.png){kind=icon}
返回
.png){kind=icon}
.png){kind=icon}
摘要
En 中文
虚拟现实（VR）技术通过模拟真实环境提供沉浸式学习体验。然而，传统VR系统通常缺乏对学习者认知状态的个性化适应。本研究介绍了一种集成眼动追踪和卷积神经网络（CNNs）的VR教学系统，能够根据学习者的视觉注意力和认知负荷动态调整教学内容。通过分析注视行为和认知反应，该系统提供自适应反馈以增强学习效果。实验结果表明，注意力集中度与记忆准确率之间存在显著正相关（beta=0.74，p<0.001），表明基于眼动追踪的自适应反馈能够提升学习效果。结构方程模型验证了系统的预测机制和教学适应性，为在基于VR的教学设计中整合眼动追踪和深度学习提供了实证支持。
Keyword:
Virtual reality
eye tracking
deep learning
convolutional neural networks
teaching and learning
期刊
IF:
1.6
论文数:
57
被引数:
633
机构
引用论文
Technological Implication of the Digital Twin Approach on the Intelligent Education SystemShe, M.; Xiao, M.; Zhao, Y. 数字孪生方法对智能教育系统技术影响的研究。Int. J. Hum. Robot. 2023, 20, 2250005. [Google Scholar] [CrossRef].png)
PREAI
.png){kind=icon}
分享.png){kind=icon}
收藏Emotion recognition using deep learning approach from audio-visual emotional big data.png)
INFORMATION FUSION
INFORMATION FUSIONIF15.5
PREAI
分享收藏Teachers’ visual processing of children’s off-task behaviors in class: A comparison between teachers and student teachersPLOS ONE
OAAI
PLOS ONEIF0
OAAI分享收藏
Differences in thinking flexibility between novices and experts based on eye trackingPLOS ONEOAAI
PLOS ONEIF0
OAAI分享收藏Research on recognition and intervention of behavior sequences in virtual museum learningPLOS ONE
PLOS ONEIF0
PREAI
分享收藏
查看更多内容