Eye-Tracking Supported Adaptive E-Learning … ein FH plus Projekt

1. Eye-Tracking & E-LearningAlexandra M. PreisFH JOANNEUM, Informations-DesignPsychologische Forschung & Beratung

2. Eye-Tracking Supported Adaptive E-Learning … ein FHplus Projekt • Partner: • FH JOANNEUM / Informations-DesignDI Dr.Maja Pivec et al. • TU Graz / IICMDI Dr.Christian Gütl et al. • Projektstart: November 2003

3. Bereicherung vonE-LearningSystemendurch Eye-Tracking, der Blickbewegungsmessung und -analyse

4. Agenda • Projektziele • Tools • Dynamische Hintergrundbibliothek • Eye Tracking • Blickbewegungen • Erwartete Ergebnisse

5. Projektziele (1) Innovatives E-Learning System • Technik soll Lernende unterstützen • Adaptive Wissensvermittlung • Intelligentes User-Profiling als Basis • Breites Spektrum an Usergruppen ansprechen • Unterschiedliche Lernstile berücksichtigen • Neue Visualisierungsmethoden anbieten

6. Projektziele (2) Innovatives E-Learning System • Schnittstelle & Inhalt an Wissen, Können, Vorlieben, Bedürfnisse der Lernenden anpassen • Userverhalten erfassen • Auf Userverhalten reagieren • Lern- und Problemlösungsprozesse unterstützen • Navigation, Informationsauffindung erleichtern • Kommunikation mit dem/der Benutzer/in & Feedback fördern

7. Tools (1) User Profiling & Adaptive Wissensvermittlung • Dynamische Hintergrundbibliothek: Bereitstellung von Zusatzinformationen • Eye-Tracking System:Erfassung und Analyse von Blickbewegungen ... als Bereicherung ...

8. Dynamische Hintergrundbibliothek (1) Xfind(Gütl et al., 1999) • Dynamische Verlinkung der Lerneinheiten mit xFind • Weiterführende Informationen auffinden & managen • Quellen: Web & andere Wissenssysteme

9. Dynamische Hintergrundbibliothek (2) Ziele • Zusatzinformationen adaptiv, personalisiert darbieten: Wissensstand, Bedürfnissen, Interessen entsprechend • Informationsauffindung erleichtern • Lernprozesse, Problemlösen unterstützen • Unsicherheit im komplexen E-Learning System durch Bereicherung mit relevanter Info reduzieren

10. Eye-Tracking (1) Ziele • Blickbewegungen in Echtzeit erfassen und analysieren • Informationen über Benutzerverhalten undBenutzungsfreundlichkeit der Schnittstelle gewinnen • Userprofile ausarbeiten • Feedback zum Lernverhalten geben • Optimierungsvorschläge anbieten, die Lern- & Problemlöseprozesse unterstützen

11. Eye-Tracking (2)

12. Eye-Tracking (3) Das System • TOBII, Stockholm, SE • Remote System • Keine Befestigung am Kopf • Trotzdem große Bewegungsfreiheit • Kamera unauffällig, Umgebung natürlich • PCCR Methode • Pupil-Centre-Corneal-Reflection, Infrarotlicht • Kalibrierung einfach & schnell

13. Blickbewegungen (1) • Sind großteilsunbewusst, unwillkürlich • Liefern wertvolle Informationenüber • Verhalten • Aufmerksamkeit • Kognitive Prozesse • Hard Facts, unabhängig von Gedächtnis, Motivation der User

14. Blickbewegungen (2) Fixationen • Relativ stabile Perioden: Pausen • Ausschnitt des visuellen Feldes (Bildschirm) fokussiert • Dauer 200 - 400 ms • Geschwindigkeit 100°/sec • Informationsaufnahme u. -verarbeitung

15. Blickbewegungen (3) Sakkaden • Schnelle Augenbewegungen: Sprünge • Bringen neuen Ausschnitt des visuellen Feldes in Fokus • Dauer 25 – 100 ms • Geschwindigkeit 300°/s • Keine Informationsaufnahme

16. Blickbewegungen (4) Lesen Scannen

17. Blickbewegungen (5) Informationen • Kognitive Prozesse • Suchprozesse • Orientierungsprozesse • Aufmerksamkeitsverteilung • Tiefe der Informationsverarbeitung • Beanspruchung, Aufgabenschwierigkeit • Müdigkeit: Lidschlag • Emotionale Reaktion: Pupille

18. START REFERENCE TARGET Blickbewegungen (6)

19. Blickbewegungen (7) Daten • Tatsächlich konsumierte Inhalte • Bearbeitungsdauer / Verweildauer • Häufigkeit • Reihenfolge / Pfade Aktuelle Software (Müller, 2002) • Pupillendurchmesser • Veränderung des Lidschlags

20. Blickbewegungen (8) Implikationen • Bei Ermüdung Pause vorschlagen • Bei Orientierungslosigkeit Pfade anbieten • Effiziente Suchstrategien vorschlagen • Schnittstelle in Hinblick auf Aufmerksamkeitsverteilung strukturieren • Besonders relevante Inhalte aufgrund der Nutzungsfrequenz identifizieren

21. Erwartete Ergebnisse (1) Erwartete Ergebnisse • Umfassende Informationen über Benutzerverhalten • Identifizierung & Behebung von Problembereichen:Struktur & Informationsfluss • Optimierung der adaptiven Wissensvermittlung • Neue Visualisierungsmethoden • Benutzerprofile, Filtermethoden • Verbessertes Course Progress Tracking

22. Erwartete Ergebnisse (2) Anwendungsgebiete • Lernen & Problemlösen unterstützen 100%iges Lernen • Wissensstand erheben & maßgeschneidertes Wissen vermitteln • E-Learning Content, Struktur, Informationsfluss optimieren

23. Erwartete Ergebnisse (3) Unsere Zielgruppen • Eye-Tracking Systemhersteller • Hardwarehersteller • E-Learning PlattformentwicklerKnowledge Management Plattformentwickler • Contententwickler • Enduser in komplexen Entscheidungssituationen: Luftfahrt, Straßenverkehr, Risk Management, Decision Support

24. Die Bedürfnisse der Benutzer/innen stehen im Vordergrund !!!

25. Danke für Ihr InteresseJ alexandra.preis@fh-joanneum.at