权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

視線情報を用いたかな漢字変換時の認知行動モデル構築と作業集中度推定への応用

利用注视信息构建假名汉字转换过程中的认知行为模型及其在估计工作专注水平中的应用

基本信息

批准号：
21K17787
负责人：
辻愛里
金额：
$ 2.91万
依托单位：
Tokyo University of Agriculture and Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

PC作業者の作業に対する集中度を低負荷かつ定量的に推定できれば、知的生産性の改善に向けての作業環境の改善や作業への適切な割り込みタイミングの推定といった介入が可能になることが考えられる。このとき、集中度を作業者が持つ認知資源のうち主作業に振り分けられる割合と考えると、二重課題時には注意の分配によって反応時間が増加するという認知心理学上の知見から、集中度低下時には認知判断時間が増加すると予想される。認知判断時間の増減を集中度の指標とするため、日常的な作業中に偏在し定型性の高い認知判断タスクである「黙読」と「文章入力」に着目し、作業者の視線運動と認知資源配分すなわち集中度との関係性を実験結果に基づきモデル化することで、集中度の推定を目指す。本年度は前年度に実施した1)集中条件 2)主作業への阻害タスクあり条件 3)作業継続による疲労条件の3条件下における黙読タスク中の視線運動計測実験データに対し、個人差標準化処理及び視線行動の類似度を用いた訓練データ選抜を適用することで識別モデルの個人化を試み、個人化適用前の正解率0.422から最高で0.607の精度向上という結果を確認した。また、入力を伴う校正タスク中においても同様の3条件下実験を実施し、得られたデータから構築した識別モデルを構築した。

PC operators の homework にす seaborne る concentration を low-load かつ quantitative に presumption できれば, known as the productive の improve に to けての improve the working environment のや homework への appropriate な cut り込みタイミングの presumption といった may intervene がになることが exam えられる. このとき, concentration を operators がつ cognitive resources のうち main job に vibration り points けられる cut close と exam えると, double subject には note の distribution によってが raised against 応 time plus するというの on cognitive psychology knowledge から, low concentration には cognitive judgment time が raised すると to think される. Cognitive judgment time の raised を concentration reduction の index とするため, daily な homework に partial し stereotypes sex のい high cognitive judgment タスクである "黙読" と "article" into force に mesh し, operators の eye movement と cognitive resources distribution すなわち concentration との masato is sexual を be 験 results にづきモデル change することで presumption, concentration のを refers Youdaoplaceholder0. The current year に the previous year に the actual implementation た1) concentrated conditions 2) main operation へ the <s:1> pest control タスああ conditions 3) homework 継続による exhausted の労 conditions under the condition of 3 における黙読タスクの in eye movement measuring be 験データにし seaborne, poor personal standardized を処 principle and び view action の similar degrees with いた training データ optional sorting を applicable することで recognition モデルの personalized をの before test み, personalized applicable rate of positive solutions of 0.422 から highest で 0.607 の Accuracy up ととう result を confirm たた. また, を with う into force calibration タスク in においても with others の 3 conditions be 験を be し, too られたデータから build した recognition モデルを build した.