基于眼动识别的习题评估方式研究

王丰

传统习题评估方式是以学生答题结果与参考答案之间的差异来衡量学生的学习情况。这样的方式简单直接，却忽略了许多有价值的信息。本文从分析学生做题时蕴含的有价值信息入手，引入眼动识别技术对学生练习过程的信息进行加工，以眼动识别技术原理为基础，对专注度、兴趣度、选择题选项时长进行分析，设计开发出一套“眼动识别分析平台”。

一、背景

练习题是教师为巩固学生知识而布置的任务，是教师跟踪学生学习的一种方式。传统的习题评估方式是以学生的答题结果与参考答案之间的差异来衡量学生的学习情况。这样的方式简单直接，却忽略了许多有价值的信息：

1.学生做特定题目时注意力的集中程度。采样获取到每个学生做每个题目时的注意力集中度，通过多样本分析是个别学生的注意力分散，还是某个题目普遍性的导致学生注意力分散。如果是个别学生的注意力分散，我们采取个别辅导的方式加强学生对知识的掌握。如果是某个题目普遍性的导致学生注意力分散，教师就应该深入分析该题，搜集相关题型，有针对性地给学生深入讲解。

2.学生做题过程中在某个题目停留的时长能反应出对某习题的兴趣程度。对错题的停留时长分析能够获得有价值的信息：（1）停留时间长说明有解题兴趣，最终做错。（2）停留时间短说明解题兴趣不高，随意性做题导致做错。根据两种不同的情况，教师再有针对性地对学生进行教育教学，能够较快地帮助学生成长。

学生的习题不仅是最终答案的对错，其中还蕴含有非常丰富的信息。正确解读学生练习题中多样的信息可以帮助教师有针对性地制定教学计划，有效促进学生对知识的掌握。随着科学技术的进步，让我们从多维度让学生习题分析成为可能。本文使用眼动识别技术，提出了一种针对学生做习题时的过程评估方式。

二、原理介绍

从显示器的中心绘制横纵坐标轴（X/Y轴），将显示器划分为4个象限（如图1）。

在显示器正上方放置摄像头，正对操作者。摄像头实时采集显示器前的人脸照片，通过算法分析照片中人的眼球相对位置，估算出人眼的视线方向（如图2）。

从视线方向对应出人眼关注的显示器区域，再结合上时间维度进行分析，能判断出人对显示器上某区域的停留时间。结合当时显示器上正在显示的内容，就得出显示内容与人思维的各种关系。最后，通过分析显示内容与人思维的关系，有针对性地解决各种遇到的问题。图1给出了人眼照片中眼球方向对应的显示器区域。由摄像头拍摄人眼实时照片。分析照片中检测到人眼球相对于眼睛的不同位置，可以对应出人眼正在注视显示器的具体位置。当眼球相对位置X轴为负，Y轴为正时，则人眼正在注视显示器的A区域。当眼球相对位置X轴为正，Y轴为正时，则人眼正在注视显示器的B区域。当眼球相对位置X轴为负，Y轴为负时，则人眼正在注视显示器的C区域。当眼球相对位置X轴为正，Y轴为负时，则人眼正在注视显示器的D区域。

三、情景分析

1.专注度估计：将习题放置于屏幕的特定区域，鼠标或键盘焦点表示当前正在进行中的题目。屏幕正上方的摄像头定时采集学生的面部头像，通过眼动识别算法分析出学生当前的视线注视点，从而判断学生的注意力是否集中在所做习题上。

专注习题次数：鼠标或键盘焦点位于习题上的时间段内，摄像头采集到做题者专注于当前习题的图像次数。

采集次数：鼠标或键盘焦点位于习题上的时间段内，摄像头总采集次数。

专注度=专注习题次数/采集次数

对错题的指导意义（当发生错题时）：通过每个习题“专注度”的统计可以分析学生做题时的专心程度。结合上做题者的错题，可挖掘学生错题是否由于注意力分散所导致。

专注度高：解题专心，最终做错，知識点掌握不牢固。针对这种情况，教师应该加强对学生知识点的巩固。软件在测量学生专注度的同时，还能统计分析出所有学生的易错题。通过对每个题目设定关键标签的方式，可以标记题目所属的类型和知识点。在统计时能自动帮助教师分析出学生的易错知识点，从而在做题中发现学生在学习上的薄弱环节，教师再根据分析结果有的放矢地调整教学计划、设计教学内容，真正做到以学生为主体，教师辅助学生更好地掌握学科知识。

专注度低：解题分心导致错误，培养做题者的专注力。针对这种情况，教师应该从多方面对学生进行培养。如调整教学内容，使教学内容更富有趣味性，制作生动活泼、色彩丰富的教具，吸引学生的注意力，注重结合学生的有意注意和无意注意，让学生在学习过程中始终将注意力集中在知识点上。教学过程要更注重调动学生的积极性，让学生的学习更具主动性，做到让学生因为兴趣而产生学习的动力。长此以往，不断培养学生的专注力，最终让学生在学习和做题时都保持注意力集中，不再因为注意力分散导致错题。

2.兴趣度估计：结合“专注度”的应用场景，采集次数越多，表明做题者在某个习题的停留时间越长。做题专注度高表明做题者在专心解题。

兴趣度=专注度伊采集次数

对错题的指导意义（当发生错题时）：

兴趣度高：有解题兴趣，最终做错，知识点掌握不牢固。

兴趣度低：解题兴趣不高，随意性做题导致做错。考虑提高题目趣味性，提高做题者读题能力。

3.选择题选项时间估计：考查题型中不乏选择题，将选择题分为4个选项，每个选项对应屏幕的一个区域，通过眼动识别算法分析出学生当前的视线注视点，从而判断学生在每个选项上的停留时长（每次采集的间隔时间固定，因此采集次数越多，表明停留时间越长）。通过多样本统计（样本数>10），计算出每个选项的平均时长，进而从选项占用时长分析出学生做题时的难点。

单样本采集次数：单个做题者专注某选项时被采集的次数；

选项平均时长= sum（单样本采集次数）辕样本数；

对错题的指导意义（当发生错题时）：

例如：选项和时间的对应关系为：A选项视线停留时长2 s，B选项视线停留时长33 s，C选项视线停留时长45 s，D选项视线停留时长5 s，那么B选项和C选项就是学生做题时较难区分和决断的选项，在讲解题目时教师应该着重帮助学生进行区分。

四、应用情况

依托上述理论，基于“专注度估计”“兴趣度估计”“选择题选项时间估计”应用场景，我设计开发出一套“眼动习题分析平台”用于学生平时的习题练习。该平台目前提供给本校学习《C语言程序设计》课程的学生使用。软件的界面上呈现具体题目，学生做题时正对屏幕，屏幕上方配备摄像头，实时采集做题者的眼动信息。学生在做题过程中不会受到摄像头采集的干扰（即摄像头对做题者信息的采集对于做题者是无感知的），做题者可以专心做题，能够真实反应出做题者的实际情况。对于做题过程中采集到的数据实时保存到后台服务器中，学生通过大量的做题，后台服务器就能智能分析出学生的做题情况，给出做题报告。学生完成练习后，软件自动给出分析评价，评价中包含学生练习每个题目时摄像头的“总采集次数”“专注度”“兴趣度”。学生可以查看自己的练习评估分值，教师也可根据班级内学生的做题情况采取有针对性的指导，帮助学生快速提高成绩。

软件平台智能分析习题的统计数据，对每个学生给出对应的评价，自动输出每个学生的评语。系统能给出当前学生做题总时长，同时列出班级学生平均做题时长。系统自动计算出当前学生做题专注度分值，同时列出同班同学平均专注度分值。系统统计出当前学生兴趣度最高的题目，同时列出班级内兴趣度最高的题目。最终，系统给当前做题者进行评级，评级维度包括时长、专注度、兴趣点。从系统给出的评价中，学生能知晓自己在做题中的薄弱环节，有针对性地加强这方面的练习。教师也能根据系统给出的评级实施因材施教。

该软件平台在实际使用中获得了学生及教师的认可和好评。“眼动习题分析平台”新颖的评测方式激发了学生的做题热情，让学生做题量大大增加。学生在班级内自发地进行平台竞赛，争相挑战平台的高评级。教师在运用该平台的后，纷纷表示眼动识别帶来的多维度习题评价体系让习题的批改更便捷、更智能、更全面，基于眼动识别技术创建的“眼动习题分析平台”能够让教师从更多角度了解学生并有针对性地进行辅导。

本文从分析学生做题时蕴含的有价值信息入手，引入眼动识别技术对学生练习过程信息进行加工，以眼动识别技术原理为基础，对专注度、兴趣度、选择题选项时长进行分析，设计开发出一套“眼动识别分析平台”。该软件在日常的教学活动中运用，能分析出学生在做题过程中的“专注度”“兴趣度”，学生可以查看自己的练习评估分值，教师可根据班级内学生的做题情况采取有针对性的指导，帮助学生快速提高成绩。基于眼动识别技术创建的“眼动习题分析平台”能够让教师从更多角度了解学生并有针对性地进行辅导，该技术和平台的运用受到学生和教师的一致好评。未来，本软件将结合眼动识别技术，完善眼动识别技术算法，使软件能够适用于更多的应用场景。在学生做题时的评估维度方面，笔者将查询更多的文献资料，引入更加丰富科学的做题过程评估体系，力求更全面地覆盖学生做习题过程产生的信息，从而更好地为学生学习和教师教学提供帮助。