دوره 18، شماره 4 - ( مجله کنترل، جلد 18، شماره 4، زمستان 1403 )
جلد 18 شماره 4,1403 صفحات 105-95 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Etaati S, Delrobaei M. Assessment of Individuals' Attention Levels Using Machine Learning and Analysis of Eye and Hand Movement Patterns in the Trail-Making Test. JoC 2025; 18 (4) :95-105
URL: http://joc.kntu.ac.ir/article-1-1056-fa.html
URL: http://joc.kntu.ac.ir/article-1-1056-fa.html
اطاعتی سپیده، دلربایی مهدی. ارزیابی سطح توجه افراد با استفاده از یادگیری ماشین و تحلیل الگوهای حرکتی چشم و دست در آزمون مسیرسازی. مجله کنترل. 1403; 18 (4) :95-105
ارزیابی سطح توجه افراد با استفاده از یادگیری ماشین و تحلیل الگوهای حرکتی چشم و دست در آزمون مسیرسازی
سپیده اطاعتی1 
، مهدی دلربایی*1
، مهدی دلربایی*1
1- دانشکده مهندسی برق، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
چکیده: (507 مشاهده)
توجه بهعنوان یکی از فرایندهای شناختی کلیدی، نقش محوری در فعالیتهای روزمره، یادگیری و تعاملات انسان با محیط ایفا میکند. ارزیابی دقیق و عینی سطح توجه افراد، بهویژه در موقعیتهای پویا و واقعی، همواره با چالشهایی همراه بوده است. روشهای سنتی مانند پرسشنامههای خودگزارشی یا آزمونهای مبتنی بر کاغذ، اغلب قادر به ثبت تغییرات لحظهای توجه یا تأثیر عوامل محیطی نیستند. در این مطالعه با هدف ارائه روشی دقیق و کارآمد برای ارزیابی میزان توجه، از تحلیل الگوهای حرکتی چشم و دست در چارچوب آزمون مسیرسازی بهره برده است. طی فرایند داده گیری، دادههای ۴۲ شرکتکننده سالم در حین انجام آزمون مسیرسازی ثبت شد. حرکات چشم و دست شرکت کنندگان با استفاده از فناوریهای ردیابی چشم و ثبت حرکات موشواره بهدقت اندازهگیری شدهاند و ویژگیهایی مانند جهشها، تثبیتهای چشمی، تعداد پلکزدن و سرعت حرکت موشواره استخراج گردیدند. سپس با بهرهگیری از این ویژگیها، یک مدل جنگل تصادفی برای پیشبینی سطح توجه آموزش داده شد. نتایج نشان میدهند که مدل مذکور با ضریب تعیین ۷۲ درصد توانسته است میزان توجه را به طور دقیق پیشبینی کند. این یافتهها مؤید آن است که الگوهای حرکتی چشم و دست میتوانند بهعنوان شاخصهایی قابلاعتماد برای ارزیابی توجه مورداستفاده قرار گیرند؛ بنابراین استفاده از روش¬های یادگیری ماشین در تحلیل دادههای حرکتی چشم و دست روشی قابلاعتماد برای ارزیابی سطح توجه در موقعیتهای واقعی است. این رویکرد، علاوه بر اهمیت علمی و پژوهشی خود، میتواند کاربردهای عملی در زمینههای مختلف مانند آموزش، روانشناسی بالینی و طراحی سیستمهای تعاملی انسان و کامپیوتر داشته باشد.
نوع مطالعه: پژوهشي |
موضوع مقاله:
تخصصي
دریافت: 1403/9/7 | پذیرش: 1403/12/20 | انتشار الکترونیک پیش از انتشار نهایی: 1403/12/20 | انتشار: 1403/12/28
دریافت: 1403/9/7 | پذیرش: 1403/12/20 | انتشار الکترونیک پیش از انتشار نهایی: 1403/12/20 | انتشار: 1403/12/28
فهرست منابع
1. [1] A. Das, Z. Wu, I. Skrjanec, and A. M. Feit, "Shifting Focus with HCEye: Exploring the Dynamics of Visual Highlighting and Cognitive Load on User Attention and Saliency Prediction," Proc. ACM Hum.-Comput. Interact., vol. 8, no. ETRA, p. 236:1-236:18, May 2024, doi: 10.1145/3655610. [DOI:10.1145/3655610]
2. [2] F. Capozzi and A. Kingstone, "The effects of visual attention on social behavior," Social and Personality Psychology Compass, vol. 18, no. 1, p. e12910, 2024, doi: 10.1111/spc3.12910. [DOI:10.1111/spc3.12910]
3. [3] M. Esterman and D. Rothlein, "Models of sustained attention," Current Opinion in Psychology, vol. 29, pp. 174-180, Oct. 2019, doi: 10.1016/j.copsyc.2019.03.005. [DOI:10.1016/j.copsyc.2019.03.005]
4. [4] W. (Sophia) Deng and V. M. Sloutsky, "Selective attention, diffused attention, and the development of categorization," Cognitive Psychology, vol. 91, pp. 24-62, Dec. 2016, doi: 10.1016/j.cogpsych.2016.09.002. [DOI:10.1016/j.cogpsych.2016.09.002]
5. [5] S. A. Himi, M. Bühner, M. Schwaighofer, A. Klapetek, and S. Hilbert, "Multitasking behavior and its related constructs: Executive functions, working memory capacity, relational integration, and divided attention," Cognition, vol. 189, pp. 275-298, Aug. 2019, doi: 10.1016/j.cognition.2019.04.010. [DOI:10.1016/j.cognition.2019.04.010]
6. [6] N. Watier and M. Dubois, "The Effects of a Brief Mindfulness Exercise on Executive Attention and Recognition Memory," Mindfulness, vol. 7, no. 3, pp. 745-753, June 2016, doi: 10.1007/s12671-016-0514-z. [DOI:10.1007/s12671-016-0514-z]
7. [7] B. C. Wright, "What Stroop tasks can tell us about selective attention from childhood to adulthood," British Journal of Psychology, vol. 108, no. 3, pp. 583-607, 2017, doi: 10.1111/bjop.12230. [DOI:10.1111/bjop.12230]
8. [8] L. Gómez-de-Regil, "Assessment of Executive Function in Patients with Traumatic Brain Injury with the Wisconsin Card-Sorting Test," Brain Sciences, vol. 10, no. 10, Art. no. 10, Oct. 2020, doi: 10.3390/brainsci10100699. [DOI:10.3390/brainsci10100699]
9. [9] V. A. Filippetti, G. L. Krumm, and W. Raimondi, "Computerized versus manual versions of the Wisconsin Card Sorting Test: Implications with typically developing and ADHD children," Applied Neuropsychology: Child, July 2020, Accessed: Feb. 21, 2025. [Online]. Available: https://www.tandfonline.com/doi/abs/10.1080/21622965.2019.1570198
10. [10] D. M. Laura, "Neural correlates of a standardized version of the trail making test in young and elderly adults: A functional near-infrared spectroscopy study," Neuropsychologia, vol. 56, pp. 271-279, Apr. 2014, doi: 10.1016/j.neuropsychologia.2014.01.019. [DOI:10.1016/j.neuropsychologia.2014.01.019]
11. [11] F. Zare, P. Sedighi, and M. Delrobaei, "Evaluating Attentional Impulsivity: A Biomechatronic Approach," IEEE Trans. Instrum. Meas., vol. 72, pp. 1-8, 2023, doi: 10.1109/TIM.2023.3292964. [DOI:10.1109/TIM.2023.3292964]
12. [12] T. Singh, M. Mohadikar, S. Gite, S. Patil, B. Pradhan, and A. Alamri, "Attention Span Prediction Using Head-Pose Estimation With Deep Neural Networks," IEEE Access, vol. 9, pp. 142632-142643, 2021, doi: 10.1109/ACCESS.2021.3120098. [DOI:10.1109/ACCESS.2021.3120098]
13. [13] Z. Trabelsi, F. Alnajjar, M. M. A. Parambil, M. Gochoo, and L. Ali, "Real-Time Attention Monitoring System for Classroom: A Deep Learning Approach for Student's Behavior Recognition," Big Data and Cognitive Computing, vol. 7, no. 1, Art. no. 1, Mar. 2023, doi: 10.3390/bdcc7010048. [DOI:10.3390/bdcc7010048]
14. [14] J. A. Mark, A. Curtin, A. E. Kraft, M. D. Ziegler, and H. Ayaz, "Mental workload assessment by monitoring brain, heart, and eye with six biomedical modalities during six cognitive tasks," Front. Neuroergonomics, vol. 5, Mar. 2024, doi: 10.3389/fnrgo.2024.1345507. [DOI:10.3389/fnrgo.2024.1345507]
15. [15] G. Juantorena, W. Berrios, M. C. Fernández, A. Ibanez, A. Petroni, and J. E. Kamienkowski, "Enhancing Cognitive Assessment: Integrating Hand and Eye Tracking in the Digital Trail-Making Test for Mild Cognitive Impairment," in Proceedings of the 2024 Symposium on Eye Tracking Research and Applications, in ETRA '24. New York, NY, USA: Association for Computing Machinery, June 2024, pp. 1-3. doi: 10.1145/3649902.3655648. [DOI:10.1145/3649902.3655648]
16. [16] L. Recker and C. H. Poth, "Test-retest reliability of eye tracking measures in a computerized Trail Making Test," Journal of Vision, vol. 23, no. 8, p. 15, Aug. 2023, doi: 10.1167/jov.23.8.15. [DOI:10.1167/jov.23.8.15]
17. [17] J. Chandrasekharan, A. Joseph, A. Ram, and G. Nollo, "ETMT: A Tool for Eye-Tracking-Based Trail-Making Test to Detect Cognitive Impairment," Sensors, vol. 23, no. 15, Art. no. 15, Jan. 2023, doi: 10.3390/s23156848. [DOI:10.3390/s23156848]
18. [18] L. Recker, R. M. Foerster, W. X. Schneider, and C. H. Poth, "Emphasizing speed or accuracy in an eye-tracking version of the Trail-Making-Test: Towards experimental diagnostics for decomposing executive functions," PLOS ONE, vol. 17, no. 9, p. e0274579, Sept. 2022, doi: 10.1371/journal.pone.0274579. [DOI:10.1371/journal.pone.0274579]
19. [19] I. Linari, G. E. Juantorena, A. Ibáñez, A. Petroni, and J. E. Kamienkowski, "Unveiling Trail Making Test: visual and manual trajectories indexing multiple executive processes," Sci Rep, vol. 12, no. 1, p. 14265, Aug. 2022, doi: 10.1038/s41598-022-16431-9. [DOI:10.1038/s41598-022-16431-9]
20. [20] K. Townshend and M. Bornschlegl, "Attention Control Scale (ACS)," in Handbook of Assessment in Mindfulness Research, O. N. Medvedev, C. U. Krägeloh, R. J. Siegert, and N. N. Singh, Eds., Cham: Springer International Publishing, 2022, pp. 1-18. doi: 10.1007/978-3-030-77644-2_85-1. [DOI:10.1007/978-3-030-77644-2_85-1]
21. [21] K. W. Brown and R. M. Ryan, "The benefits of being present: Mindfulness and its role in psychological well-being," Journal of Personality and Social Psychology, vol. 84, no. 4, pp. 822-848, 2003, doi: 10.1037/0022-3514.84.4.822. [DOI:10.1037/0022-3514.84.4.822]
22. [22] K. Hagen, "Activation during the Trail Making Test measured with functional near-infrared spectroscopy in healthy elderly subjects," NeuroImage, vol. 85, pp. 583-591, Jan. 2014, doi: 10.1016/j.neuroimage.2013.09.014. [DOI:10.1016/j.neuroimage.2013.09.014]
23. [23] L. L. Russell et al., "Eye movements in frontotemporal dementia: Abnormalities of fixation, saccades and anti-saccades," Alzheimer's & Dementia: Translational Research & Clinical Interventions, vol. 7, no. 1, p. e12218, Jan. 2021, doi: 10.1002/trc2.12218. [DOI:10.1002/trc2.12218]
24. [24] J. Li, G. Ngai, H. V. Leong, and S. C. F. Chan, "Multimodal human attention detection for reading from facial expression, eye gaze, and mouse dynamics," SIGAPP Appl. Comput. Rev., vol. 16, no. 3, pp. 37-49, Nov. 2016, doi: 10.1145/3015297.3015301. [DOI:10.1145/3015297.3015301]
25. [25] D. D. Salvucci and J. H. Goldberg, "Identifying fixations and saccades in eye-tracking protocols," in Proceedings of the 2000 symposium on Eye tracking research & applications, in ETRA '00. New York, NY, USA: Association for Computing Machinery, Nov. 2000, pp. 71-78. doi: 10.1145/355017.355028. [DOI:10.1145/355017.355028]
26. [26] B. Birawo and P. Kasprowski, "Review and Evaluation of Eye Movement Event Detection Algorithms," Sensors (Basel), vol. 22, no. 22, p. 8810, Nov. 2022, doi: 10.3390/s22228810. [DOI:10.3390/s22228810]
27. [27] S. Fu, D. Qin, D. Qiao, and G. T. Amariucai, "RUMBA-Mouse: Rapid User Mouse-Behavior Authentication Using a CNN-RNN Approach," in 2020 IEEE Conference on Communications and Network Security (CNS), June 2020, pp. 1-9. doi: 10.1109/CNS48642.2020.9162287. [DOI:10.1109/CNS48642.2020.9162287]
28. [28] C. Feher, Y. Elovici, R. Moskovitch, L. Rokach, and A. Schclar, "User identity verification via mouse dynamics," Information Sciences, vol. 201, pp. 19-36, Oct. 2012, doi: 10.1016/j.ins.2012.02.066. [DOI:10.1016/j.ins.2012.02.066]
29. [29] S. Khan, C. Devlen, M. Manno, and D. Hou, "Mouse Dynamics Behavioral Biometrics: A Survey," ACM Comput. Surv., vol. 56, no. 6, p. 154:1-154:33, Feb. 2024, doi: 10.1145/3640311. [DOI:10.1145/3640311]
30. [30] P. J. Kieslich, F. Henninger, D. U. Wulff, J. M. B. Haslbeck, and M. Schulte-Mecklenbeck, "Mouse-Tracking: A Practical Guide to Implementation and Analysis 1," in A Handbook of Process Tracing Methods, 2nd ed., Routledge, 2019. [DOI:10.31234/osf.io/zuvqa]
31. [31] Y. Deng, "Predicting and Analyzing Match Fluctuations Based on Random Forest Regression Algorithm," in 2024 IEEE 2nd International Conference on Image Processing and Computer Applications (ICIPCA), June 2024, pp. 1490-1494. doi: 10.1109/ICIPCA61593.2024.10709310. [DOI:10.1109/ICIPCA61593.2024.10709310]
32. [32] L. Wang, X. Zhou, X. Zhu, Z. Dong, and W. Guo, "Estimation of biomass in wheat using random forest regression algorithm and remote sensing data," The Crop Journal, vol. 4, no. 3, pp. 212-219, June 2016, doi: 10.1016/j.cj.2016.01.008. [DOI:10.1016/j.cj.2016.01.008]
33. [33] L. M. C. Cabezas, M. P. Otto, R. Izbicki, and R. B. Stern, "Regression trees for fast and adaptive prediction intervals," Information Sciences, vol. 686, p. 121369, Jan. 2025, doi: 10.1016/j.ins.2024.121369. [DOI:10.1016/j.ins.2024.121369]
34. [34] E. E. McBride and J. M. Greeson, "Mindfulness, cognitive functioning, and academic achievement in college students:the mediating role of stress," Curr Psychol, vol. 42, no. 13, pp. 10924-10934, 2023, doi: 10.1007/s12144-021-02340-z. [DOI:10.1007/s12144-021-02340-z]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
