Ученые из НИУ ВШЭ и «Сколково» разработали модель машинного обучения, предсказывающую успешность человека в задаче на внимание по времени реакции и движениям глаз.
Наш успех при решении сложных умственных задач зависит как от общих когнитивных способностей, так и от доступного ресурса внимания человека при выполнении этих задач. Внимание особенно важно для задач, связанных с удержанием в уме зрительной информации, кроме того, оно необходимо в процессе обучения. Именно поэтому ученым было необходимо научиться измерять, как ресурс внимания в зрительных задачах влияет на успешность их выполнения.
В рамках психологии развития и образования изучалось измерение ментального внимания. Уже долгое время было известно, что показатели ментального внимания сильно коррелируют с общим интеллектом и успеваемостью. Авторы нового исследования впервые применили алгоритмы машинного обучения, чтобы понять, по каким измеряемым данным можно предсказать точность выполнения задачи на внимание. Исследователи собирали данные о времени реакции и движении глаз.В рамках эксперимента участники выполняли задачу на соответствие цветов в нескольких вариантах: с воздушными шариками и с клоунами. На короткое время перед человеком появлялись изображения с различными цветами. От участников требовалось сравнить картинку с предыдущей и ответить, совпадают ли цвета. У каждой задачи есть шесть уровней сложности, которые зависят от количества цветов, которые нужно обработать. Вариант с клоуном, содержащий больше визуальных деталей, всегда немного сложнее варианта с шариками. В эксперименте участвовали 57 здоровых взрослых людей, средний возраст которых составлял 23 года.
Полученные данные анализировали с использованием моделей машинного обучения. Мерой успешности считалась точность, а именно – процент правильных ответов для каждого испытуемого на каждом уровне сложности. Было установлено, что модель «регрессор XGBoost» показала лучший результат. Ей удалось с высокой точностью (82,8%) предсказать, даст ли участник верный ответ. Важным параметром для анализа оказалась скорость ответа. Испытуемые давали меньше верных вариантов ответа, чем более она варьировалась. Кроме того, уже в меньшей степени на результат влияло движение глаз. Успешность испытуемого можно было предсказать, анализируя среднее количество фиксаций на каждой картинке и их длительность, число саккад, частоту морганий и размер зрачка.Авторы считают, что разработанный подход может быть использован для изучения параметров, которые предсказывают успешность в решении задач, связанных с ресурсами ментального внимания. Кроме того, подход полезен и в практических целях для предсказания в реальном времени когнитивных способностей специалистов, объем которых может изменяться под влиянием таких факторов, как физическое состояние и усталость. Исследование проведено при поддержке Российского научного фонда. Результаты опубликованы в Decision Support Systems.
Фото: Мари Арсалиду (Примеры изображений клоунов и шариков, количество цветов определяет уровень сложности)Это новость от журнала ММ «Машины и механизмы». Не знаете такого? Приглашаем прямо сейчас познакомиться с этим удивительным журналом.