KR20200137484A - 인지 부하 지표 변수를 사용한 학업 성취도 예측 장치 및 그 방법 - Google Patents
인지 부하 지표 변수를 사용한 학업 성취도 예측 장치 및 그 방법 Download PDFInfo
- Publication number
- KR20200137484A KR20200137484A KR1020190063934A KR20190063934A KR20200137484A KR 20200137484 A KR20200137484 A KR 20200137484A KR 1020190063934 A KR1020190063934 A KR 1020190063934A KR 20190063934 A KR20190063934 A KR 20190063934A KR 20200137484 A KR20200137484 A KR 20200137484A
- Authority
- KR
- South Korea
- Prior art keywords
- cognitive load
- load index
- user
- index variable
- academic achievement
- Prior art date
Links
- 230000001149 cognitive effect Effects 0.000 title claims abstract description 135
- 238000000034 method Methods 0.000 title claims abstract description 33
- 210000001747 pupil Anatomy 0.000 claims abstract description 85
- 238000005259 measurement Methods 0.000 claims abstract description 24
- 238000012360 testing method Methods 0.000 claims abstract description 22
- 230000008859 change Effects 0.000 claims description 36
- 230000003993 interaction Effects 0.000 claims description 26
- 230000004424 eye movement Effects 0.000 claims description 9
- 238000012417 linear regression Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 11
- 230000004044 response Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001422 normality test Methods 0.000 description 1
- 230000003945 visual behavior Effects 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/013—Eye tracking input arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Educational Technology (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Computer Interaction (AREA)
- Game Theory and Decision Science (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Quality & Reliability (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
Abstract
인지 부하 지표 변수를 사용한 학업 성취도 예측 장치 및 그 방법이 개시된다. 학업 성취도 예측 방법은 사용자의 동공 데이터를 기초로 상기 사용자의 인지 부하 지표 변수를 측정하는 단계; 학습 성과 측정 검사에서 사용하는 문제들 각각의 문제 양식에 따른 인지 부하 지표 변수의 차이를 분석하는 단계; 상기 문제들 각각의 과제 복합도에 따른 인지 부하 지표 변수의 차이를 분석하는 단계; 및 문제 양식 및 과제 복합도에 따른 인지 부하 지표 변수의 분석결과를 이용하여 상기 학습 성과 측정 검사에 대한 사용자의 학업 성취도를 예측하는 단계를 포함할 수 있다.
Description
본 발명은 인지 부하 지표 변수를 사용하여 문제 양식, 및 과제 복합도에 따른 학업 성취도를 예측하는 장치 및 방법에 관한 것이다.
학업 성취도 예측은 학생의 학습 수준을 정확하게 파악하고, 학생의 학습 수준에 최적화된 교육을 하기 위하여 필요하다.
종래의 학업 성취도 예측은 사용자의 행동 데이터를 수집하여 학업 성취도를 예측하고 있었으나, 사용자의 행동 데이터로는 사용자의 심리 상태를 분석할 수 없다는 한계가 있었다.
따라서, 사용자의 심리 상태를 추정할 수 있는 인지 부하 관련 데이터를 이용하여 사용자의 학업 성취도를 예측하는 방법이 요청되고 있다.
본 발명은 인지 부하 지표 변수 및 인지 부하 지표 변수들 간의 상호 작용을 이용하여 문제 양식 및 과제 복합도에 따른 사용자의 학업 성취도를 예측하는 장치 및 방법을 제공할 수 있다.
또한, 본 발명은 문제에 포함된 구성 요소들의 개수 및 구성 요소들 간의 상호 작용의 개수를 기초로 과제 복합도를 결정하는 장치 및 방법을 제공할 수 있다.
본 발명의 일실시예에 따른 학업 성취도 예측 방법은 사용자의 동공 데이터를 기초로 상기 사용자의 인지 부하 지표 변수를 측정하는 단계; 학습 성과 측정 검사에서 사용하는 문제들 각각의 문제 양식에 따른 인지 부하 지표 변수의 차이를 분석하는 단계; 상기 문제들 각각의 과제 복합도에 따른 인지 부하 지표 변수의 차이를 분석하는 단계; 및 문제 양식 및 과제 복합도에 따른 인지 부하 지표 변수의 분석결과를 이용하여 상기 학습 성과 측정 검사에 대한 사용자의 학업 성취도를 예측하는 단계를 포함할 수 있다.
본 발명의 일실시예에 따른 학업 성취도 예측 방법의 인지 부하 지표 변수를 측정하는 단계는, 상기 문제들 각각을 주시하는 사용자의 동공 데이터를 수집하는 단계; 상기 동공 데이터에 포함된 동공 크기 데이터를 이용하여 상기 문제들 각각에 대한 동공 크기 변화량을 결정하는 단계; 상기 동공 데이터에 포함된 시선 위치 데이터, 및 안구 운동 데이터를 이용하여 상기 문제들 각각에 대한 시선 고정 지속 시간을 결정하는 단계; 및 상기 동공 크기 변화량 및 상기 시선 고정 지속 시간을 상기 사용자의 인지 부하 지표 변수로 설정하는 단계를 포함할 수 있다.
본 발명의 일실시예에 따른 학업 성취도 예측 방법의 문제 양식에 따른 인지 부하 지표 변수의 차이를 분석하는 단계는, 테스트 문제의 문제 양식 별로 사용자의 동공 크기 변화량을 측정하는 단계; 및 실제 문제를 주시한 사용자로부터 측정한 동공 크기 변화량을 기초로 실제 문제의 문제 양식을 추정하는 단계를 포함할 수 있다.
본 발명의 일실시예에 따른 학업 성취도 예측 방법의 사용자의 학업 성취도를 예측하는 단계는, 문제 양식에 따른 인지 부하 지표 변수의 분석 결과 및 과제 복합도에 따른 인지 부하 지표 변수의 분석 결과를 기초로 문제 양식 및 과제 복합도 간의 상호 작용에 따른 인지 부하 지표 변수를 분석하는 단계; 및 문제 양식 및 과제 복합도 간의 상호 작용에 따른 인지 부하 지표 변수의 분석 결과, 문제 양식에 따른 인지 부하 지표 변수의 분석 결과 및 과제 복합도에 따른 인지 부하 지표 변수의 분석 결과를 단순 선형 회귀 분석하여 인지 부하 지표 변수에 대응하는 사용자의 학업 성취도를 예측하는 단계를 포함할 수 있다.
본 발명의 일실시예에 따른 학업 성취도 예측 장치는 사용자의 동공 데이터를 기초로 상기 사용자의 인지 부하 지표 변수를 측정하는 인지 부하 지표 변수 측정부; 학습 성과 측정 검사에서 사용하는 문제들 각각의 문제 양식에 따른 인지 부하 지표 변수의 차이를 분석하고, 상기 문제들 각각의 과제 복합도에 따른 인지 부하 지표 변수의 차이를 분석하는 인지 부하 지표 변수 분석부; 및 문제 양식 및 과제 복합도에 따른 인지 부하 지표 변수의 분석결과를 이용하여 상기 학습 성과 측정 검사에 대한 사용자의 학업 성취도를 예측하는 학업 성취도 예측부를 포함할 수 있다.
본 발명의 일실시예에 따른 학업 성취도 예측 장치의 인지 부하 지표 변수 측정부는, 상기 문제들 각각을 주시하는 사용자의 동공 데이터를 수집하고, 상기 동공 데이터에 포함된 동공 크기 데이터를 이용하여 상기 문제들 각각에 대한 동공 크기 변화량을 결정하며, 상기 동공 데이터에 포함된 시선 위치 데이터, 및 안구 운동 데이터를 이용하여 상기 문제들 각각에 대한 시선 고정 지속 시간을 결정하고, 상기 동공 크기 변화량 및 상기 시선 고정 지속 시간을 상기 사용자의 인지 부하 지표 변수로 설정할 수 있다.
본 발명의 일실시예에 따른 학업 성취도 예측 장치의 인지 부하 지표 변수 분석부는, 테스트 문제의 문제 양식 별로 사용자의 동공 크기 변화량을 측정하고, 실제 문제를 주시한 사용자로부터 측정한 동공 크기 변화량을 기초로 실제 문제의 문제 양식을 추정할 수 있다.
본 발명의 일실시예에 따른 학업 성취도 예측 장치의 학업 성취도 예측부는, 문제 양식에 따른 인지 부하 지표 변수의 분석 결과 및 과제 복합도에 따른 인지 부하 지표 변수의 분석 결과를 기초로 문제 양식 및 과제 복합도 간의 상호 작용에 따른 인지 부하 지표 변수를 분석하고, 문제 양식 및 과제 복합도 간의 상호 작용에 따른 인지 부하 지표 변수의 분석 결과, 문제 양식에 따른 인지 부하 지표 변수의 분석 결과 및 과제 복합도에 따른 인지 부하 지표 변수의 분석 결과를 단순 선형 회귀 분석하여 인지 부하 지표 변수에 대응하는 사용자의 학업 성취도를 예측할 수 있다.
본 발명의 일실시예에 의하면, 인지 부하 지표 변수 및 인지 부하 지표 변수들 간의 상호 작용을 이용하여 문제 양식 및 과제 복합도에 따른 사용자의 학업 성취도를 예측할 수 있다.
또한, 본 발명의 일실시예에 의하면, 문제에 포함된 구성 요소들의 개수 및 구성 요소들 간의 상호 작용의 개수를 기초로 과제 복합도를 결정할 수 있다.
도 1은 본 발명의 일실시예에 따른 학업 성취도 예측 장치를 나타내는 도면이다.
도 2는 본 발명의 일실시예에 따른 측정 장치의 일례이다.
도 3은 본 발명의 일실시예에 따른 측정 장치가 센서의 칼리브레이션을 수행하기 위하여 표시하는 화면의 일례이다.
도 4는 본 발명의 일실시예에 따른 측정 장치가 사용자의 동공 크기 기저 반응을 측정하기 위하여 표시하는 화면의 일례이다.
도 5는 본 발명의 일실시예에 따라 측정한 인지 부하 지표 변수의 정규성 검증 결과의 일례이다.
도 6은 본 발명의 일실시예에 따른 시선 고정 지속 시간을 정규 분포화한 결과의 일례이다.
도 7은 본 발명의 일실시예에 따른 시선 고정 지속 시간에 대한 이원 분산 분석 결과의 일례이다.
도 8은 본 발명의 일실시예에 따른 동공 크기 변화량에 대한 이원 분산 분석 결과의 일례이다.
도 9는 본 발명의 일실시예에 따른 동공 크기 변화량에 대한 사후 분석 결과의 일례이다.
도 10은 본 발명의 일실시예에 따른 학업 성취도 예측 방법을 도시한 플로우차트이다.
도 2는 본 발명의 일실시예에 따른 측정 장치의 일례이다.
도 3은 본 발명의 일실시예에 따른 측정 장치가 센서의 칼리브레이션을 수행하기 위하여 표시하는 화면의 일례이다.
도 4는 본 발명의 일실시예에 따른 측정 장치가 사용자의 동공 크기 기저 반응을 측정하기 위하여 표시하는 화면의 일례이다.
도 5는 본 발명의 일실시예에 따라 측정한 인지 부하 지표 변수의 정규성 검증 결과의 일례이다.
도 6은 본 발명의 일실시예에 따른 시선 고정 지속 시간을 정규 분포화한 결과의 일례이다.
도 7은 본 발명의 일실시예에 따른 시선 고정 지속 시간에 대한 이원 분산 분석 결과의 일례이다.
도 8은 본 발명의 일실시예에 따른 동공 크기 변화량에 대한 이원 분산 분석 결과의 일례이다.
도 9는 본 발명의 일실시예에 따른 동공 크기 변화량에 대한 사후 분석 결과의 일례이다.
도 10은 본 발명의 일실시예에 따른 학업 성취도 예측 방법을 도시한 플로우차트이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 발명의 일실시예에 따른 학업 성취도 예측 방법은 학업 성취도 예측 장치에 의해 수행될 수 있다.
도 1은 본 발명의 일실시예에 따른 학업 성취도 예측 장치를 나타내는 도면이다.
학업 성취도 예측 장치(100)는 도 1에 도시된 바와 같이 인지 부하 지표 변수 측정부(110), 인지 부하 지표 변수 분석부(120), 및 학업 성취도 예측부(130)를 포함할 수 있다. 이때, 인지 부하 지표 변수 측정부(110), 인지 부하 지표 변수 분석부(120), 및 학업 성취도 예측부(130)는 서로 다른 프로세서이거나, 또는 하나의 프로세서에서 수행되는 프로그램에 포함된 각각의 모듈일 수 있다.
인지 부하 지표 변수 측정부(110)는 측정 장치(101)로부터 수신한 동공 데이터를 기초로 사용자의 인지 부하 지표 변수를 측정할 수 있다.
이때, 인지 부하는 학습 성과 측정 검사 과정에서 사용자에게 발생한 인지적 처리가 사용자의 작동 기억에 부과하는 정신 활동량이며, 인지부하 지표 변수는 시각 행동의 하위 변인인 안구운동 중 시선 고정 지속 시간 및 동공반응 중 동공 크기 변화량일 수 있다. 예를 들어, 학습 성과 측정 검사는 컴퓨터 기반 문제 풀이 환경에서 수행될 수 있다.
또한, 시선 고정 지속 시간은 사용자가 특정 대상에 대한 정보를 지각하기 위한 의도적인 행동이며, 특정 대상이 사용자의 눈의 중심와(中心窩) 영역에 일정 시간 동안 머문 시간일 수 있다. 그리고, 동공 크기 변화량은 사용자의 홍채의 중심에 위치한 원 모양의 동공크기 변화일 수 있다. 이때, 인지 부하가 증가할수록 시선 고정 지속 시간 및 동공 크기 변화량이 증가할 수 있다.
구체적으로, 인지 부하 지표 변수 측정부(110)는 측정 장치(101)로부터 학습 성과 측정 검사에서 사용하는 문제들 각각을 주시하는 사용자의 동공 데이터를 수집할 수 있다. 예를 들어, 동공 데이터는 동공 크기 데이터, 시선 위치 데이터, 및 안구 운동 데이터 중 적어도 하나를 포함할 수 있다.
이때, 인지 부하 지표 변수 측정부(110)는 동공 데이터에 포함된 동공 크기 데이터를 이용하여 문제들 각각에 대한 동공 크기 변화량을 결정할 수 있다. 또한, 인지 부하 지표 변수 측정부(110)는 동공 데이터에 포함된 시선 위치 데이터, 및 안구 운동 데이터를 이용하여 문제들 각각에 대한 시선 고정 지속 시간을 결정할 수 있다. 그리고, 인지 부하 지표 변수 측정부(110)는 동공 크기 변화량 및 시선 고정 지속 시간을 사용자의 인지 부하 지표 변수로 설정할 수 있다.
인지 부하 지표 변수 분석부(120)는 문제들 각각의 문제 양식(problem-modality)에 따른 인지 부하 지표 변수의 차이를 분석할 수 있다. 이때, 인지 부하 지표 변수 분석부(120)는 테스트 문제의 문제 양식 별로 사용자의 동공 크기 변화량을 측정할 수 있다. 그리고, 인지 부하 지표 변수 분석부(120)는 실제 문제를 주시한 사용자로부터 측정한 동공 크기 변화량을 기초로 실제 문제의 문제 양식을 추정할 수 있다.
예를 들어, 문제 양식은 문자만으로 구성된 문제(TO), 도표만으로 구성된 문제(PO), 문자와 도표로 구성된 문제(TP) 중 하나일 수 있다.
또한, 인지 부하 지표 변수 분석부(120)는 문제들 각각의 과제 복합도에 따른 인지 부하 지표 변수의 차이를 분석할 수 있다. 이때, 과제 복합도는 문제에 포함된 구성 요소의 개수와 구성 요소들 간의 상호 작용의 개수의 합에 따라 결정될 수 있다.
먼저, 인지 부하 지표 변수 분석부(120)는 문제들을 분석하여 문제들 각각에 대한 작업 단계와 구성 요소를 도출할 수 있다. 이때, 작업 단계는 문제들을 해결하기 위하여 수행해야 하는 작업들의 단계들일 수 있다. 그리고, 인지 부하 지표 변수 분석부(120)는 수학식 1을 사용하여 구성 요소들 간의 상호 작용의 개수인 nC2를 결정할 수 있다.
이때, n은 문제들 각각의 단계에 포함된 구성 요소들의 개수일 수 있다.
그리고, 인지 부하 지표 변수 분석부(120)는 수학식 2를 기초로 M개의 작업 단계들 각각에 포함된 구성 요소들의 개수 및 상호 작용의 개수들을 더하여 과제 복합도를 결정할 수 있다.
예를 들어, 표 1에 도시된 바와 같이 문제에 포함된 구성 요소의 개수가 17개이고, 상호 작용의 수가 9개인 경우, 과제 복합도는 26일 수 있다.
또한, 표 2에 도시된 바와 같이 문제에 포함된 구성 요소의 개수가 13개이고, 상호 작용의 수가 5개인 경우, 과제 복합도는 18일 수 있다.
이때, 인지 부하 지표 변수 분석부(120)는 과제 복합도의 값에 따라 문제의 과제 복합도 수준을 '상' 또는 '하'로 분류할 수 있다. 예를 들어, 인지 부하 지표 변수 분석부(120)는 과제 복합도 기준값을 20으로 설정할 수 있다. 그리고, 인지 부하 지표 변수 분석부(120)는 과제 복합도의 값 26이 과제 복합도 기준값 20을 초과하는 표1에 따른 문제의 과제 복합도 수준을 '상'으로 설정할 수 있다. 또한, 인지 부하 지표 변수 분석부(120)는 과제 복합도의 값 18이 과제 복합도 기준값 20을 초과하는 표 2에 따른 문제의 과제 복합도 수준을 '하'로 설정할 수 있다.
학업 성취도 예측부(130)는 문제 양식 및 과제 복합도에 따른 인지 부하 지표 변수의 분석결과를 이용하여 학습 성과 측정 검사에 대한 사용자의 학업 성취도를 예측할 수 있다.
이때, 학업 성취도 예측부(130)는 문제 양식에 따른 인지 부하 지표 변수의 분석 결과 및 과제 복합도에 따른 인지 부하 지표 변수의 분석 결과를 기초로 문제 양식 및 과제 복합도 간의 상호 작용에 따른 인지 부하 지표 변수를 분석할 수 있다. 그리고, 학업 성취도 예측부(130)는 문제 양식 및 과제 복합도 간의 상호 작용에 따른 인지 부하 지표 변수의 분석 결과, 문제 양식에 따른 인지 부하 지표 변수의 분석 결과 및 과제 복합도에 따른 인지 부하 지표 변수의 분석 결과를 단순 선형 회귀 분석하여 인지 부하 지표 변수에 대응하는 사용자의 학업 성취도를 예측할 수 있다.
학업 성취도 예측 장치(100)는 인지 부하 지표 변수 및 인지 부하 지표 변수들 간의 상호 작용을 이용하여 문제 양식 및 과제 복합도에 따른 사용자의 학업 성취도를 예측할 수 있다.
도 2는 본 발명의 일실시예에 따른 측정 장치의 일례이다.
측정 장치(101)는 도 2에 도시된 바와 같이 사용자 고정 수단(210), 디스플레이(220), 및 센서(230)로 구성될 수 있다.
사용자 고정 수단(210)는 사용자(200)의 얼굴 위치를 고정함으로써, 센서(230)가 센싱하는 사용자(200)의 동공(201)의 위치도 고정시킬 수 있다. 예를 들어, 사용자 고정 수단(210)는 도 2에 도시된 바와 같이 턱받이 형상으로 형성될 수 있다. 이때, 센서(230)는 사용자 고정 수단(210)에 올려진 사용자(200)의 얼굴에서 동공(201) 주변을 센싱할 수 있다.
디스플레이(220)는 테스트 문제, 실제 문제 및 사용자의 특성 확인을 위한 정보들을 표시할 수 있다. 예를 들어, 사용자의 특성 확인을 위한 정보는 센서의 칼리브레이션을 수행하기 위하여 표시하는 정보, 및 사용자의 동공 크기 기저 반응을 측정하기 위하여 표시하는 정보 중 적어도 하나를 포함할 수 있다.
센서(230)는 사용자(200)의 동공(201)을 센싱하여 동공 데이터를 생성할 수 있다. 예를 들어, 센서(230)는 사용자(200)의 동공을 촬영하는 카메라, 사용자(200)가 착용한 거울 내장 콘택트 렌즈의 반사된 빛을 감지하는 광 센서, 사용자(200)가 착용한 코일 내장 콘택트 렌즈의 자기장을 감지하는 자기장 센서 중 하나일 수 있다. 또한, 센서(230)가 생성하는 동공 데이터는 동공 크기 데이터, 시선 위치 데이터, 및 안구 운동 데이터 중 적어도 하나를 포함할 수 있다.
도 3은 본 발명의 일실시예에 따른 측정 장치가 센서의 칼리브레이션을 수행하기 위하여 표시하는 화면의 일례이다.
센서(230)는 사용자의 눈의 특성을 고려하여 동공 데이터에 포함될 시선 위치 데이터를 생성하기 위하여 칼리브레이션을 수행할 수 있다. 예를 들어, 센서(230)는 시선 추적기를 포함하고, 시선 추적기에 대응하는 칼리브레이션을 수행할 수 있다.
이때, 디스플레이(220)는 도 3에 도시된 화면(310)을 표시하고, 화면에 포함된 원을 이동시키면서 사용자에게 시선으로 원의 이동을 추적하도록 요청하는 메시지를 출력할 수 있다.
그리고, 센서(230)는 원의 이동에 따라 변화하는 사용자의 동공의 위치를 센싱하여 칼리브레이션을 수행할 수 있다. 이때, 센서(230)가 칼리브레이션을 성공한 경우, 디스플레이(220)는 칼리브레이션 결과 화면(320)를 출력할 수 있다.
또한, 센서(230)가 칼리브레이션을 성공하지 못한 경우, 디스플레이(220)는 사용자에게 위치 변경을 제안한 후, 다시 칼리브레이션을 시도하는 과정을 반복할 수 있다.
도 4는 본 발명의 일실시예에 따른 측정 장치가 사용자의 동공 크기 기저 반응을 측정하기 위하여 표시하는 화면의 일례이다.
측정 장치(101)는 사용자의 동공 크기 기저 반응을 측정하기 위하여 디스플레이(220)가 초기 화면(410)을 표시하도록 할 수 있다. 그리고, 사용자가 '다음으로' 버튼을 선택한 경우, 디스플레이(220)는 기저 반응 측정 화면(420)을 표시할 수 있다.
도 4의 실시예에서는 사용자에게 '다음으로' 버튼을 클릭하도록 요청하고 있으나, 실시예에 따라서는 디스플레이(220)가 키보드의 키 중 하나를 입력하도록 하거나, 도 4의 설명과 다른 형상, 또는 내용의 아이콘을 선택하도록 하거나, 일정 시간이 경과하면 기저 반응 측정 화면(420)을 표시하도록 할 수 있다.
또한, 센서(230)는 사용자가 기저 반응 측정 화면(420)의 중앙에 표시된 X를 주시하는 동안 사용자의 동공 크기를 센싱할 수 있다. 그리고, 센서(230)는 센싱한 동공 크기의 평균 데이터를 사용자의 동공 크기 기저 반응으로 측정할 수 있다.
도 5는 본 발명의 일실시예에 따라 측정한 인지 부하 지표 변수의 정규성 검증 결과의 일례이다.
인지 부하 지표 변수 분석부(120)는 인지 부하 지표 변수에 대하여 정규성 검정을 시행하여 시선 고정 지속 시간 다이어그램(510)과 동공 크기 변화량 다이어그램(520)을 생성할 수 있다. 이때, 시선 고정 지속 시간 다이어그램(510)은 데이터가 초반에 몰려 있는 형상이므로, 정규 분포와 차이가 있을 수 있다.
따라서, 인지 부하 지표 변수 분석부(120)는 시선 고정 지속 시간 다이어그램(510)에 자연 로그를 적용하여 정규 분포를 따르는 시선 고정 지속 시간 다이어그램(610)과 시선 고정 지속 시간 히스토그램(620)을 생성할 수 있다.
그리고, 인지 부하 지표 변수 분석부(120)는 시선 고정 지속 시간 다이어그램(610)과 시선 고정 지속 시간 히스토그램(620) 및 동공 크기 변화량 다이어그램(520)을 이용하여 인지 부하 비표 변수를 분석할 수 있다.
도 7은 본 발명의 일실시예에 따른 시선 고정 지속 시간에 대한 이원 분산 분석 결과의 일례이다.
인지 부하 지표 변수 분석부(120)가 시선 고정 지속 시간에 대한 이원 분산 분석 결과는 표 3에 도시된 바와 같을 수 있다.
또한, 인지 부하 지표 변수 분석부(120)는 도 7에 도시된 바와 같이 시선 고정 지속 시간을 기준으로 문제 양식에 따른 과제 복합도에 대한 이원 분산 분석 결과(710)과 시선 고정 지속 시간을 기준으로 과제 복합도에 따른 문제 양식에 대한 이원 분산 분석 결과(720)를 출력할 수도 있다.
도 8은 본 발명의 일실시예에 따른 동공 크기 변화량에 대한 이원 분산 분석 결과의 일례이다.
인지 부하 지표 변수 분석부(120)가 동공 크기 변화량에 대한 이원 분산 분석 결과는 표 4에 도시된 바와 같을 수 있다.
또한, 인지 부하 지표 변수 분석부(120)는 도 8에 도시된 바와 같이 동공 크기 변화량을 기준으로 문제 양식에 따른 과제 복합도에 대한 이원 분산 분석 결과(720)과 동공 크기 변화량을 기준으로 과제 복합도에 따른 문제 양식에 대한 이원 분산 분석 결과(720)를 출력할 수도 있다. 이때, 이원 분산 분석 결과(720)에 따르면 과제 복합도가 동일하더라도 문제 양식에 따라 동공 크기 변화량에 차이가 있을 수 있다.
인지 부하 지표 변수 분석부(120)는 Tukey HSD(honestly significant difference)6) 사후 검정을 시행하여 도 9에 도시된 바와 같은 동공 크기 변화량에 대한 사후 분석 결과를 출력할 수 있다.
도 10은 본 발명의 일실시예에 따른 학업 성취도 예측 방법을 도시한 플로우차트이다.
단계(1010)에서 인지 부하 지표 변수 측정부(110)는 측정 장치(101)로부터 수신한 사용자의 동공 데이터를 기초로 사용자의 인지 부하 지표 변수를 측정할 수 있다. 이때, 인지 부하 지표 변수 측정부(110)는 동공 데이터에 포함된 동공 크기 데이터를 이용하여 상기 문제들 각각에 대한 동공 크기 변화량을 결정하고, 동공 데이터에 포함된 시선 위치 데이터, 및 안구 운동 데이터를 이용하여 상기 문제들 각각에 대한 시선 고정 지속 시간을 결정하며, 동공 크기 변화량 및 시선 고정 지속 시간을 사용자의 인지 부하 지표 변수로 설정할 수 있다.
단계(1020)에서 인지 부하 지표 변수 분석부(120)는 학습 성과 측정 검사에서 사용하는 문제들 각각의 문제 양식에 따른 인지 부하 지표 변수의 차이를 분석할 수 있다.
단계(1030)에서 인지 부하 지표 변수 분석부(120)는 문제들 각각의 과제 복합도에 따른 인지 부하 지표 변수의 차이를 분석할 수 있다.
단계(1040)에서 학업 성취도 예측부(130)는 문제 양식 및 과제 복합도에 따른 인지 부하 지표 변수의 분석결과를 이용하여 학습 성과 측정 검사에 대한 사용자의 학업 성취도를 예측할 수 있다.
본 발명은 인지 부하 지표 변수 및 인지 부하 지표 변수들 간의 상호 작용을 이용하여 문제 양식 및 과제 복합도에 따른 사용자의 학업 성취도를 예측할 수 있다.
또한, 본 발명은 문제에 포함된 구성 요소들의 개수 및 구성 요소들 간의 상호 작용의 개수를 기초로 과제 복합도를 결정할 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
100: 학업 성취도 예측 장치
101: 측정 장치
110: 인지 부하 지표 변수 측정부
120: 인지 부하 지표 변수 분석부
130: 학업 성취도 예측부
101: 측정 장치
110: 인지 부하 지표 변수 측정부
120: 인지 부하 지표 변수 분석부
130: 학업 성취도 예측부
Claims (10)
- 사용자의 동공 데이터를 기초로 상기 사용자의 인지 부하 지표 변수를 측정하는 단계;
학습 성과 측정 검사에서 사용하는 문제들 각각의 문제 양식에 따른 인지 부하 지표 변수의 차이를 분석하는 단계
상기 문제들 각각의 과제 복합도에 따른 인지 부하 지표 변수의 차이를 분석하는 단계; 및
문제 양식 및 과제 복합도에 따른 인지 부하 지표 변수의 분석결과를 이용하여 상기 학습 성과 측정 검사에 대한 사용자의 학업 성취도를 예측하는 단계
를 포함하는 학업 성취도 예측 방법. - 제1항에 있어서,
상기 문제들 각각에 대한 작업 단계와 구성 요소를 도출하는 단계; 및
상기 작업 단계들 각각에 포함된 구성 요소들의 개수를 기초로 구성 요소들 간의 상호 작용의 개수를 결정하는 단계; 및
작업 단계들 각각에 포함된 구성 요소들의 개수 및 상호 작용의 개수들을 더하여 과제 복합도를 결정하는 단계
를 포함하는 학업 성취도 예측 방법. - 제1항에 있어서,
상기 인지 부하 지표 변수를 측정하는 단계는,
상기 문제들 각각을 주시하는 사용자의 동공 데이터를 수집하는 단계;
상기 동공 데이터에 포함된 동공 크기 데이터를 이용하여 상기 문제들 각각에 대한 동공 크기 변화량을 결정하는 단계;
상기 동공 데이터에 포함된 시선 위치 데이터, 및 안구 운동 데이터를 이용하여 상기 문제들 각각에 대한 시선 고정 지속 시간을 결정하는 단계; 및
상기 동공 크기 변화량 및 상기 시선 고정 지속 시간을 상기 사용자의 인지 부하 지표 변수로 설정하는 단계
를 포함하는 학업 성취도 예측 방법. - 제1항에 있어서,
상기 문제 양식에 따른 인지 부하 지표 변수의 차이를 분석하는 단계는,
테스트 문제의 문제 양식 별로 사용자의 동공 크기 변화량을 측정하는 단계; 및
실제 문제를 주시한 사용자로부터 측정한 동공 크기 변화량을 기초로 실제 문제의 문제 양식을 추정하는 단계
를 포함하는 학업 성취도 예측 방법. - 제1항에 있어서,
상기 사용자의 학업 성취도를 예측하는 단계는,
문제 양식에 따른 인지 부하 지표 변수의 분석 결과 및 과제 복합도에 따른 인지 부하 지표 변수의 분석 결과를 기초로 문제 양식 및 과제 복합도 간의 상호 작용에 따른 인지 부하 지표 변수를 분석하는 단계; 및
문제 양식 및 과제 복합도 간의 상호 작용에 따른 인지 부하 지표 변수의 분석 결과, 문제 양식에 따른 인지 부하 지표 변수의 분석 결과 및 과제 복합도에 따른 인지 부하 지표 변수의 분석 결과를 단순 선형 회귀 분석하여 인지 부하 지표 변수에 대응하는 사용자의 학업 성취도를 예측하는 단계
를 포함하는 학업 성취도 예측 방법. - 사용자의 동공 데이터를 기초로 상기 사용자의 인지 부하 지표 변수를 측정하는 인지 부하 지표 변수 측정부;
학습 성과 측정 검사에서 사용하는 문제들 각각의 문제 양식에 따른 인지 부하 지표 변수의 차이를 분석하고, 상기 문제들 각각의 과제 복합도에 따른 인지 부하 지표 변수의 차이를 분석하는 인지 부하 지표 변수 분석부; 및
문제 양식 및 과제 복합도에 따른 인지 부하 지표 변수의 분석결과를 이용하여 상기 학습 성과 측정 검사에 대한 사용자의 학업 성취도를 예측하는 학업 성취도 예측부
를 포함하는 학업 성취도 예측 장치. - 제6항에 있어서,
상기 인지 부하 지표 변수 분석부는,
상기 문제들 각각에 대한 작업 단계와 구성 요소를 도출하고, 상기 작업 단계들 각각에 포함된 구성 요소들의 개수를 기초로 구성 요소들 간의 상호 작용의 개수를 결정하며, 작업 단계들 각각에 포함된 구성 요소들의 개수 및 상호 작용의 개수들을 더하여 과제 복합도를 결정하는 학업 성취도 예측 장치. - 제6항에 있어서,
상기 인지 부하 지표 변수 측정부는,
상기 문제들 각각을 주시하는 사용자의 동공 데이터를 수집하고, 상기 동공 데이터에 포함된 동공 크기 데이터를 이용하여 상기 문제들 각각에 대한 동공 크기 변화량을 결정하며, 상기 동공 데이터에 포함된 시선 위치 데이터, 및 안구 운동 데이터를 이용하여 상기 문제들 각각에 대한 시선 고정 지속 시간을 결정하고, 상기 동공 크기 변화량 및 상기 시선 고정 지속 시간을 상기 사용자의 인지 부하 지표 변수로 설정하는 학업 성취도 예측 장치. - 제6항에 있어서,
상기 인지 부하 지표 변수 분석부는,
테스트 문제의 문제 양식 별로 사용자의 동공 크기 변화량을 측정하고, 실제 문제를 주시한 사용자로부터 측정한 동공 크기 변화량을 기초로 실제 문제의 문제 양식을 추정하는 학업 성취도 예측 장치. - 제6항에 있어서,
상기 학업 성취도 예측부는,
문제 양식에 따른 인지 부하 지표 변수의 분석 결과 및 과제 복합도에 따른 인지 부하 지표 변수의 분석 결과를 기초로 문제 양식 및 과제 복합도 간의 상호 작용에 따른 인지 부하 지표 변수를 분석하고, 문제 양식 및 과제 복합도 간의 상호 작용에 따른 인지 부하 지표 변수의 분석 결과, 문제 양식에 따른 인지 부하 지표 변수의 분석 결과 및 과제 복합도에 따른 인지 부하 지표 변수의 분석 결과를 단순 선형 회귀 분석하여 인지 부하 지표 변수에 대응하는 사용자의 학업 성취도를 예측하는 학업 성취도 예측 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190063934A KR102265779B1 (ko) | 2019-05-30 | 2019-05-30 | 인지 부하 지표 변수를 사용한 학업 성취도 예측 장치 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190063934A KR102265779B1 (ko) | 2019-05-30 | 2019-05-30 | 인지 부하 지표 변수를 사용한 학업 성취도 예측 장치 및 그 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200137484A true KR20200137484A (ko) | 2020-12-09 |
| KR102265779B1 KR102265779B1 (ko) | 2021-06-16 |
Family
ID=73787277
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190063934A KR102265779B1 (ko) | 2019-05-30 | 2019-05-30 | 인지 부하 지표 변수를 사용한 학업 성취도 예측 장치 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102265779B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116701774A (zh) * | 2023-08-04 | 2023-09-05 | 广东悦学科技有限公司 | 基于学生行为分析的教学方案推荐方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016109981A (ja) * | 2014-12-09 | 2016-06-20 | 株式会社日立製作所 | 学習管理システムおよび学習管理方法 |
| KR20180107576A (ko) * | 2017-03-22 | 2018-10-02 | 이화여자대학교 산학협력단 | 학습 동영상을 시청하는 학습자의 시각 행동을 이용한 학업 성취 예측 방법 및 학업 성취 예측 장치 |
| KR20190021752A (ko) * | 2017-08-23 | 2019-03-06 | 이화여자대학교 산학협력단 | 사전 지식 및 생리 심리 반응을 이용한 인지 부하 판단 방법 및 인지 부하 판단 장치 |
-
2019
- 2019-05-30 KR KR1020190063934A patent/KR102265779B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016109981A (ja) * | 2014-12-09 | 2016-06-20 | 株式会社日立製作所 | 学習管理システムおよび学習管理方法 |
| KR20180107576A (ko) * | 2017-03-22 | 2018-10-02 | 이화여자대학교 산학협력단 | 학습 동영상을 시청하는 학습자의 시각 행동을 이용한 학업 성취 예측 방법 및 학업 성취 예측 장치 |
| KR20190021752A (ko) * | 2017-08-23 | 2019-03-06 | 이화여자대학교 산학협력단 | 사전 지식 및 생리 심리 반응을 이용한 인지 부하 판단 방법 및 인지 부하 판단 장치 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116701774A (zh) * | 2023-08-04 | 2023-09-05 | 广东悦学科技有限公司 | 基于学生行为分析的教学方案推荐方法及装置 |
| CN116701774B (zh) * | 2023-08-04 | 2024-02-23 | 南京怡享康健科技有限公司 | 基于学生行为分析的教学方案推荐方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102265779B1 (ko) | 2021-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2013201418B2 (en) | Aircrew training system | |
| CN107515677A (zh) | 注意力检测方法、装置和存储介质 | |
| US9002671B2 (en) | Systems and methods for latency and measurement uncertainty management in stimulus-response tests | |
| US20170004616A1 (en) | Visual inspection support apparatus, visual inspection support method and program | |
| US20190179482A1 (en) | Method and computer program for monitoring touchscreen events of a handheld device | |
| EP3618078A1 (en) | System and method for controlling quality of performance of digital applications | |
| Parisay et al. | Felix: Fixation-based eye fatigue load index a multi-factor measure for gaze-based interactions | |
| CN109065187A (zh) | 一种尿液跟踪分析方法和装置 | |
| Chadha et al. | Seven-and eight-year trends in resident and fellow glaucoma surgical experience | |
| WO2017165373A1 (en) | System and method for testing peripheral vision | |
| Voloh et al. | MAD saccade: statistically robust saccade threshold estimation via the median absolute deviation | |
| JP2017515210A (ja) | ディスプレイ装置を操作する方法及びシステム | |
| CN106504001A (zh) | 一种vr环境中的支付方法及装置 | |
| EP2835718B1 (en) | Perusing determination device, perusing determination method | |
| KR102265779B1 (ko) | 인지 부하 지표 변수를 사용한 학업 성취도 예측 장치 및 그 방법 | |
| Vuckovic et al. | A sequential sampling account of response bias and speed–accuracy tradeoffs in a conflict detection task. | |
| Foerster et al. | Error cancellation | |
| JP7235960B2 (ja) | ジョブ電力予測プログラム、ジョブ電力予測方法、およびジョブ電力予測装置 | |
| CN115670373B (zh) | 一种眼动检测方法、装置、设备及介质 | |
| Bader et al. | Towards automated detection of mobile usability issues | |
| US10740382B2 (en) | Sentiment analysis as a quality indicator in usability testing | |
| CN109303547A (zh) | 一种视功能检查方法、装置、计算机设备和介质 | |
| Hatzfeld et al. | It’s all about the subject-options to improve psychometric procedure performance | |
| CN115471903A (zh) | 认知评估系统 | |
| Liapis et al. | UDSP+ stress detection based on user-reported emotional ratings and wearable skin conductance sensor |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |