確定那行讀對了嗎？基於信心分數的即時閱讀注視點行分配方法
arXiv - Human-Computer InteractionFranziska Kaltenberger, Wei-Ling Chen, Enkeleda Thaqi, Enkelejda Kasneci
提出 CONF-LA 演算法，透過信心分數實現低延遲且高準確度的即時閱讀注視點行分配。
AI 幫你先抓重點
AI 重點 1
從「事後分析」轉向「即時互動」的技術突破
滑鼠懸停看 AI 判斷理由
過去的眼動追蹤研究多聚焦於事後數據處理，限制了即時輔助的可能性；此研究透過處理不確定性，讓即時閱讀支援（如即時干擾或引導）在技術上變得可行。
AI 重點 2
針對兒童閱讀行為特性的優化設計
滑鼠懸停看 AI 判斷理由
兒童在閱讀時常有頻繁的回視行為，傳統演算法易在此產生錯誤；CONF-LA 展現出的高穩定性，意味著未來開發針對兒童的自適應學習系統時，能獲得更可靠的數據基礎。
核心研究發現
- 1
CONF-LA 演算法能有效整合閱讀行為知識與高斯行似然值，計算後驗行分數，並在不確定性高時延後分配。
- 2
在現有開源數據測試中，CONF-LA 的即時與離線分析表現差距縮小至 1-2%，平均每注視點延遲僅 0.348 毫秒。
- 3
該方法對回視行為（regressions）具有高度不變性，在兒童數據的即時中位數準確度達約 95%，顯著優於其他演算法。
對教育工作者的啟發
對於開發自適應學習系統（Adaptive Learning Systems）的開發者而言，此研究提供了關鍵技術路徑。若要設計能即時偵測學生閱讀困難（如閱讀停滯或過度回視）的 AI 教師，必須具備高準確度的即時行分配能力。建議開發者在設計互動介面時，可參考此種「基於信心分數」的邏輯，當系統無法確定學生正在閱讀哪一行時，應採取「延後判斷」而非「錯誤判斷」，以避免錯誤的即時反饋干擾學生的自主學習流程。
原始文獻資訊
- 英文標題：
- Sure About That Line? Approaching Confidence-Based, Real-Time Line Assignment in Reading Gaze Data
- 作者：
- Franziska Kaltenberger, Wei-Ling Chen, Enkeleda Thaqi, Enkelejda Kasneci
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
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。