視線模式預測 AI 圖像評估中的偏好與信心
arXiv - Computers and SocietyNikolas Papadopoulos, Shreenithi Navaneethan, Sheng Bai, Ankur Samanta, Paul Sajda
本研究利用眼動追蹤技術，揭示了人類在成對 AI 圖像評估時的認知過程，發現視線模式能預測偏好選擇與信心程度。
AI 幫你先抓重點
AI 重點 1
視線模式可預測偏好選擇。
滑鼠懸停看 AI 判斷理由
此發現對於提升 AI 系統理解人類偏好的能力至關重要，尤其是在涉及主觀評價的場景中，例如圖像生成、推薦系統等，能幫助 AI 更好地學習和模擬人類的判斷過程。
AI 重點 2
視線轉換頻率反映決策信心。
滑鼠懸停看 AI 判斷理由
了解視線模式與決策信心的關係，有助於設計更有效的用戶界面和評估工具，例如在線上學習平台中，可以根據學生的視線行為判斷其對學習內容的理解程度，並提供相應的輔導。
核心研究發現
- 1
研究觀察到「視線瀑布效應」，即在做出決定前約一秒，視線會轉向所選圖像。
- 2
無論信心程度如何，視線瀑布效應的動態都保持一致，顯示其普遍性。
- 3
視線特徵（停留時間、注視次數、重新注視次數）能以 68% 的準確度預測二元選擇，所選圖像獲得更多關注。
- 4
視線轉換模式能以 66% 的準確度區分高信心與不確定的決策，低信心試驗中圖像切換頻率更高。
- 5
研究結果表明，視線模式能預測成對圖像評估中的選擇與信心，為偏好註解的品質提供隱含訊號。
對教育工作者的啟發
此研究結果提示，在利用人類回饋訓練 AI 模型時，除了收集最終的偏好判斷，還應考慮記錄用戶的視線行為，以更全面地理解其認知過程。這有助於提升 AI 模型的準確性和可靠性，並改善人機互動體驗。例如，在設計線上學習平台時，可以利用眼動追蹤技術監控學生的學習過程，並根據其視線行為提供個性化的學習輔導。
原始文獻資訊
- 英文標題：
- Gaze patterns predict preference and confidence in pairwise AI image evaluation
- 作者：
- Nikolas Papadopoulos, Shreenithi Navaneethan, Sheng Bai, Ankur Samanta, Paul Sajda
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- ISTA-DASLab/gemma-3-27b-it-GPTQ-4b-128g
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。