CN116434952A - 阅读能力评估方法、装置、设备及存储介质 - Google Patents
阅读能力评估方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116434952A CN116434952A CN202310143101.3A CN202310143101A CN116434952A CN 116434952 A CN116434952 A CN 116434952A CN 202310143101 A CN202310143101 A CN 202310143101A CN 116434952 A CN116434952 A CN 116434952A
- Authority
- CN
- China
- Prior art keywords
- eye movement
- reading
- point
- movement data
- level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000004424 eye movement Effects 0.000 claims abstract description 315
- 238000011156 evaluation Methods 0.000 claims abstract description 73
- 239000000463 material Substances 0.000 claims abstract description 61
- 230000008569 process Effects 0.000 claims abstract description 31
- 230000011218 segmentation Effects 0.000 claims abstract description 21
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 2
- 238000000556 factor analysis Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 7
- 239000013598 vector Substances 0.000 description 7
- 230000006399 behavior Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000012216 screening Methods 0.000 description 5
- 208000022372 Reading disease Diseases 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 206010013932 dyslexia Diseases 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 235000019580 granularity Nutrition 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036630 mental development Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003557 neuropsychological effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004461 rapid eye movement Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
Landscapes
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本申请公开了一种阅读能力评估方法、装置、设备及存储介质,本申请获取受测者阅读评测材料过程的原始眼动数据,对原始眼动数据进行注视点分割得到注视点集合,基于测评材料上划分的感兴趣区域以及注视点集合,获取与各阅读能力指标对应的眼动特征,以此来确定受测者在对应阅读能力指标下的水平,进而基于各阅读能力指标下的水平,确定受测者的综合阅读能力水平。本申请从受测者真实阅读过程出发确定受测者的综合阅读能力水平,该结果的准确性更高。本申请可以从多个不同维度来衡量受测者的阅读能力水平,如阅读理解力、阅读注意力和阅读记忆力三个不同维度,最终得到的综合阅读能力水平的可解释性更强,更加符合受测者的真实阅读能力。
Description
技术领域
本申请涉及智慧教育技术领域,更具体的说,是涉及一种阅读能力评估方法、装置、设备及存储介质。
背景技术
阅读能力是学习能力的基础,在中国学龄儿童中,约有7~15%的学龄儿童具有不同程度的发展性阅读障碍。然而,孩子早期的阅读障碍表现通常容易被家长,老师贴上了学习不认真,注意力不集中的标签,从而错过了最佳的发现和矫正时间,危害孩子的身心发展。因此,需要设计一种能够进行阅读能力评估的方案,以准确的衡量被测者的阅读能力水平。
近些年来,从神经心理学角度进行阅读障碍筛查取得良好的进展,现有阅读障碍筛查方法主要依托于多样化的纸笔/电子形式的心理问卷结果。这种方法基本都依托于对问卷结果维度的统计,缺乏对阅读过程更细粒度的捕捉刻画,造成筛查准确性有限。
发明内容
鉴于上述问题,提出了本申请以便提供一种阅读能力评估方法、装置、设备及存储介质,以实现更加准确的评估受测者的真实阅读能力水平的目的。具体方案如下:
第一方面,提供了一种阅读能力评估方法,包括:
获取受测者阅读指定测评材料过程的原始眼动数据;
基于所述原始眼动数据进行注视点分割,得到注视点集合;
基于所述指定测评材料上划分的感兴趣区域及所述注视点集合,获取与预配置的各阅读能力指标对应的眼动特征,所述阅读能力指标包括:阅读理解力、阅读注意力、阅读记忆力中的至少一项;
基于每一阅读能力指标对应的眼动特征,确定所述受测者在对应阅读能力指标下的水平,并基于所述受测者在各阅读能力指标下的水平,确定所述受测者的综合阅读能力水平。
第二方面,提供了一种阅读能力评估装置,包括:
原始眼动数据获取单元,用于获取受测者阅读指定测评材料过程的原始眼动数据;
注视点分割单元,用于基于所述原始眼动数据进行注视点分割,得到注视点集合;
眼动特征获取单元,用于基于所述指定测评材料上划分的感兴趣区域及所述注视点集合,获取与预配置的各阅读能力指标对应的眼动特征,所述阅读能力指标包括:阅读理解力、阅读注意力、阅读记忆力中的至少一项;
指标水平确定单元,用于基于每一阅读能力指标对应的眼动特征,确定所述受测者在对应阅读能力指标下的水平;
综合水平确定单元,用于基于所述受测者在各阅读能力指标下的水平,确定所述受测者的综合阅读能力水平。
第三方面,提供了一种阅读能力评估设备,包括:存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现前述的阅读能力评估方法的各个步骤。
第四方面,提供了一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现前述的阅读能力评估方法的各个步骤。
借由上述技术方案,本申请提供了一种基于眼动数据的阅读能力评估方法,本申请指定了作为阅读能力评估的材料,进而要求受测者阅读该材料,并获取受测者阅读材料过程的原始眼动数据,通过对原始眼动数据进行注视点分割,得到注视点集合,进而基于指定测评材料上划分的感兴趣区域以及注视点集合,获取与预配置的各阅读能力指标对应的眼动特征,以此来确定受测者在对应阅读能力指标下的水平,进而基于各阅读能力指标下的水平,确定受测者的综合阅读能力水平。显然,本申请从受测者真实阅读过程出发,捕捉受测者的眼动数据,进而基于眼动数据中的注视点及材料上的感兴趣区域,来提取能够从不同指标维度衡量阅读能力的眼动特征,以此来确定受测者在各阅读能力指标下的水平,最终确定受测者的综合阅读能力水平,该结果的准确性更高。
同时,本申请构建了面向受测者的阅读能力水平评估指标体系,即可以从阅读理解力、阅读注意力、阅读记忆力三个不同指标方面来衡量受测者的阅读能力水平,基于每一阅读能力指标下提取的眼动特征来确定对应阅读能力指标的水平,最终基于各阅读能力指标的水平确定综合阅读能力水平,得到的综合阅读能力水平的可解释性更强,也更加符合受测者的真实阅读能力。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本申请的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本申请实施例提供的阅读能力评估方法的一流程示意图;
图2a示例了一种篇章阅读材料上注视点轨迹示意图;
图2b示例了一种数字快速命名材料上注视点轨迹示意图;
图3示例了一种阅读能力水平评估指标体系示意图;
图4示例了一种计算当前眼动数据点的瞬时角速度的几何关系示意图;
图5示例了一种阅读能力评测界面显示效果示意图;
图6示例了另一种阅读能力评测界面显示效果示意图;
图7为本申请实施例提供的一种阅读能力评估装置结构示意图;
图8为本申请实施例提供的阅读能力评估设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请提供了一种基于眼动数据的多维阅读能力评估方案,可以适用于解决各类型的阅读能力评估任务,示例如对学龄儿童的阅读能力评估、在阅读障碍筛查任务中对受测者进行阅读能力评估等。
本申请方案可以基于具备数据处理能力的终端实现,该终端可以是手机、电脑、服务器、云端等。
接下来,结合图1所述,本申请的阅读能力评估方法可以包括如下步骤:
步骤S100、获取受测者阅读指定测评材料过程的原始眼动数据。
本实施例中,可以根据阅读能力评估任务来选取匹配的测评材料,供受测者进行阅读。其中,测评材料可以是一个或多个。
示例如,在对学龄儿童(6-12岁)进行阅读能力评估任务中,可以选取篇章阅读和数字快速命名两个类型的材料作为测评材料。其中,篇章阅读类材料如图2a所示,包含的阅读材料内容如:“各种不同的船利用不同的动力行驶,古时候,货船通常得靠帆利用风力前进……现在,一部分船已经有了更好的动力了。”;数字快速命名类材料如图2b所示,包含的阅读材料内容是一串阿拉伯数字,如:“5 4 2 6……9 6 2 4”。通过篇章阅读和数字快速命名两种类型的阅读材料,可以考察学龄儿童对文本和常见数字的加工处理能力。
本实施例中可以采用眼动仪作为眼动数据采集装置。一般性的,在屏幕上显示指定测评材料,并在屏幕下方设置眼动仪,以采集受测者在阅读屏幕上的指定测评材料的过程中的原始眼动数据。
在使用眼动数据采集装置之前,可以首先对受测者的坐姿和眼睛进行校准,校准之后提示受测者开始阅读屏幕上显示的指定测评材料,并通过眼动数据采集装置获取受测者的原始眼动数据。
眼动数据采集装置按照设定的频率进行眼动数据点的采集,也即得到的原始眼动数据可以看作一系列的眼动数据点组成,每个眼动数据点表示受测者眼睛所关注的屏幕上的位置点,每个眼动数据点均携带有时间标签。
步骤S110、基于所述原始眼动数据进行注视点分割,得到注视点集合。
具体地,人类对物体和场景的视觉感知是通过一系列的注视和眼跳来完成的。眼跳是一种将中央窝视野从一点移到另一点的快速眼动行为,而注视则是将中央窝视野在目标上保持一定的时长以获得足够的视觉图像细节。由于眼跳行为发生时眼球的移动速度极快,这期间几乎不会获得任何有效的视觉信息,而多数的视觉信息是通过注视行为获取的。
为了更好的衡量受测者的阅读能力水平,本案更加关注的是注视行为,因此需要对原始眼动数据进行注视点分割,也即将原始眼动数据中各眼动数据点划分为注视点和眼跳点两种类型点,从而由划分后的各个注视点组成注视点集合。
步骤S120、基于所述指定测评材料上划分的感兴趣区域及所述注视点集合,获取与预配置的各阅读能力指标对应的眼动特征。
具体地,在获取到指定测评材料之后,可以首先对测评材料进行感兴趣区域AOI的划分。在进行感兴趣区域划分时可以采用不同的划分规则、粒度进行划分,示例如:以字符、词组或句子作为基本划分单元,每隔基本划分单元作为一个感兴趣区域。
对于本实施例中示例的图2a的篇章阅读材料,本申请提供了一种划分方式,即:以标点符号及一行文字的末尾作为分割点进行感兴趣区域的划分,则图2a示例的篇章阅读材料可以划分为11个感兴趣区域。
对于本实施例中示例的图2b的数字快速命名阅读材料,本申请提供了一种划分方式,即:以x个数字为一个感兴趣区域,x可以取值为5,则图2b示例的数字快速命名阅读材料可以划分为10个感兴趣区域。
需要说明的是,上述对测评材料进行感兴趣区域划分的过程,一般是对测评材料中的内容区域进行感兴趣区域划分,对于测评材料中除感兴趣区域以外的区域,一般不包含有效内容,可以认为属于非感兴趣区域,标记为其他区域。
注视点集合中各注视点具备位置和时间顺序,可以按照注视点的位置归属到不同的感兴趣区域内或其他区域内。在此基础上,本步骤中可以基于测评材料上的感兴趣区域,以及注视点集合中各注视点的位置和时间属性,获取各阅读能力指标对应的眼动特征。
其中,本实施例可以从多个不同维度设计阅读能力指标,示例如,预配置的阅读能力指标包括但不限于:阅读理解力、阅读注意力、阅读记忆力中的至少一项。
本申请可以预先设计用于衡量每一阅读能力指标的眼动特征,进而本步骤中基于感兴趣区域和注视点集合,来提取每一阅读能力指标下的眼动特征。需要说明的是,每一阅读能力指标下的眼动特征可以包括一个或多个。
步骤S130、基于每一阅读能力指标对应的眼动特征,确定所述受测者在对应阅读能力指标下的水平。
具体地,在上一步骤得到每一阅读能力指标对应的眼动特征之后,可以基于得到的眼动特征确定受测者在对应阅读能力指标下的水平。其中,受测者在对应阅读能力指标下的水平可以采用得分或评级等方式来表示。
示例如,在得到阅读理解力指标对应的眼动特征之后,可以基于眼动特征来确定受测者的阅读理解力水平。
步骤S140、基于所述受测者在各阅读能力指标下的水平,确定所述受测者的综合阅读能力水平。
具体地,当本申请选取了多个不同维度的阅读能力指标时,可以通过上一步骤得到受测者在多个不同的阅读能力指标下的水平,进而综合考虑各个不同阅读能力指标下的水平,来确定受测者的综合阅读能力水平。
其中,受测者的综合阅读能力水平可以采用得分或评级等方式来表示。
本申请实施例提供的阅读能力水平评估方法,从受测者真实阅读过程出发,捕捉受测者的眼动数据,进而基于眼动数据中的注视点及材料上的感兴趣区域,来提取能够从不同指标维度衡量阅读能力的眼动特征,以此来确定受测者在各阅读能力指标下的水平,最终确定受测者的综合阅读能力水平,该结果的准确性更高。
同时,本申请构建了面向受测者的阅读能力水平评估指标体系,即可以从阅读理解力、阅读注意力、阅读记忆力三个不同指标方面来衡量受测者的阅读能力水平,基于每一阅读能力指标下提取的眼动特征来确定对应阅读能力指标的水平,最终基于各阅读能力指标的水平确定综合阅读能力水平,得到的综合阅读能力水平的可解释性更强,也更加符合受测者的真实阅读能力。
在本申请的一些实施例中,提供了阅读能力评估方法的一种具体实施方式,本实施例中设定阅读能力指标包括三种维度的指标,分别是:阅读理解力、阅读注意力和阅读记忆力。
则前述步骤S120中提取的与各阅读能力指标对应的眼动特征具体可以包括:
与阅读理解力指标对应的第一眼动特征,与阅读注意力指标对应的第二眼动特征,以及,与阅读记忆力指标对应的第三眼动特征。
在此基础上,前述步骤S130和步骤S140的实施过程,具体可以包括:
基于所述第一眼动特征,确定所述受测者的阅读理解力水平,基于所述第二眼动特征,确定所述受测者的阅读注意力水平,基于所述第三眼动特征,确定所述受测者的阅读记忆力水平。进一步,基于所述受测者的阅读理解力水平、阅读注意力水平和阅读记忆力水平,确定所述受测者的综合阅读能力水平。
本实施例中,从阅读的理解力、注意力和记忆力三个维度出发设计了三种不同的阅读能力指标,从三个指标角度分别评估受测者的水平,进而综合三个指标的水平得到受测者的综合阅读能力水平,其评估结果更准确,可解释也更强。
结合图3所示,本实施例介绍了一种可选的面向受测者的阅读能力水平评估指标体系。
本实施例中以三个阅读能力指标为例,分别是:阅读理解力、阅读注意力和阅读记忆力。
每一阅读能力指标对应的眼动特征可以包括多种类型的眼动特征。该多种类型的眼动特征又可以进一步划分为时间维度上的眼动特征和空间维度上的眼动特征,分别定义为时间特征集合、空间特征集合。其中,每一特征集合中分别包含至少一种类型的眼动特征。
本实施例可以预先构建训练数据,具体地:分别挑选出若干典型的正常受测者和若干阅读障碍高风险受测者,由挑选出的这些受测者按照前述实施例的评估方法进行处理,直至得到受测者的各阅读能力指标下的眼动特征为止,由各类型眼动特征作为训练样本,并采用领域专家对受测者的综合阅读能力水平进行标注,得到训练数据。
在此基础上,可以采用探索性因子分析方法,对上述训练数据进行分析,从而得到图3示例的阅读能力水平评估指标体系自底向上的权重,也即得到每一类型眼动特征对应的权重,以及与每一阅读能力指标对应的权重。
需要说明的是,图3中最底层以特征集合为例进行说明,具体在确定权重时可以分别确定特征集合中每一类型眼动特征对应的权重,也即,分别确定同一特征集合中不同类型的眼动特征各自对应的权重。
基于上述预配置的权重,前述步骤S130,基于每一阅读能力指标对应的眼动特征,确定所述受测者在对应阅读能力指标下的水平的过程,可以包括:
采用预配置的与每一类型眼动特征对应的权重,对每一阅读能力指标对应的各类型眼动特征进行线性加权,得到每一阅读能力指标的得分,作为所述受测者在对应阅读能力指标下的水平。
前述步骤S140,基于所述受测者在各阅读能力指标下的水平,确定所述受测者的综合阅读能力水平的过程,可以包括:
采用预配置的与每一阅读能力指标对应的权重,对各阅读能力指标的得分进行线性加权,结果作为所述受测者的总和阅读能力水平。
进一步参考下表1,其示例了在指定测评材料包括篇章阅读和数字快速命名的情况下,从时间维度提取的:与阅读理解力对应的时间特征集合1中所包含的若干种类型的眼动特征、与阅读注意力对应的时间特征集合2中所包含的若干种类型的眼动特征,以及,与阅读记忆力对应的时间特征集合3中所包含的若干种类型的眼动特征。
表1
上表1中仅示例了时间维度下的部分类型眼动特征,并未穷尽每一阅读能力评估指标下的所有类型的眼动特征。
再进一步参考下表2,其示例了在指定测评材料包括篇章阅读和数字快速命名的情况下,从空间维度提取的:与阅读理解力对应的空间特征集合1中所包含的若干种类型的眼动特征、与阅读注意力对应的空间特征集合2中所包含的若干种类型的眼动特征,以及,与阅读记忆力对应的空间特征集合3中所包含的若干种类型的眼动特征。
表2
上表2中仅示例了空间维度下部分类型眼动特征,并未穷尽每一阅读能力评估指标下的所有类型的眼动特征。
在本申请的一些实施例中,进一步考虑了评测过程施测完整性对受测者的综合阅读能力水平的影响,对受测者的综合阅读能力水平进行调整。
具体地,施测完整性可以根据受测者阅读指定测评材料过程,所浏览的感兴趣区域和其他区域的数量及花费时间来衡量,本实施例提供了一种可选实现方式,如下:
首先,统计指定测评材料上各感兴趣区域中,包含有注视点的感兴趣区域的个数占所有感兴趣区域个数的比值,以及,所有处于感兴趣区域内的注视点的总耗时。
具体地,受测者在阅读指定测评材料时注视点会经过感兴趣区域或其他区域,若受测者整个阅读过程注视点落在感兴趣区域的个数过少,以及,对感兴趣区域的阅读总耗时过低,都说明测试的完整性不够高,可以对前述计算得到的受测者的综合阅读能力水平进行惩罚。为此,本实施例中可以统计包含有注视点的感兴趣区域的个数占所有感兴趣区域个数的比值,以及所有处于感兴趣区域内的注视点的总耗时。
本实施例中可以以上述感兴趣区域占比和感兴趣区域内注视点总耗时两个指标中的任意一个或两个的组合,作为衡量实施完整性的指标,在此基础上,基于指标和预设指标阈值的大小关系,决定是否对受测者的综合阅读能力水平进行惩罚。
示例如,若上述统计的包含有注视点的感兴趣区域的个数占所有感兴趣区域个数的比值低于设定的比值阈值(如0.55或其它数值),和/或,所有处于感兴趣区域内的注视点的总耗时低于设定的时长阈值(示例如10s或其它数值),则表明实施完整性不够,需要对受测者的综合阅读能力水平进行惩罚,如对于数值得分形式的受测者的综合阅读能力水平,可以乘以预设惩罚权值(示例如0.3或其它数值),结果作为受测者的惩罚后综合阅读能力水平。
当然,若上述统计的包含有注视点的感兴趣区域的个数占所有感兴趣区域个数的比值不低于设定的比值阈值,和/或,所有处于感兴趣区域内的注视点的总耗时不低于设定的时长阈值,则表明实施完整性满足要求,无需对综合阅读能力水平进行惩罚,即将前述得到的受测者的综合阅读能力水平作为最终结果。
在本申请的一些实施例中,进一步对前述实施例中步骤S110,基于所述原始眼动数据进行注视点分割,得到注视点集合的过程进行说明。
具体地可以按照如下步骤处理:
S1、对所述原始眼动数据进行预处理,得到预处理后的眼动数据。
其中,对原始眼动数据进行预处理的过程,可以包括如下几种预处理操作:
S11、异常数据清洗。
考虑到受测者在测试过程中存在正常的眼跳行为,因此本案可以设置合理的眼跳行为的最长间隔时间,示例如75ms或其它可选数值。
在此基础上,对于采集的原始眼动数据中,缺失数据段的时长超过上述最长间隔时间时,认为不属于受测者的合理眼跳行为,可能是眼睛偏离了屏幕,导致无法采集到相应时段的数据,因此对于该缺失数据段可以不做处理。
对于采集的原始眼动数据中,缺失数据段的时长未超过上述最长间隔时间时,可以基于该缺失数据段前后的原始眼动数据,通过线性插值的方式补全缺失数据段。
S12、左右眼数据选择。
具体地,上述经过异常数据清洗后的眼动数据中,包含左右眼各自的轨迹数据,因此可以依据左右眼的轨迹数据,确定受测者在屏幕上的注视点。
1)对于左眼数据缺失,右眼数据有效的时间点时,可以选取右眼数据作为该时间点的眼动数据。
2)对于右眼数据缺失,左眼数据有效的时间点时,可以选取左眼数据作为该时间点的眼动数据。
3)对于左右眼数据均有效的时间点,可以选取左右眼数据的平均数据作为该时间点的眼动数据。
4)对于左右眼数据均缺失的时间点,可以认为该点的眼动数据无效,值置为空。
S13、中值降噪过滤。
为了使得眼动数据更加平滑,本实施例中可以对眼动数据进行中值降噪过滤。具体地,可以选取n个采样点作为一个时间窗口,依次对于眼动数据中的各眼动数据点进行中值过滤:
1)对于眼动数据点的x轴数据,可以从第(n+1)/2个采样的眼动数据点开始,将其值替换成前后各(n-1)/2个眼动数据点的x轴数据的中值。
以n取值为7为例,则从第4个采样的眼动数据点开始,将其值替换成前3个以及后3个眼动数据点的x轴数据的中值。
2)同理,对于眼动数据点的y轴数据,可以从第(n+1)/2个采样的眼动数据点开始,将其值替换成前后各(n-1)/2个眼动数据点的y轴数据的中值。
S2、对于所述预处理后的眼动数据中每个眼动数据点,计算前后各一个眼动数据点之间的平均角速度,作为当前眼动数据点的瞬时角速度。
具体地,本实施例中采取按照眼动数据点的瞬时角速度大小,进行注视点和眼跳点的划分。为此,需要对每个眼动数据点确定对应的瞬时角速度,该瞬时角速度可以表示受测者眼睛在移动过程,从当前眼动数据点上经过时的瞬时角速度。
本实施例中为了减小误差,采用前后各一个眼动数据点之间的平均角速度,作为中间一个眼动数据点的瞬时角速度。以第2个眼动数据点为例,则可以计算第1个眼动数据点至第3个眼动数据点之间的平均角速度,作为第2个眼动数据点的瞬时角速度。
S3、将瞬时角速度超过设定角速度阈值的眼动数据点,划分为眼跳点,将瞬时角速度未超过设定角速度阈值的眼动数据点,划分为注视点,得到注视点集合。
具体地,上一步骤中计算得到了眼动数据中每个眼动数据点的瞬时角速度,本步骤中将瞬时角速度超过设定角速度阈值的眼动数据点,划分为眼跳点,其余的划分为注视点,从而可以得到注视点集合。
其中,角速度阈值可以设置为30rad/s或其它可选数值。
进一步可选的,对于上述步骤S3划分后的眼跳点和注视点,还可以进行进一步的过滤处理。
示例如,在步骤S3按照瞬时角速度划分眼跳点和注视点之后,由连续的眼跳点组成眼跳段,由连续的注视点组成注视段,则眼动数据被划分为若干眼跳段和注视段。
对于每一眼跳段:
可以计算所述眼跳段之前的一个注视段中最后一个注视点,和所述眼跳段之后的一个注视段中第一个注视点之间的角度和时间间隔,若满足角度低于设定角度阈值,且时间间隔小于第一时间阈值,则表明所述眼跳段过短,属于划分错误,因此将所述眼跳段与前后注视段合并,也即将所述眼跳段内各点全部变更为注视点。
其中,上述设定角度阈值可以取值为0.5度或其它数值,第一时间阈值可以取值为75ms或其它数值。
对于每一注视段:
可以计算所述注视段内首个注视点至最后一个注视点间的时间间隔,若时间间隔小于第二时间阈值,则表明该注视段过短,属于划分错误,因此可以将所述注视段中各注视点重新划分为眼跳点。
其中,第二时间阈值可以取值为60ms或其它数值。
经过上述对眼跳段和注视段的处理后,由最终得到的各注视点组成最终的注视点集合,可以使得注视点的划分更加准确。
参照图2a和图2b中示例的灰色圆点,其表示注视点,灰色圆点之间的连线表示不同注视点间的先后顺序。当然,图中灰色圆点的面积可能存在大小不同,一个灰色圆点可以表示若干个连续的注视点组成的注视段,灰色圆点的圆心位置为对应的注视段中各注视点位置的平均位置,灰色圆点的面积大小代表对应注视段中各注视点的总耗时时长,时长越长,灰色圆点的面积越大。
对于上述步骤S2,对于所述预处理后的眼动数据中每个眼动数据点,计算前后各一个眼动数据点之间的平均角速度,作为当前眼动数据点的瞬时角速度的过程,本申请实施例提供了几种不同的计算方法。
为了方便表述,定义当前眼动数据点为p,p的前一个眼动数据点为s,后一个眼动数据点为e,采集眼动数据s时,受测者的眼睛所处位置为o1,采集眼动数据p时,受测者眼睛所处位置为o2,采集眼动数据e时,受测者眼睛所处位置为o3,屏幕中心点为c。
第一种、
结合图4所示:
对于当前眼动数据点p,在计算前后各一个眼动数据点之间的平均角速度L”时:
可以基于眼动数据点s和采集眼动数据s时受测者的眼睛所处位置o1,计算由点o1指向点s的第一向量。
同理,可以基于眼动数据点e和采集眼动数据e时受测者的眼睛所处位置o3,计算由点o3指向点e的第二向量。
若忽略在采集不同眼动数据点时受测者眼睛位置的变化,也即认为在采集眼动数据点s、p、e时受测者眼睛位置保持不变,则点o1、o2、o3重合,因此可以基于上述第一向量和第二向量,计算两个向量间的夹角θ”。
进一步,计算眼动数据点s和眼动数据点e之间的目标时间间隔t。
计算平均角速度L”=θ”/t
当然,上述方法中是在忽略采集不同眼动数据点时受测者眼睛位置的变化的基础上,计算得到的前后各一个眼动数据点之间的平均角速度L”。而实际测试过程,受测者的眼睛位置可能是存在细微变化的,如图4所示,也即点o1、o2、o3不完全相同,此时计算第一向量和第二向量的夹角实际属于由点s至点o1的线段的延长线,与点e至点o3的线段的延长线的交点o”处的夹角,并非准确的角度值。
为了进一步提升计算的平均角速度L”的准确度,本申请提供了另一种计算方法,如下:
第二种、
结合图4所示:
S21、计算前一个眼动数据点s和后一个眼动数据点e之间的目标时间间隔t。
S22、分别计算前一个眼动数据点s和后一个眼动数据点e各自到屏幕中心点c的距离sc、ec,以及前一个眼动数据点s和后一个眼动数据点e之间的距离se。
S23、获取采集当前眼动数据点p时,所述受测者的眼睛到屏幕的垂直距离d。
S24、基于前一个眼动数据点s、后一个眼动数据点e、屏幕中心点c及采集所述当前眼动数据点时所述受测者的眼睛所处目标位置点o2之间的几何关系,计算在由前一个眼动数据点s、后一个眼动数据点e及所述目标位置点o2所构成的三角形中,所述目标位置点o2所在夹角的目标角度值θ。
具体地,基于几何关系可知,点s、c、o2构成的三角形为直角三角形,点c所在的角度为直角,因此在已知两个直角边的长度sc和d的基础上,可以计算出斜边长度,也即得到点s和点o2间的距离so2:
so2=math.sqrt(sc^2+d^2)
同理,点e、c、o2构成的三角形为直角三角形,点c所在的角度为直角,因此在已知两个直角边的长度ec和d的基础上,可以计算出斜边长度,也即得到点e和点o2间的距离eo2:
eo2=math.sqrt(ec^2+d^2)
在点s、e、o2构成的三角形中,已知三条边各自的长度so2、eo2、se,可以计算出o2点所在夹角的目标角度值θ。
S25、将所述目标角度值θ除以所述目标时间间隔t,结果作为当前眼动数据点的前后各一个眼动数据点之间的平均角速度L。
L=θ/t
需要说明的是,本实施例提供的计算方法,需要基于前后两个眼动数据点的数据,计算中间的眼动数据点的瞬时角速度,对于预处理后的眼动数据中,第一个眼动数据点和最后一个眼动数据点,由于缺少前一个或后一个眼动数据点,因此导致无法按照本实施例计算方法得到对应的瞬时角速度,为此,本实施例中可以将第一个眼动数据点和最后一个眼动数据点的瞬时角速度设置为一个默认值,如空值或默认非空值,再或者可以设置为相邻的最近一个眼动数据点的瞬时角速度。
进一步需要说明的是,由于预处理后的眼动数据中,可能存在缺失数据段,这就导致其中部分眼动数据点也存在缺失前一个或后一个眼动数据点的问题,则对于此类眼动数据点,其对应的瞬时角速度值也可以按照上一段中提及的设置方式进行设置。
在本申请的一些实施例中,进一步介绍了一种阅读能力评估方法的落地应用场景。
在本实施例介绍的应用场景中,通过采用前述实施例介绍的阅读能力评估方法,可以得到受测者的综合阅读能力水平,在此基础上,可以输出显示所述受测者的综合阅读能力水平,以及,以统计图表的形式显示所述受测者在各阅读能力指标下的水平。
如图5所示:
可以在阅读能力评测界面上显示受测者的个人信息如姓名、性别、年级、出生日期、视力信息等,除此之外,还可以显示测评时间。
界面上还可以显示受测者的综合阅读能力水平,具体可以是得分形式(如显示100分制下的得分值)、评级形式(如优秀、良好、中等、待加强)等。
此外,为了更直观的告知受测者在各个不同的阅读能力指标下的水平,可以通过统计图表形式显示受测者在各个阅读能力指标下的水平,图5具体以阅读理解力、阅读注意力、阅读记忆力三个指标为例,以能力雷达图的形式进行显示。除此之外还可以以柱状图、饼状图、表格等形式显示。
当然,为了便于受测者了解自身在各个指标的水平情况,还可以同步显示各个指标的参考值,该参考值可以是每一指标下正常用户组的平均水平或最低水平等。
进一步地,还可以将受测者阅读指定测评材料所形成的注视点轨迹图同步进行显示,该注视点轨迹图上叠加显示有指定测评材料,如图5右侧所示。图5中示例了包含两种测评材料,分别为篇章阅读和快速命名,通过切换两个测评材料,可以在下方区域显示对应测评材料的注视点轨迹图,注视点轨迹图可以采用视频动画形式播放,按照各个注视点的先后顺序依次显示。
更进一步地,基于前文可知,每一阅读能力指标下分别包含若干类型的眼动特征,本实施例提供的方法还可以支持对每一阅读能力指标下各类型眼动特征进行显示的功能,也即本申请可以响应用户请求目标阅读能力指标下的眼动特征的指令,以统计图表的形式显示所述目标阅读能力指标下的若干类眼动特征。
其中,显示的若干类眼动特征可以是,目标阅读能力指标下的所有类型眼动特征,也可以是默认的若干类型的眼动特征。
进一步参照图6所示,本实施例中还可以统计得到所有阅读能力指标下,对于阅读能力正常样本和阅读障碍高风险样本的区分度最高的topN个类型的眼动特征。进而以统计图表的形式显示上述筛选得到的topN个类型的眼动特征。
下面对本申请实施例提供的阅读能力评估装置进行描述,下文描述的阅读能力评估装置与上文描述的阅读能力评估方法可相互对应参照。
参见图7,图7为本申请实施例公开的一种阅读能力评估装置结构示意图。
如图7所示,该装置可以包括:
原始眼动数据获取单元11,用于获取受测者阅读指定测评材料过程的原始眼动数据;
注视点分割单元12,用于基于所述原始眼动数据进行注视点分割,得到注视点集合;
眼动特征获取单元13,用于基于所述指定测评材料上划分的感兴趣区域及所述注视点集合,获取与预配置的各阅读能力指标对应的眼动特征,所述阅读能力指标包括:阅读理解力、阅读注意力、阅读记忆力中的至少一项;
指标水平确定单元14,用于基于每一阅读能力指标对应的眼动特征,确定所述受测者在对应阅读能力指标下的水平;
综合水平确定单元15,用于基于所述受测者在各阅读能力指标下的水平,确定所述受测者的综合阅读能力水平。
可选的,每一阅读能力指标对应的眼动特征包括至少一种类型的眼动特征,则上述指标水平确定单元基于每一阅读能力指标对应的眼动特征,确定所述受测者在对应阅读能力指标下的水平的过程,包括:
采用预配置的与每一类型眼动特征对应的权重,对每一阅读能力指标对应的各类型眼动特征进行线性加权,得到每一阅读能力指标的得分,作为所述受测者在对应阅读能力指标下的水平;
上述综合水平确定单元基于所述受测者在各阅读能力指标下的水平,确定所述受测者的综合阅读能力水平的过程,包括:
采用预配置的与每一阅读能力指标对应的权重,对各阅读能力指标的得分进行线性加权,结果作为所述受测者的总和阅读能力水平。
可选的,上述眼动特征获取单元基于所述指定测评材料上划分的感兴趣区域及所述注视点集合,获取与预配置的各阅读能力指标对应的眼动特征的过程,包括:
在所述指定测评材料上按照设定的划分规则,将内容区域划分为若干个感兴趣区域;
按照所述注视点集合中各注视点的位置,确定各注视点所属的感兴趣区域,对于在感兴趣区域以外的注视点,标注为属于其它区域;
基于所述感兴趣区域及所述注视点集合中各注视点的位置和时间属性,获取与预配置的各阅读能力指标对应的眼动特征。
可选的,本申请的装置还可以包括:
水平惩罚单元,用于统计所述指定测评材料上各感兴趣区域中,包含有注视点的感兴趣区域的个数占所有感兴趣区域个数的比值,以及,所有处于感兴趣区域内的注视点的总耗时;若所述比值低于设定的比值阈值,和/或,所述总耗时低于设定的时长阈值,对所述受测者的综合阅读能力水平进行惩罚,得到所述受测者的惩罚后综合阅读能力水平。
可选的,上述注视点分割单元基于所述原始眼动数据进行注视点分割,得到注视点集合的过程,包括:
对所述原始眼动数据进行预处理,得到预处理后的眼动数据;
对于所述预处理后的眼动数据中每个眼动数据点,计算前后各一个眼动数据点之间的平均角速度,作为当前眼动数据点的瞬时角速度;
将瞬时角速度超过设定角速度阈值的眼动数据点,划分为眼跳点,将瞬时角速度未超过设定角速度阈值的眼动数据点,划分为注视点,得到注视点集合。
可选的,上述注视点分割单元对于当前眼动数据点,计算前后各一个眼动数据点之间的平均角速度的过程,包括:
计算前一个眼动数据点和后一个眼动数据点之间的目标时间间隔;
分别计算前一个眼动数据点和后一个眼动数据点各自到屏幕中心点的距离,以及前一个眼动数据点和后一个眼动数据点之间的距离;
获取采集所述当前眼动数据点时,所述受测者的眼睛到屏幕的垂直距离;
基于前一个眼动数据点、后一个眼动数据点、屏幕中心点及采集所述当前眼动数据点时所述受测者的眼睛所处目标位置点之间的几何关系,计算在由前一个眼动数据点、后一个眼动数据点及所述目标位置点所构成的三角形中,所述目标位置点所在夹角的目标角度值;
将所述目标角度值除以所述目标时间间隔,结果作为当前眼动数据点的前后各一个眼动数据点之间的平均角速度。
可选的,上述注视点分割单元基于前一个眼动数据点、后一个眼动数据点、屏幕中心点及采集所述当前眼动数据点时所述受测者的眼睛所处目标位置点之间的几何关系,计算目标角度值的过程,包括:
在由前一个眼动数据点、屏幕中心点及采集所述当前眼动数据点时所述受测者的眼睛所处目标位置点所构成的直角三角形中,计算前一个眼动数据点至所述目标位置点的距离,以及,
在由后一个眼动数据点、屏幕中心点及采集所述当前眼动数据点时所述受测者的眼睛所处目标位置点所构成的直角三角形中,计算后一个眼动数据点至所述目标位置点的距离;
在由前一个眼动数据点、后一个眼动数据点及所述目标位置点所构成的三角形中,计算所述目标位置点所在夹角的目标角度值。
可选的,上述注视点分割单元基于所述原始眼动数据进行注视点分割,得到注视点集合的过程,还包括:
在按照瞬时角速度划分眼跳点和注视点之后,由连续的眼跳点组成眼跳段,由连续的注视点组成注视段;
对于每一眼跳段:
计算所述眼跳段之前的一个注视段中最后一个注视点,和所述眼跳段之后的一个注视段中第一个注视点之间的角度和时间间隔,若满足角度低于设定角度阈值,且时间间隔小于第一时间阈值,则将所述眼跳段与前后注视段合并;
对于每一注视段:
计算所述注视段内首个注视点至最后一个注视点间的时间间隔,若时间间隔小于第二时间阈值,则将所述注视段中各注视点重新划分为眼跳点;
由最终得到的各注视点组成注视点集合。
可选的,本申请的装置还可以包括:
第一显示单元,用于显示所述受测者的综合阅读能力水平,以及,以统计图表的形式显示所述受测者在各阅读能力指标下的水平。
可选的,本申请的装置还可以包括:
第二显示单元,用于显示所述受测者的注视点轨迹图,所述注视点轨迹图上叠加显示有所述指定测评材料。
可选的,本申请的装置还可以包括:
第三显示单元,用于响应用户请求目标阅读能力指标下的眼动特征的指令,以统计图表的形式显示所述目标阅读能力指标下的若干类眼动特征。
本申请实施例提供的阅读能力评估装置可应用于阅读能力评估设备,如终端:手机、电脑等。可选的,图8示出了阅读能力评估设备的硬件结构框图,参照图8,阅读能力评估设备的硬件结构可以包括:至少一个处理器1,至少一个通信接口2,至少一个存储器3和至少一个通信总线4;
在本申请实施例中,处理器1、通信接口2、存储器3、通信总线4的数量为至少一个,且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信;
处理器1可能是一个中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路等;
存储器3可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatilememory)等,例如至少一个磁盘存储器;
其中,存储器存储有程序,处理器可调用存储器存储的程序,所述程序用于:执行上述阅读能力评估方法的各个步骤。
本申请实施例还提供一种存储介质,该存储介质可存储有适于处理器执行的程序,所述程序用于:执行上述阅读能力评估方法的各个步骤。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间可以根据需要进行组合,且相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (17)
1.一种阅读能力评估方法,其特征在于,包括:
获取受测者阅读指定测评材料过程的原始眼动数据;
基于所述原始眼动数据进行注视点分割,得到注视点集合;
基于所述指定测评材料上划分的感兴趣区域及所述注视点集合,获取与预配置的各阅读能力指标对应的眼动特征,所述阅读能力指标包括:阅读理解力、阅读注意力、阅读记忆力中的至少一项;
基于每一阅读能力指标对应的眼动特征,确定所述受测者在对应阅读能力指标下的水平,并基于所述受测者在各阅读能力指标下的水平,确定所述受测者的综合阅读能力水平。
2.根据权利要求1所述的方法,其特征在于,所述阅读能力指标包括:阅读理解力、阅读注意力和阅读记忆力;
与各阅读能力指标对应的眼动特征包括:与阅读理解力指标对应的第一眼动特征,与阅读注意力指标对应的第二眼动特征,以及,与阅读记忆力指标对应的第三眼动特征;
基于每一阅读能力指标对应的眼动特征,确定所述受测者在对应阅读能力指标下的水平,并基于所述受测者在各阅读能力指标下的水平,确定所述受测者的综合阅读能力水平,包括:
基于所述第一眼动特征,确定所述受测者的阅读理解力水平,基于所述第二眼动特征,确定所述受测者的阅读注意力水平,基于所述第三眼动特征,确定所述受测者的阅读记忆力水平;
基于所述受测者的阅读理解力水平、阅读注意力水平和阅读记忆力水平,确定所述受测者的综合阅读能力水平。
3.根据权利要求1所述的方法,其特征在于,每一阅读能力指标对应的眼动特征包括至少一种类型的眼动特征;
基于每一阅读能力指标对应的眼动特征,确定所述受测者在对应阅读能力指标下的水平的过程,包括:
采用预配置的与每一类型眼动特征对应的权重,对每一阅读能力指标对应的各类型眼动特征进行线性加权,得到每一阅读能力指标的得分,作为所述受测者在对应阅读能力指标下的水平;
基于所述受测者在各阅读能力指标下的水平,确定所述受测者的综合阅读能力水平的过程,包括:
采用预配置的与每一阅读能力指标对应的权重,对各阅读能力指标的得分进行线性加权,结果作为所述受测者的总和阅读能力水平。
4.根据权利要求3所述的方法,其特征在于,预配置的与每一类型眼动特征对应的权重,以及与每一阅读能力指标对应的权重,均为采用探索性因子分析方法对标注有综合阅读能力水平的训练样本数据分析后得到。
5.根据权利要求3所述的方法,其特征在于,每一阅读能力指标对应的眼动特征,包括:
在时间维度上的眼动特征,以及,在空间维度上的眼动特征;
且,每一维度的眼动特征包括至少一种类型的眼动特征。
6.根据权利要求1所述的方法,其特征在于,基于所述指定测评材料上划分的感兴趣区域及所述注视点集合,获取与预配置的各阅读能力指标对应的眼动特征,包括:
在所述指定测评材料上按照设定的划分规则,将内容区域划分为若干个感兴趣区域;
按照所述注视点集合中各注视点的位置,确定各注视点所属的感兴趣区域,对于在感兴趣区域以外的注视点,标注为属于其它区域;
基于所述感兴趣区域及所述注视点集合中各注视点的位置和时间属性,获取与预配置的各阅读能力指标对应的眼动特征。
7.根据权利要求6所述的方法,其特征在于,还包括:
统计所述指定测评材料上各感兴趣区域中,包含有注视点的感兴趣区域的个数占所有感兴趣区域个数的比值,以及,所有处于感兴趣区域内的注视点的总耗时;
若所述比值低于设定的比值阈值,和/或,所述总耗时低于设定的时长阈值,对所述受测者的综合阅读能力水平进行惩罚,得到所述受测者的惩罚后综合阅读能力水平。
8.根据权利要求1所述的方法,其特征在于,基于所述原始眼动数据进行注视点分割,得到注视点集合的过程,包括:
对所述原始眼动数据进行预处理,得到预处理后的眼动数据;
对于所述预处理后的眼动数据中每个眼动数据点,计算前后各一个眼动数据点之间的平均角速度,作为当前眼动数据点的瞬时角速度;
将瞬时角速度超过设定角速度阈值的眼动数据点,划分为眼跳点,将瞬时角速度未超过设定角速度阈值的眼动数据点,划分为注视点,得到注视点集合。
9.根据权利要求8所述的方法,其特征在于,对于当前眼动数据点,计算前后各一个眼动数据点之间的平均角速度的过程,包括:
计算前一个眼动数据点和后一个眼动数据点之间的目标时间间隔;
分别计算前一个眼动数据点和后一个眼动数据点各自到屏幕中心点的距离,以及前一个眼动数据点和后一个眼动数据点之间的距离;
获取采集所述当前眼动数据点时,所述受测者的眼睛到屏幕的垂直距离;
基于前一个眼动数据点、后一个眼动数据点、屏幕中心点及采集所述当前眼动数据点时所述受测者的眼睛所处目标位置点之间的几何关系,计算在由前一个眼动数据点、后一个眼动数据点及所述目标位置点所构成的三角形中,所述目标位置点所在夹角的目标角度值;
将所述目标角度值除以所述目标时间间隔,结果作为当前眼动数据点的前后各一个眼动数据点之间的平均角速度。
10.根据权利要求9所述的方法,其特征在于,基于前一个眼动数据点、后一个眼动数据点、屏幕中心点及采集所述当前眼动数据点时所述受测者的眼睛所处目标位置点之间的几何关系,计算目标角度值的过程,包括:
在由前一个眼动数据点、屏幕中心点及采集所述当前眼动数据点时所述受测者的眼睛所处目标位置点所构成的直角三角形中,计算前一个眼动数据点至所述目标位置点的距离,以及,
在由后一个眼动数据点、屏幕中心点及采集所述当前眼动数据点时所述受测者的眼睛所处目标位置点所构成的直角三角形中,计算后一个眼动数据点至所述目标位置点的距离;
在由前一个眼动数据点、后一个眼动数据点及所述目标位置点所构成的三角形中,计算所述目标位置点所在夹角的目标角度值。
11.根据权利要求8所述的方法,其特征在于,基于所述原始眼动数据进行注视点分割,得到注视点集合的过程,还包括:
在按照瞬时角速度划分眼跳点和注视点之后,由连续的眼跳点组成眼跳段,由连续的注视点组成注视段;
对于每一眼跳段:
计算所述眼跳段之前的一个注视段中最后一个注视点,和所述眼跳段之后的一个注视段中第一个注视点之间的角度和时间间隔,若满足角度低于设定角度阈值,且时间间隔小于第一时间阈值,则将所述眼跳段与前后注视段合并;
对于每一注视段:
计算所述注视段内首个注视点至最后一个注视点间的时间间隔,若时间间隔小于第二时间阈值,则将所述注视段中各注视点重新划分为眼跳点;
由最终得到的各注视点组成注视点集合。
12.根据权利要求1-11任一项所述的方法,其特征在于,还包括:
显示所述受测者的综合阅读能力水平,以及,以统计图表的形式显示所述受测者在各阅读能力指标下的水平。
13.根据权利要求12所述的方法,其特征在于,还包括:
显示所述受测者的注视点轨迹图,所述注视点轨迹图上叠加显示有所述指定测评材料。
14.根据权利要求12所述的方法,其特征在于,还包括:
响应用户请求目标阅读能力指标下的眼动特征的指令,以统计图表的形式显示所述目标阅读能力指标下的若干类眼动特征。
15.一种阅读能力评估装置,其特征在于,包括:
原始眼动数据获取单元,用于获取受测者阅读指定测评材料过程的原始眼动数据;
注视点分割单元,用于基于所述原始眼动数据进行注视点分割,得到注视点集合;
眼动特征获取单元,用于基于所述指定测评材料上划分的感兴趣区域及所述注视点集合,获取与预配置的各阅读能力指标对应的眼动特征,所述阅读能力指标包括:阅读理解力、阅读注意力、阅读记忆力中的至少一项;
指标水平确定单元,用于基于每一阅读能力指标对应的眼动特征,确定所述受测者在对应阅读能力指标下的水平;
综合水平确定单元,用于基于所述受测者在各阅读能力指标下的水平,确定所述受测者的综合阅读能力水平。
16.一种阅读能力评估设备,其特征在于,包括:存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现如权利要求1~14中任一项所述的阅读能力评估方法的各个步骤。
17.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1~14中任一项所述的阅读能力评估方法的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310143101.3A CN116434952A (zh) | 2023-02-14 | 2023-02-14 | 阅读能力评估方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310143101.3A CN116434952A (zh) | 2023-02-14 | 2023-02-14 | 阅读能力评估方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116434952A true CN116434952A (zh) | 2023-07-14 |
Family
ID=87078522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310143101.3A Pending CN116434952A (zh) | 2023-02-14 | 2023-02-14 | 阅读能力评估方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116434952A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116610219A (zh) * | 2023-07-21 | 2023-08-18 | 广州宏途数字科技有限公司 | 一种可智能互动阅读方法、装置、计算设备和存储介质 |
-
2023
- 2023-02-14 CN CN202310143101.3A patent/CN116434952A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116610219A (zh) * | 2023-07-21 | 2023-08-18 | 广州宏途数字科技有限公司 | 一种可智能互动阅读方法、装置、计算设备和存储介质 |
CN116610219B (zh) * | 2023-07-21 | 2024-01-12 | 广州宏途数字科技有限公司 | 一种可智能互动阅读方法、装置、计算设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bylinskii et al. | Intrinsic and extrinsic effects on image memorability | |
US8781991B2 (en) | Emotion recognition apparatus and method | |
US7152016B2 (en) | Usability evaluation support apparatus and method | |
WO2014034005A1 (ja) | 知的生産性分析装置、プログラム | |
CN107610110B (zh) | 一种全局和局部特征相结合的跨尺度图像质量评价方法 | |
WO2018107872A1 (zh) | 一种体型预测方法及设备 | |
CN111887867A (zh) | 基于表情识别与心理学测试生成性格的分析方法及系统 | |
CN116434952A (zh) | 阅读能力评估方法、装置、设备及存储介质 | |
US9652996B2 (en) | Measuring cognitive load | |
CN108171437A (zh) | 一种心理学职业能力测评系统 | |
CN108847284B (zh) | 人体生物年龄测算装置及系统 | |
Feitosa et al. | Performance of disabled swimmers in protocols or tests and competitions: a systematic review and meta-analysis | |
CN115844415B (zh) | 一种基于心电数据的运动稳定性评估方法及系统 | |
CN104679967B (zh) | 一种判断心理测试可靠性的方法 | |
CN109086794A (zh) | 一种基于t-lda主题模型的驾驶行为模式识方法 | |
Augereau et al. | Estimation of english skill with a mobile eye tracker | |
JP6961022B2 (ja) | 読み書き能力のテスト方法及び装置 | |
CN111611939A (zh) | 眼疲劳状态检测方法及装置 | |
CN115686199B (zh) | 一种群体眼动轨迹生成方法、装置、计算设备及存储介质 | |
CN116109454A (zh) | 能力评测中题目难度的确定方法、装置、设备及存储介质 | |
CN115886833A (zh) | 心电信号分类方法及装置、计算机可读介质、电子设备 | |
CN114550918A (zh) | 一种基于绘画特征数据的心理障碍测评方法及系统 | |
CN111507555A (zh) | 人体状态检测方法、课堂教学质量的评价方法及相关装置 | |
CN113077872A (zh) | 基于量表测试数据的群体心理状态多指标预测系统及装置 | |
Zhang et al. | Feasibility study on using house-tree-person drawings for automatic analysis of depression |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |