations obtenues avec la technologie de suivi oculaire^4,10. En fait, cette technique ainsi que SRL sont de plus en plus utilisés dans l’enseignement supérieur et dans l’éducation des adultes¹¹ environnements d’apprentissage, à la fois sur les cours réglementés et non réglementés¹².

La technologie de suivi oculaire offre différentes mesures: distance, vitesse, accélération, densité, dispersion, vitesse angulaire, transitions entre les zones d’intérêt (AOI), ordre séquentiel de l’AOI, visites dans les fixations, saccades, chemin de balayage et paramètres de la carte thermique. Cependant, l’interprétation de ces données est complexe et nécessite l’utilisation de supervisés (régression, arbres de décision, etc.) et non supervisés (techniques de cluster k-means, etc.) ^13,14 techniques d’exploration de données. Ces métriques peuvent être appliquées pour suivre le comportement d’un même sujet au fil du temps ou pour une comparaison entre plusieurs sujets et leurs performances avec la même tâche¹⁵, en analysant la différence entre les participants ayant des connaissances antérieures et aucune connaissance antérieure¹⁶. Des recherches récentes^11,17 ont révélé que les apprentis novices se fixent plus longtemps sur les stimuli (c’est-à-dire qu’il y a une plus grande fréquence de fixation tandis que des modèles de chemin de balayage similaires sont enregistrés). La durée moyenne de la fixation était plus longue pour les experts que pour les novices. Les experts ont présenté leur attention sur les points intermédiaires de l’information (proximale et centrale), différences qui peuvent également être observées dans les points de visualisation au sein de la ZI sur les cartes thermiques.

Interprétation des métriques dans le suivi oculaire
Des études récentes¹⁸ ont indiqué que l’acquisition d’informations est liée au nombre de fixations oculaires sur les stimuli. Une autre mesure importante est la saccade, qui est définie comme le mouvement rapide et soudain d’une fixation avec un intervalle de [10 ms, 100 ms]. Sharafi et coll. (2015)¹⁸ ont constaté des différences dans le nombre de saccades, selon la phase de codage de l’information de l’élève. Un autre paramètre pertinent est le chemin d’analyse, une mesure qui capture l’ordre chronologique des étapes que le participant effectue pour la résolution de la tâche d’apprentissage dans l’AOI définie par le chercheur¹⁸. De même, la technologie de suivi oculaire peut être utilisée pour prédire le niveau de compréhension du participant, qui semble être lié au nombre de fixations. Des études récentes ont indiqué que la variabilité du comportement du regard est déterminée par les propriétés de l’image (position, intensité, couleur et orientation), les instructions pour effectuer la tâche et le type de traitement de l’information (style d’apprentissage) du participant. Ces différences sont détectées en analysant l’interaction de l’élève avec les différents AOI¹⁹. Les techniques quantitatives²⁰ (analyse fréquentielle) et/ou qualitatives ou^{dynamiques 21} (chemin de balayage) peuvent être utilisées pour analyser les données collectées à partir des différentes mesures. Les premières techniques sont analysées avec des techniques statistiques traditionnelles (analyse de fréquence, différence moyenne, différence de variance, etc.) et les secondes sont analysées avec des techniques d’apprentissage automatique (distances euclidiennes avec des méthodes d’édition de chaînes^21,22et clustering^17). L’application de ces techniques facilite le regroupement, en tenant compte des différentes caractéristiques des sujets. Une étude¹⁷ a révélé que plus l’étudiant est expert, plus la stratégie de traitement de l’information spatiale et temporelle mise en œuvre est efficace. Un tableau descriptif des paramètres de mesure qui ont été utilisés dans cette étude peut être consulté ci-dessous dans le tableau 1.

Tableau 1 : Paramètres les plus représentatifs qui peuvent être obtenus avec la technique de suivi oculaire, adaptée de Sáiz, Zaparaín, Marticorena et Velasco (2019). ^{20 ans}   Veuillez cliquer ici pour télécharger ce tableau.

Application de la méthodologie de suivi oculaire à l’étude du processus d’apprentissage
L’utilisation des avancées technologiques et des techniques d’analyse de données décrites ci-dessus⁵ ajoutera une plus grande précision à l’analyse comportementale des apprenants lors de la résolution de problèmes dans les différentes phases du traitement de l’information (initiation des tâches, traitement de l’information et résolution des tâches). Tout cela facilitera l’analyse comportementale individuelle, qui permettra à son tour le regroupement d’étudiants ayant des caractéristiques similaires²⁴. De même, les techniques prédictives (arbres de décision, techniques de régression, etc.) ²⁵ peut être appliqué à l’apprentissage, lié à la fois au nombre de fixations et aux résultats de résolution de tâche de chaque élève. Cette fonctionnalité est une avancée très importante dans la connaissance de la façon dont chaque étudiant apprend et pour la proposition de programmes d’apprentissage personnalisés au sein de différents groupes (personnes avec ou sans difficultés d’apprentissage²⁶). Par conséquent, l’utilisation de cette technique contribuera à la réalisation de la personnalisation et de l’optimisation de l’apprentissage^27. L’apprentissage tout au long de la vie doit être compris comme un cycle d’amélioration continue, car la connaissance de la société progresse et progresse constamment. La psychologie évolutionniste indique que les compétences de résolution et l’efficacité dans le traitement de l’information diminuent avec l’âge. Plus précisément, la fréquence, l’amplitude et la vitesse des mouvements oculaires chez les adultes se sont avérées diminuer avec l’âge. En outre, à des âges plus avancés, l’attention se concentre sur les zones inférieures des scènes visuelles, ce qui est lié à des déficits dans la mémoire de travail¹⁴. Néanmoins, l’activation augmente dans les secteurs frontaux et préfrontaux à un âge plus avancé, qui semble compenser ces déficits dans la résolution de tâche. Cet aspect comprend le niveau de connaissances antérieures et les stratégies de compensation cognitive que le sujet peut appliquer. Les participants expérimentés apprennent plus efficacement, car ils gèrent l’attention plus efficacement, grâce à l’application de processus de supervision automatisés²⁸. En outre, si l’information à apprendre est transmise par le biais des techniques SRL, les lacunes susmentionnées sont atténuées¹⁷. L’utilisation de telles techniques signifie que les modèles de suivi visuel sont très similaires, à la fois dans les sujets sans connaissances préalables et dans les sujets ayant des connaissances préalables⁷.

En résumé, l’analyse des données multimodales-multicanaux sur les LRS obtenues à l’utilisation de technologies d’apprentissage avancé (eye-tracking) est essentielle pour comprendre l’interaction entre les processus cognitifs, métacognitifs et motivationnels, et leur impact sur l’apprentissage^29. Les résultats et l’étude des différences d’apprentissage ont des implications pour la conception de matériel d’apprentissage et de systèmes de tutorat intelligents, qui permettront tous deux un apprentissage personnalisé susceptible d’être plus efficace et satisfaisant pour l’étudiant de³⁰ans.

Dans cette recherche, deux questions d’enquête ont été posées : (1) Y aura-t-il des différences significatives dans les résultats d’apprentissage et dans les paramètres de fixation oculaire entre les étudiants et les enseignants experts par rapport aux enseignants non experts en histoire de l’art différenciant les étudiants ayant des diplômes officiels par rapport aux étudiants ayant des diplômes non officiels (Université de l’expérience – Éducation des adultes)? et (2) Les groupes de chaque participant ayant des résultats d’apprentissage et des paramètres de fixation oculaire coïncideront-ils avec le type de participants (étudiants ayant des diplômes officiels, étudiants avec des diplômes non officiels (Université de l’expérience – Éducation des adultes) et enseignants)?