SCI Библиотека

В статье оцениваются методы машинного обучения для задачи прогнозирования когнитивной нагрузки обучающихся в средах электронного обучения с использованием данных отслеживания взгляда. Основная цель исследования – адаптивное вмешательство в реальном времени для предотвращения когнитивной перегрузки и повышения вовлеченности обучающихся в процесс обучения. В исследовании рассматриваются методы контролируемого обучения, такие как машины опорных векторов (SVM), случайный лес (Random Forest) и логистическая регрессия (Logistic Regression), с использованием симулированных данных отслеживания взгляда обучающихся. Проблема и цели исследования четко определены и сопровождаются всесторонним обзором литературы, в котором рассматривается теория когнитивной нагрузки, отслеживание взгляда и методы машинного обучения в образовательных контекстах. Методология сосредоточена на разработке и обучении моделей с использованием k-кратной перекрестной валидации для обеспечения надежности. Результаты исследования показывают, что Random Forest является самым эффективным методом, демонстрирующим способность улавливать сложные закономерности прогнозирования. Ключевой вклад данного исследования заключается в новом применении интеллектуальных методов для прогнозирования когнитивной нагрузки на основе данных отслеживания взгляда, что повышает прогностические возможности методов машинного обучения. Исследование подчеркивает важность реализации этих методов в реальном времени и проверки на реальных данных обучающихся, а также необходимость решения этических вопросов, связанных с использованием данных отслеживания взгляда в образовательных учреждениях.

У людей с деменцией (PwD) ухудшаются исполнительные функции, в частности их кратковременная память, и поэтому им трудно выполнять повседневные многоэтапные задачи или действия. Нет сомнений в том, что во время пандемии инвалиды и лица, осуществляющие уход за ними, были особенно уязвимы, часто изолированы, что сказывалось на их психическом и физическом здоровье. Их способность жить независимо была ограничена, что провоцировало депрессию у людей с инвалидностью и эмоциональное истощение у неформальных опекунов. Информационные технологии могут способствовать лечению деменции, улучшая качество жизни людей с инвалидностью и облегчая нагрузку на лиц, осуществляющих уход. Растет потребность в поддержке неформальных опекунов и улучшении их благополучия за счет уменьшения серьезности проблем с деменцией. В этом исследовании используются качественные методы для разработки модели с использованием технологических стратегий, которые основываются на полуструктурированных интервью, примененных к семи неформальным опекунам из двух разных стран. На основе этих интервью мы разработали идеи по внедрению решений, которые помогут лицам, осуществляющим неформальный уход, заботиться об инвалидах дома с помощью диалоговых агентов. Мы надеемся, что результаты, представленные в этом исследовании, помогут исследователям и разработчикам разработать решения, которые могут помочь людям с инвалидностью и неформальным опекунам.