基于眼动分析的文档内深、浅阅读行为自动识别研究

发布时间：2020-05-19 16:42

【摘要】：阅读是人们收集信息、获取知识的重要途径。在面对大量文档内信息时,读者根据自身需求和阅读深入程度的不同,呈现出两种不同的阅读行为——深阅读与浅阅读。浅阅读多以快速浏览、跳读为主,思考程度较低,主要作用在于过滤不相关文本信息、寻找比较有用的文章段落,是深阅读的入口;深阅读则对经过浅阅读筛选的内容进行精细阅读,在此过程中投入程度高,呈现逐行逐字阅读的特征。目前学术界对深、浅阅读的研究主要集中在概念辨析、特征描述及深、浅阅读的辩证关系方面,定性研究居多。有效识别深、浅阅读行为对于研究读者认知规律、优化阅读体验具有重要意义,但目前尚无研究关注深、浅阅读识别问题,关于深、浅阅读的定量研究也较少。针对这一现状,本文提出一种基于眼动分析的文档内深、浅阅读行为自动识别方法:从眼球运动视角入手,梳理阅读与眼球运动的关系,论证眼动数据能够反映文档内阅读行为,并阐述深、浅阅读行为在部分眼动数据上存在差异;进而根据文献调研对反映深、浅阅读差异的眼动指标进行构建和选择,认为可以利用深、浅阅读在眼动指标上的差异区分出深、浅阅读行为;梳理可能对这些眼动指标造成影响的其他因素,包括读者因素、文本因素、任务因素等,根据相关文献分析本文认为这些因素影响了阅读过程中深浅阅读行为,进而影响了眼动相关指标。因此本文识别场景限制为控制文本因素,来识别不同读者在不同任务难度下的深、浅阅读行为;分析当前利用眼动数据进行自动类别划分和模式识别研究,论证了利用眼动数据引入机器学习方法进行深、浅阅读自动识别的可行性,进而提出基于特定眼动特征的聚类模型来自动识别深、浅阅读行为的方法。在武汉大学招募24名不同特征被试分别完成3种不同类型阅读任务,收集相关眼动数据作为模型输入,并邀请三名专家采取至少两人一致的原则对模型识别结果进行评判:深、浅阅读片段识别总正确率为84.95%,片段时长总正确率为94.32%,实证结果证实了此种方法的有效性。本文贡献分为两个方面:一方面是从眼动指标入手梳理大量文献,揭示深浅阅读在眼球运动上的差异并构建、选择相关眼动特征,提供一种全新的深、浅阅读定量自动无监督识别研究视角,有效改善当前对深、浅阅读区分存在主观性强、耗时耗力的问题;另一方面自动识别出深、浅阅读能够进一步揭示深、浅阅读比重、变换规律等问题,从而更精准研究不同用户的个性化认知机制,优化用户阅读体验,提供个性化服务,提升信息服务效率。
【图文】：

图３．１基于眼动分析的文档内深、浅阅读行为自动识别模型逡逑３５逡逑

图４．邋２各被试总体正确率逡逑正确率衡量的是被准确识别的深浅阅读片段数或片段时长综合与所有深阅读片段数或时长总和的比率，从图中可以看出，各被试总体正确率较高，大分在８０％以上，其中片段数正确率在８０％－９０％之间，而片段时长正确率在９０％－１００之间。片段时长正确率整体比片段数高。后通过仔细比较专家评判数据与模型
【学位授予单位】：武汉大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：G350

【参考文献】

相关期刊论文 前10条

1 靳慧斌;陈健;刘文辉;宋祥波;洪远;;眼动指标在实时测量心理负荷中的应用进展[J];科学技术与工程;2015年30期

2 温优华;;数字时代学术期刊浅阅读和深阅读的“两手抓”[J];编辑之友;2015年09期

3 张海英;;高校图书馆引导读者协调深阅读与浅阅读的思考[J];兰台世界;2014年14期

4 谢文亮;杨小川;;移动互联网时代学术期刊的浅阅读与深阅读[J];中国科技期刊研究;2014年01期

5 巫金根;闫国利;刘志方;;大小字号的文本对中文读者阅读知觉广度和眼动模式的影响[J];心理科学;2014年01期

6 王飞;;从浅阅读到瞥阅读——新媒体语境下阅读方式嬗变及解读[J];编辑之友;2014年01期

7 魏玉山;;不要轻易否定微阅读、浅阅读、碎片化阅读[J];出版参考;2013年34期

8 茆意宏;;对新媒体阅读争议的思考[J];出版发行研究;2013年09期

9 周亚;;“浅阅读”概念界定及相关辨析[J];图书馆杂志;2013年08期

10 闫国利;熊建萍;臧传丽;余莉莉;崔磊;白学军;;阅读研究中的主要眼动指标评述[J];心理科学进展;2013年04期

相关博士学位论文 前1条

1 隋雪;学习困难生阅读过程的眼动特征[D];辽宁师范大学;2004年

相关硕士学位论文 前1条

1 彭伟;大学生惯性浅阅读行为的基本特征与校正方法[D];宁波大学;2014年

，

本文编号：2671182