基于眼球定位技術的在線教育系統框架思考

潘雪峰　崔鶴　刁言歌

【摘要】在線教育發展迅速，也存在學習者效率不高的問題。隨著眼球定位技術的出現和發展，在線教育將會大有作為，研究試圖基于眼球定位技術原理，收集學習者的學習信息，以便及時了解其學習狀況并給予提醒和指導；同時還提出研究定位技術在在線教育系統框架設計中的應用情景和具體應用，為同行研究者或在線教育產品設計提供借鑒。

【關鍵字】在線教育；系統框架；人機交互：眼球定位；場景分析；顆粒度

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009-8097（2013）07-0081-04

引言

近幾年來，隨著網絡信息技術及移動互聯網的發展和大規模普及，在線教育受到越來越多的學者和高校機構的追捧，美國幾乎所有的公立高校都已經開設在線教育課程，國內也已有超過一百所高校開設了網絡教育學院，并制作了大量的在線課程資源。大量的優質課程資源吸引大批商業機構和風險資本進入，催生了MOOC（Massive Open Online Courses，大規模開放在線課程）、Flipped Class（翻轉課堂）、SCOC（Small-scaleClose Online Courses，小規模封閉在線課程）等在線教育模式。

一 問題背景

相對傳統課堂而言，在線教育具有很多優點，如學習時間靈活、以較低學習費用可獲得相對優質的課程資源、解放教師以創造更多優質課程資源等等。然而，在線教育的實際效果一直飽受爭議。國外的調研數據顯示：已開設MOOC在線教育課程并參與調查的教授中有高達72%認為參加MOOC在線學習的學生并不滿足課程考核要求，無法獲取相應學分。

此外，根據美國杜克大學關于在線教育課程的公開數據顯示：2012年秋季開設的Bioelectricity（生物電學）在線課程中，選課學生12725名，但最后參加考試并且考試合格拿到學分的學生僅僅占到總選課人數的2.5%。具體數據如表1。

由表1的數據可以得知，目前在線教育的學習效果差強人意，這也反應出在線教育現在面臨的普遍問題，即在線教育對學習者學習過程的實際行為無法或者很難進行監控和干預，造成學習效率低下，學習效果較差；且在線教育對學習者學習結束后的知識掌握程度也沒有做到及時收集和分析，錯過最佳指導和反饋再學習的時機。

哈佛大學心理學研究學者Karl Szpunar等人最近發表在美國PNAS（Proceedings oftheNationalAcademy ofSciences.美國國家科學院院刊）的一項研究報告顯示，可以總結出當前在線教育課程教學低效的一些原因。該研究表明：由于學習者在進行在線教育課程學習過程中沒有有效的過程監督和行為干預，觀看視頻的過程中，學習者的注意力無法保持持續集中，并且不同程度地出現學習期間做其他事情的現象，這是影響在線教育課程的學習效果的一個普遍性的問題。

本文針對在線教育現在面臨的這些普遍性問題，引入一些較成熟的人機交互技術，提出一種可行并能夠在學習者學習的同時有效監控學習者學習過程中注意力、分段學習時間等信息的解決方案。

二 人機交互和實際應用結合形成巨大創新力量

人機交互技術（Human-Computer Interaction TechniQues）是指通過計算機的輸入輸出設備，以特定有效的方式實現人與計算機溝通對話和交互的技術。隨著計算機技術的發展，人機交互技術越來越多地應用在我們的日常生活中：尤其是近年來移動智能設備如智能手機、平板電腦等的快速發展，一系列人機交互技術如觸摸屏、攝像頭、虛擬鍵盤、圖像識別、語音識別等技術被廣泛地應用。通過這些人機交互技術的使用，我們可以很方便地通過各種傳感器和設備來讓計算機為我們實現特定具體的工作。日常生活中常見的人機交互技術如表2。

人機交互和實際的應用需求相結合后可以形成巨大的創新力量。Apple公司iPhone智能手機取得的巨大成功，其很重要的一個原因就是將人機交互技術和用戶體驗很好地統一起來，如Multi-Touch（多點觸控）技術可以方便用戶進行縮放圖片；陀螺儀傳感器使得手機可以自動調節畫面的顯示；光線傳感器實現了屏幕亮度的自動調節；距離傳感器使得手機貼近耳朵接聽電話或貼近身體時自動關閉屏幕以避免產生的觸碰誤操作；智能語音助手Siri可以讓用戶在雙手被占用的情況下也能夠進行撥打電話或信息查詢等……這些人機交互技術給用戶帶來前所未有的優質體驗，雖然這些功能并沒有加強甚至脫離了作為手機的第一功能——打電話，但是這使得iPhone取得了巨大的成功。

隨著人機交互技術及網絡等技術的不斷進步和發展，眼球定位技術使得具備攝像頭的移動智能終端實現了通過攝像頭來進行監控用戶眼球的活動，如三星Galaxy s Ⅲ智能手機等。那么通過這項技術就可以做很多創新，如果用在在線教育上面，則可以實現學習者學習過程的檢測和數據采集，通過數據的分析則可以及時了解學習者的學習態度、進展情況等信息，以便于在線教育機構及服務提供者通過一些方式來進行及時補習或提醒。

下文介紹基于眼球定位的人機交互技術的在線教育系統框架設計應該怎么實現，并總結其能夠實現的具體應用場景。三基于眼球定位技術的在線教育系統框架設計思考

眼球定位技術是近兩年才出現的人機交互技術，通過智能移動終端的前置攝像頭來監控眼球的運動，并根據眼球的視點所在位置判斷用戶正在注視的屏幕區域，從而實現定位功能。雖然目前僅有三星Galaxy S Ⅲ、Galaxy Note Ⅱ智能手機等產品上已經集成了基于眼球定位技術的相關功能，在3月份，研究定位技術的發明者一一以色列創業公司uIVloove（http：//umoove.me）已經計劃于4月份推出眼球定位及追蹤（Eye-Tracking）技術的SDK（Software Development Kit），開發者將可以輕松的使用此SDK提供的API（ApplicationProgram Interface/應用程序接口庫）來實現Smart Scroll（用眼球運動控制頁面滾動）、Smart Pause（目光離開屏幕，視頻即可暫停播放）和用眼球的運動控制游戲取代游戲手柄等功能。我們可以預見將會有越來越多的智能終端包括平板電腦，筆記本電腦等產品也會擁有眼球定位技術，所以本文基于眼球定位技術研究并設計在線教育系統的框架模型是很有意義的。

以下從幾個場景進行分析和闡述該框架模型針對在線教育的具體問題及解決方法。

1 學習者學習過程中注意力的監控和提醒

在線教育課程大多是通過視頻播放來進行教學。在學習過程當中，對著枯燥的視頻，學習者難免會出現注意力不集中或打瞌睡等現象，也會出現一定程度邊學習邊切換窗口聊天等其他與學習無關的操作和行為，這些行為勢必會影響到學習的效果和效率。

為解決這樣的問題，可以基于眼球定位技術，通過兩個步驟來設計解決辦法。第一，當學習者眼球視點位于屏幕有效區域內進行計時，獲取學習者學習過程中每段注意力集中和“走神兒”的時間；第二，當學習者在學習過程中多次或者長時間不集中注意力時，通過“走神兒”時間長度及次數的評判對學習者進行及時的提示。

如圖1（虛擬數據）所示：在一節55分鐘的課堂上，學習者真正學習的時間為T1+T2+T3+T4=51分鐘，那么每段注意力集中的持續時間大概15分鐘左右，在學習者注意力不集中的時間段的學習內容被記錄下來并打上該學習者的標識，則可以在接下來的測試中重點進行考察，以確定該學習者是否真正掌握這些內容，并在一定程度上可以補習注意力不集中時間段的學習內容。同時，如果“走神兒”時間較長，系統可以及時發出提醒，以使學習者盡快恢復注意力學習，提高有效學習時間。

2 課程內容顆粒度設計

對大量學習者的每段注意力集中的時間數據信息進行匯總和分析，并按照學習者年齡/年級、學習科目、學習形式等進行分類評估和挖掘，得出不同情況下不同人群能夠保持注意力持續集中的平均時間，這個平均時間可以作為設計課程內容知識點顆粒度的重要參考，盡量將每個知識點的講解時間片段控制在近似相等或者短于學習者注意力持續集中的平均時間。這對于提升學習效率和保證學習效果具有重要的意義。

表3為一個例子（虛擬數據）。由表3可以知道學習者學習不同科目知識點時能夠保持的注意力集中時間不同，對于數學中的三角函數，平均注意力集中持續時間為20分鐘，則設計該課程時盡量能夠使得顆粒度在20分鐘內能夠讓學習者在注意力最集中的時候進行學習完，理論上講，學習效率應該較高；同樣c++派生類知識點應該在28分鐘更加合理。

3 在線測試的內容和時間設計

在線課堂中插入隨堂測試可以有效的減少學習者注意力不集中時間，并能夠在一定程度上提高學習效率。在線測試現在己經成為在線教育比較常見的檢查學習效果的方法之一，但是，怎樣才能讓在線隨堂測試的數據更有價值和意義呢？

引入眼球定位技術可以挖掘和抓取隨堂測試的更多準確的數據信息。現有的隨堂測試已經可以記錄每道題目的答題時間，但是無法準確獲取每道題目實際有效的答題時間。通過眼球定位技術，可以準確獲取學習者視點位于某一題目區域內的時間，從而獲取該題目實際有效的答題時間。根據不同學習者對同一題目的有效答題時間、準確率等數據的對比和分析，可以得出題目的平均答題時間、難度系數、是否存在作弊等統計信息。這些數據可以作為試題內容設計和測試時間評估等的重要參考。表4為一個例子（虛擬數據）：

根據表4中的數據，同學D每道題目都能夠很短時間內完成，則可以得出同學D作弊抄襲的可能性很大，因為不管答案是否正確，在A、B、C同學都需要大量時間進行答題的情況下，D同學的有效答題時間非常短則說明很有較大作弊可能。同時根據A、B、C同學的有效答題時間可以獲取每道題目的平均答題時間為40/20/119/67/70/153s，則可以將該試卷的測試時間定為每道題目平均答題時間之和469s加上一定冗余時間（如1800s）則比較合理，既能節省時間又能夠最大限度測試出學習者的學習效果情況。

4 教學內容板塊位置編排和教學內容設計

各種教學網站是在線教育現在最常見的形式，通過頁面進行展現學習內容。我們知道，頁面空間內不同區域能夠獲得學習者關注的程度不同。眼球定位技術則可以提供一種有效的方法來研究屏幕不同區域得到學習者的關注程度，通過學習者眼球的視點在不同區域內停留的時間即可得知屏幕對于學習者的有效區域。根據停留時間的范圍進行頁面區域劃分和設計，將比較重要的學習內容或需要更長時間進行學習的內容放在學習者停留時間較長的區域，次重要的內容或較少顆粒度的學習內容放在學習者停留時間較短的區域等，按照這樣的板塊劃分和編排對于學習者學習效率的提高是有很大的價值和參考意義的。

如圖2（虛擬數據）所示，D區域中用戶注意力停留時間最長，而B、G等區域不受學習者關注，通過合理的分區來進行統計性測試則可以得到比較客觀和有價值的數據，這對于在線教育系統的頁面子板塊劃分和編排是很有意義的。

此外，在讀書學習的時候我們可以根據學習者在不同章節停留的時間長短，可以分析推斷得出該學習者對某一些章節比較有興趣或某些內容對于該學習者是相對困難的；在線測試過程中，同樣可以根據學習者在每道題目上所花費的時間來進行判斷題目的難度系數，推斷該學習者對不同內容掌握的情況。通過眼球定位技術也可以給UGC（User Generated Content，用戶自生成內容）模式注入創新力量，通過用戶對某些資源的某些片段的停留時間的分析，就可以將相對用戶感興趣或用戶認為有價值的內容片段進行重新編排形成新的優質課程資源，這對于優質課程資源的沉淀有極高的應用價值。

眼球定位技術對于在線教育教學內容的設計和內容板塊劃分及板塊位置編排都有極好的研究和參考價值，合理的設計能夠潛移默化地影響學習者的學習過程，提高學習效率。

5 提升模擬駕駛等學習的效率和體驗

在交互式教學領域，模擬駕駛是一個很典型的例子。眼球定位技術的引入可以改善模擬駕駛等類似學習過程的有效率和用戶體驗。

模擬駕駛需要學習者能夠在模擬的真實路況下進行駕駛學習，需要眼、手、腦并動，其中“用眼看”是很重要的前提，那么如果學習者沒有集中注意力進行觀察，那么學習的效率就會降低。通過眼球定位技術的應用，就可以對學習者的注意力等進行實時監控，在注意力不集中的時候或沒有觀察應該觀察的區域時給予及時的提醒，這樣可以提高學習者的學習效率，并能夠使學習者在學習過程中養成真實環境中的良好習慣。

在真實駕駛環境中，眼球定位技術也可以用于疲勞駕駛、危險告知等方面的監控提醒等，保護駕駛安全。

6 定時提醒學習者休息以保護眼睛健康

眼球定位技術可以實現按照學習者實際有效的學習時間對學習者定時進行提醒休息，以保護眼睛的健康。由于計算機的快速普及和應用，電子屏幕對其使用者的眼睛健康構成了較大的威脅，越來越多的小學生都不得不戴上眼鏡以調節視力。教育的本質并沒有涉及學習者身體健康的內容，但身體健康也應該作為保證教育和教育保證的一項內容。平衡學習效率和適度休息是一個值得研究的課題，我們希望眼球定位技術能夠在這一領域內有所作為。

眼球定位技術在在線教育領域的應用不僅僅是以上六個方面能夠涵蓋的，隨著技術的發展和跨學科的應用，眼球定位技術及其他更多的人機交互技術將會為在線教育的發展提供新的內容、思考方式等的創新，提高在線教育的學習效率和學習體驗。

四 結束語

在線教育大幅度擴展了教育的覆蓋面，使學習者擺脫上課地點時間等限制，對教育的發展有很大的幫助和價值。但，從目前來看，在線教育面臨的困難除了文中討論的效果不佳的問題外，還存在其他的問題：如復雜技術架構的研發風險和資金投入風險、在線教育機構急功近利的態度、學習過程缺少實時有效監督等；同時，部分高校的教育質量正經歷一定程度的“信用危機”，這導致更多的人盲目轉向在線教育尋求幫助。在線教育的發展和升級還需要更多的借鑒傳統課堂的一些經驗并通過合適的手段（如人機交互技術等）加以運用，需要更多顛覆性的創新來支撐。

本文通過眼球定位的人機交互技術來解決在線教育所面臨的一些問題，但這不是解決問題的唯一方法。隨著計算機技術等的發展，未來一定有更好的技術和更方便的方法來解決在線教育遇到的各種問題。本文主要希望通過眼球定位技術的解決方案來為在線教育發展提供一些啟發，希望能夠給在線教育系統的設計和開發提供一條新的道路和方向。