如何使用眼动数据来预测选择?

这是“神经工程管理”第65篇推送
内容来源:朱红
本期编辑:朱红
校      对:郭晓彤
审      核:付汉良
仅用于学术交流,原文版权归原作者和原发刊所有


前  言

本文是针对论文《如何使用眼动数据来预测选择?(How to predict choice using eye-movements data?)》的一篇论文解析,该论文于20215月发表于《Food Research International》期刊。该研究的作者是Attila Gere, K´aroly H´eberger, S´andor Kov´acs。

摘要&关键词

摘要:近几十年来,眼动检测技术有了明显进步,眼动仪不仅可以作为独立的研究工具使用,还可以作为计算机外围设备使用。这种快速的发展为测量受试者的眼球运动提供了更多的机会。本文提供了预测食物选择的分类模型,并从中选择最佳模型。研究人员向112名被试提供了4个选择集,每个选择集由4个不同的选择任务组成,总共产生十六个选择任务。选择集遵循2-、4-、6-和8-项迫选范式。使用Tobii X2-60眼动仪和Tobii Studio软件分别捕获和导出注视数据。经过变量过滤,对13个分类模型进行了阐述和测试;此外,还计算了8个性能参数。利用排序差异和算法(sum of ranking differences algorithm)根据性能参数对模型进行比较。该算法通过将模型的性能指标排名与预定义的黄金标准进行比较来对模型进行排名和分组。无论选择任务和食品类别如何,基于决策树的技术在所有情况下都是优秀的。在分类器中,Quinlan’s C4.5和代价敏感决策树是性能最好的分类器。未来的研究应关注这些模型的微调及其在移动眼动仪中的应用。

关键词:决策树、分类、排序差异之和、视觉注意、决策





引   用

Attila Gere, Karoly ´ H´eberger, Sandor ´ Kovacs. How to predict choice using eye-movements data?[J]. Food Research International, 2021, 143: 110309.



END




扫码关注我们
道阻且长,行则将至;
行而不辍,未来可期。


神经工程管理联合发起人

李   恒
教   授
香港理工大学
叶   贵 教   授
重庆大学
卢昱杰
教   授
同济大学
廖彬超
副教授
清华大学
陈嘉宇 副教授
香港城市大学
韩   豫 教   授
江苏大学
崇   丹 副教授
上海大学
付汉良
副教授
西安建筑科技大学

西安建筑科技大学神经工程管理实验室成员

付汉良 副教授

侯彩霞 副教授
王萌萌
博士后
郭晓彤 博士后



本篇文章来源于微信公众号:神经工程管理

发表评论

您的电子邮箱地址不会被公开。 必填项已用 * 标注