文献

J-GLOBAL ID：202202278375351516   整理番号：22A0795956

認知能力を予測する因子に関する機械学習研究:困難度,反応時間および眼球運動【JST・京大機械翻訳】

A machine learning investigation of factors that contribute to predicting cognitive performance: Difficulty level, reaction time and eye-movements

著者 (6件)： Bachurina Valentina (HSE University, Moscow, Russian Federation) ,  Sushchinskaya Svetlana (Skolkovo Institute of Science and Technology, Russian Federation) ,  Sharaev Maxim (Skolkovo Institute of Science and Technology, Russian Federation) ,  Burnaev Evgeny (Skolkovo Institute of Science and Technology, Russian Federation) ,  Arsalidou Marie (HSE University, Moscow, Russian Federation) ,  Arsalidou Marie (York University, Toronto, Canada)
資料名： Decision Support Systems  (Decision Support Systems)
巻： 155  ページ： Null  発行年： 2022年 
JST資料番号： D0487C  ISSN： 0167-9236  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 認知的に困難なタスクにおける予測精度の予測は,教育と産業における潜在的用途を有する。タスク要求は,応答時間と反応時間と眼トラッキングメトリックの変化の増加と関連しているが,機械学習研究は,複数のレベルの困難を伴うタスクに関する性能を予測するためには使用されていない。作業困難,反応時間および眼球運動に関連するメトリックスを考慮した精度スコアを予測するために,6レベルの困難および機械学習法を用いて,精神的注意能力の課題を行った成人参加者に関するデータを報告する。結果は,機械学習モデルが,反応時間と困難レベルによって性能をロバストに予測することができ,最強の予測子であることを示した。眼追跡指標は,固定数,サッカード数,現在の固定期間および瞳孔サイズによって駆動されるモデルの最も重要な特徴で,精度を独立に予測することができる。結果の実際的および理論的意味を議論した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *眼球運動 ,  反応時間 ,  理論 ,  認識 ,  成人 ,  モデル ,  作業 ,  応答時間 ,  注意 ,  ロバスト性 ,  *機械学習
準シソーラス用語： 予測子 ,  予測精度 ,  認知能力 ,  メトリックス , 【Automatic Indexing@JST】

著者キーワード (5件)： 眼追跡 ,  機械学習 ,  精神的注意 ,  認知需要 ,  客観的困難性

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 認知能力 ,  予測 ,  因子 ,  機械学習 ,  研究 ,  反応時間 ,  眼球運動