Tecnologia di tracciamento oculare e tecniche di data mining utilizzate per un'analisi comportamentale degli adulti impegnati nei processi di apprendimento

Metodologia di tracciamento oculare applicata all’analisi comportamentale nell’apprendimento
La metodologia di tracciamento oculare, tra gli altri usi funzionali, viene applicata allo studio del comportamento umano, in particolare durante la risoluzione delle attività. Questa tecnica facilita il monitoraggio e l’analisi durante il completamento dei compiti di apprendimento¹. Nello specifico, i livelli di attenzione degli studenti in diversi punti del processo di apprendimento (inizio, sviluppo e fine) in diverse materie (Storia, Matematica, Scienze, ecc.) possono essere studiati con l’uso della tecnologia di tracciamento oculare. Inoltre, se l’attività include l’uso di video con una voce che guida il processo di apprendimento, l’apprendimento autoregolato (SRL) è facilitato. Pertanto, l’implementazione della tecnologia di eye-tracking nell’analisi dei compiti a cui SRL (che include l’uso di video) viene proposta come risorsa significativa per capire come viene sviluppato^{l’apprendimento 2,3,4}. Questa combinazione significherà anche che le differenze tra i metodi didattici (con o senza SRL, ecc.) possono essere verificate con diversi tipi di studenti (con o senza conoscenze precedenti, ecc.) ⁵. Al contrario, la presentazione di informazioni multicanale (presentazione simultanea di informazioni sia uditivo che visive, verbali, scritte o pittoriche) può facilitare sia la registrazione che l’analisi di informazioni pertinenti rispetto a quelle non pertinenti delle variabili sopra menzionate⁶. Gli studenti con conoscenze precedenti esposte ai canali di apprendimento multimediale sembrano imparare in modo più efficace rispetto a quelli con poca o nessuna conoscenza precedente. Gli studenti con alti livelli di conoscenza preliminare della materia integreranno più efficacemente le informazioni testuali e grafiche⁷. Questa funzionalità è stata osservata nell’apprendimento dei testi⁸ che includono immagini⁹. La tecnologia di tracciamento oculare offre informazioni su dove si concentra l’attenzione e per quanto tempo. Questi dati forniscono informazioni sullo sviluppo di un processo di apprendimento in modo più preciso che attraverso la semplice osservazione del processo di risoluzione durante il completamento di un compito. Inoltre, l’analisi di questi indicatori facilita lo studio se lo studente sviluppa un apprendimento profondo o superficiale. Inoltre, il rapporto tra questi dati e i risultati di apprendimento facilita la validazione delle informazioni ottenute con la tecnologia di^{tracciamento oculare 4,10}. Infatti, questa tecnica insieme a SRL sono sempre più utilizzate nell’Istruzione Superiore e negli^{ambienti di apprendimento dell’Educazione degli Adulti 11,} sia sui corsi regolamentati che su corsi non^{regolamentati 12.}

La tecnologia di tracciamento oculare offre diverse metriche: distanza, velocità, accelerazione, densità, dispersione, velocità angolare, transizioni tra aree di interesse (AOI), ordine sequenziale di AOI, visite nelle fissazioni, saccadi, percorso di scansione e parametri della mappa termica. Tuttavia, l’interpretazione di questi dati è complessa e richiede l’uso di supervisionati (regressione, alberi decisionali, ecc.) e non supervisionati (tecniche di cluster k-means, ecc.) ^{13,14 tecniche} di data mining. Queste metriche possono essere applicate per monitorare il comportamento dello stesso soggetto nel tempo o per un confronto tra più soggetti e le loro prestazioni con la^{stessa attività 15}, analizzando la differenza tra partecipanti con conoscenze precedenti rispetto a nessuna conoscenza^{precedente 16}. Recenti ricerche^{11,17 hanno} rivelato che gli apprendisti alle prime armi si fissano più a lungo sugli stimoli (cioè, c’è una maggiore frequenza di fissazione mentre vengono registrati modelli di percorso di scansione simili). La durata media della fissazione è stata più lunga per gli esperti che per i principianti. Gli esperti hanno presentato il loro focus di attenzione sui punti centrali delle informazioni (prossimali e centrali), differenze che possono essere viste anche nei punti di visualizzazione all’interno dell’AOI sulle mappe di calore.

Interpretazione delle metriche nel tracciamento oculare
Recenti studi¹⁸ hanno indicato che l’acquisizione di informazioni è correlata al numero di fissazioni oculari sugli stimoli. Un’altra metrica importante è la saccade, che è definita come il movimento rapido e improvviso di una fissazione con un intervallo di [10 ms, 100 ms]. (2015)^{18 hanno riscontrato} differenze nel numero di saccadi, a seconda della fase di codifica delle informazioni dello studente. Un altro parametro rilevante è il percorso di scansione, una metrica che acquisisce l’ordine cronologico dei passaggi che il partecipante esegue per la risoluzione dell’attività di apprendimento all’interno dell’AOI definito dal ricercatore¹⁸. Allo stesso modo, la tecnologia di tracciamento oculare può essere utilizzata per prevedere il livello di comprensione del partecipante, che sembra essere correlato al numero di fissazioni. Studi recenti hanno indicato che la variabilità nel comportamento dello sguardo è determinata dalle proprietà dell’immagine (posizione, intensità, colore e orientamento), dalle istruzioni per eseguire l’attività e dal tipo di elaborazione delle informazioni (stile di apprendimento) del partecipante. Queste differenze vengono rilevate analizzando l’interazione dello studente con i diversi AOI¹⁹. Le^{tecniche quantitative 20} (analisi delle frequenze) e/o qualitative^{o dinamiche 21} (percorso di scansione) possono essere utilizzate per analizzare i dati raccolti dalle diverse metriche. Le prime tecniche vengono analizzate con tecniche statistiche tradizionali (analisi delle frequenze, differenza media, differenza di varianza, ecc.) e le ultime vengono analizzate con tecniche di Machine Learning (distanze euclidee con metodi di modifica^{delle stringhe 21,22}e clustering^17). L’applicazione di queste tecniche facilita il raggruppamento, considerando le diverse caratteristiche dei soggetti. Uno studio^{17 ha} rilevato che più lo studente è esperto, più efficace è la strategia di elaborazione delle informazioni spaziali e temporali implementata. Una tabella descrittiva dei parametri di misurazione utilizzati nel presente studio può essere consultata qui di seguito nella tabella 1.

Tabella 1: Parametri più rappresentativi che possono essere ottenuti con la tecnica di tracciamento oculare, adattati da Sáiz, Zaparaín, Marticorena e Velasco (2019). ^{20 di cui: La commissione per l’}   Clicca qui per scaricare questa Tabella.

Applicazione della metodologia di tracciamento oculare allo studio del processo di apprendimento
L’uso dei progressi tecnologici e delle tecniche di analisi dei dati sopra^{descritte 5} aggiungerà maggiore precisione all’analisi comportamentale degli studenti durante la risoluzione dei problemi nelle diverse fasi dell’elaborazione delle informazioni (avvio delle attività, elaborazione delle informazioni e risoluzione delle attività). Tutto faciliterà l’analisi comportamentale individuale, che a sua volta consentirà il raggruppamento di studenti con caratteristiche simili²⁴. Allo stesso modo, tecniche predittive (alberi decisionali, tecniche di regressione, ecc.) ²⁵ può essere applicato all’apprendimento, relativo sia al numero di fissazioni che ai risultati di risoluzione delle attività di ogni studente. Questa funzionalità è un progresso molto importante nella conoscenza di come ogni studente impara e per la proposta di programmi di apprendimento personalizzati all’interno di diversi gruppi (persone con o senza difficoltà di apprendimento^26). Pertanto, l’uso di questa tecnica contribuirà al raggiungimento della personalizzazione e dell’ottimizzazione^{dell’apprendimento 27}. L’apprendimento lungo tutto l’arco della vita deve essere inteso come un ciclo di miglioramento continuo, poiché la conoscenza della società avanza e progredisce costantemente. La psicologia evolutiva indica che le capacità di risoluzione e l’efficacia nell’elaborazione delle informazioni diminuiscono con l’età. In particolare, la frequenza saccade, l’ampiezza e la velocità dei movimenti oculari tra gli adulti sono state trovate a diminuire con l’età. Inoltre, in età avanzata, l’attenzione è focalizzata sulle aree inferiori delle scene visive, che è correlata a deficit nella memoria di lavoro¹⁴. Tuttavia, l’attivazione aumenta nelle aree frontali e prefrontali in età avanzata, il che sembra compensare questi deficit nella risoluzione dei compiti. Questo aspetto include il livello di conoscenze precedenti e le strategie di compensazione cognitiva che il soggetto può applicare. I partecipanti esperti imparano in modo più efficiente, poiché gestiscono l’attenzione in modo più efficace, grazie all’applicazione di processi di supervisione^{automatizzati 28}. Inoltre, se le informazioni da appresa vengono impartite attraverso tecniche SRL, le suddette carenze sono mitigate^17. L’uso di tali tecniche significa che i modelli di tracciamento visivo sono molto simili, sia in soggetti senza conoscenze prescie presci e in materie con conoscenze^{precedenti 7}.

In sintesi, l’analisi dei dati multimodali-multicanale su SRL ottenuti con l’utilizzo di tecnologie avanzate di apprendimento (eye-tracking) è fondamentale per comprendere l’interazione tra processi cognitivi, metacognitivi e motivazionali, e il loro impatto^{sull’apprendimento 29.} I risultati e lo studio delle differenze nell’apprendimento hanno implicazioni per la progettazione di materiali didattici e sistemi di tutoraggio intelligenti, che consentiranno entrambi un apprendimento personalizzato che sarà probabilmente più efficace e soddisfacente per lo^{studente 30.}

In questa ricerca sono state poste due domande di indagine: (1) Ci saranno differenze significative nei risultati di apprendimento e nei parametri di fissazione oculare tra studenti e insegnanti esperti rispetto a quelli non esperti in Storia dell’Arte differenziando gli studenti con lauree ufficiali rispetto agli studenti con lauree non ufficiali (Università di esperienza – educazione degli adulti)? e (2) I cluster di ciascun partecipante con risultati di apprendimento e parametri di fissazione oculare coincideranno con il tipo di partecipanti (studenti con lauree ufficiali, studenti con lauree non ufficiali (Università dell’esperienza – istruzione degli adulti) e insegnanti)?