基于网络摄像头的在线学习注意力追踪：可行性研究

大规模开放在线课程（MOOC）运动的主要弱点是保留率：只有少数学习者（平均5-10%，极端情况下<1%）成功完成MOOC。学习者不成功的原因有很多，其中最重要的是缺乏自我调节能力：学习者往往无法自我调节其学习行为。为学习者设计提供更强学习意识工具对MOOC环境的未来成功至关重要。检测学习者在学习过程中的注意力涣散尤为重要，因为这可以使我们进行干预并将学习者的注意力拉回学习材料。检测这种注意力涣散的一种技术手段是网络摄像头——如今几乎所有笔记本电脑都有的 ubiquitous 硬件。最近，研究人员开始将网络摄像头作为复杂机器学习解决方案的一部分，基于眼动追踪和注视数据来检测注意力不集中或注意力涣散。然而，这些方法往往检测延迟高、不准确，且设计复杂难以维护。相比之下，本文探索了利用简单指标（如注视存在或面部存在）来检测在线学习环境中注意力涣散的可能性。为此，我们使用专门为此设计的基准测试套件评估了三种消费级和专业级眼动追踪框架的性能：该套件包含一组常见的xMOOC用户活动和行为。我们的研究结果表明，即使是这些简单的指标也对当前的硬件和软件眼动追踪解决方案构成了重大挑战。