Eng
首頁 / 人文社會 / 批判性閱讀中的視覺行為模式:眼動數據的新發現

批判性閱讀中的視覺行為模式:眼動數據的新發現

【本篇報導由學習科學學士學位學程  蔡孟蓉教授研究團隊提供】

  在21世紀,批判性閱讀對於資訊素養是不可或缺的。然而,學生如何閱讀和處理有爭議議題的衝突訊息,仍然不太清楚。此探索性研究目的旨在於運用眼動追蹤技術,辨識學生處理社會科學議題衝突資訊的批判閱讀視覺行為特徵,並檢視學生的視覺行為、閱讀策略和閱讀任務結果之間的關係。總共有48名本科和研究生參與閱讀食品科學議題相關的繁體中文衝突文本。在受試者閱讀的過程中,收集了眼動資料。並在閱讀後立即收集了自我陳述的批判性閱讀策略、記憶回溯和議題觀點。使用斯皮爾曼相關分析、遲滯序列分析和內容分析來分析數據。結果顯示,自我陳述批判性閱讀策略得分較高的受試者傾向於更專注在衝突訊息中的推理,並在他們的回應中包含更多的判斷。此外,兩種重要的批判性閱讀視覺行為模式被識別出來:(1)在思考或休息後,批判性讀者的視覺注意力直接轉向推理訊息;以及(2)批判性讀者的視覺注意力在推理和數據訊息之間轉移。這兩種視覺行為模式表明,對衝突資訊的批判、推理中,數據檢閱是相當重要的。這項研究利用眼動追蹤技術,在批判性閱讀策略和眼動數據與自我陳述的批判性閱讀策略之間的關係提供了證據。研究結果有助於未來適性化學習系統的設計和批判性閱讀策略的教學。


 

  在二十一世紀,資訊素養涵蓋了批判性閱讀,但對於學生如何閱讀處理爭議議題仍不明瞭,因此本研究選擇兩個爭議性社會科學議題作為閱讀素材,素材呈現被分為:「定義、支持理由、支持資料、支持推論、反對理由、反對資料和反對推論」七種內容區塊。共收集48位參與者資料,閱讀素材過程中,全程使用眼動儀器紀錄閱讀者的眼動資訊,閱讀後收集參與者的自我陳述批判性閱讀策略、回溯和對議題的看法等資料,研究架構如圖1所示。

  研究將所收集資料以斯皮爾曼相關分析來檢視自我陳述的批判性閱讀策略、眼動指標、回溯和批判性閱讀的閱讀任務成效之間的關係。此外根據自我陳述的批判性閱讀策略(CRS)得分,將參與者分為兩組(高分組、低分組),兩組得分存在顯著差異。圖2呈現為兩組遲滯序列分析結果,圖中箭頭線表示有顯著轉移的視覺行為,而箭頭指的地方表示視覺轉移的方向,高、低兩組有一些相似的雙向線(例如:從「定義」到「支持理由」),有一條相似的單向線(例如:從「支持推論」到「反對理由」),但只有高分組有從「反對資料」到「反對理由」和從「外部」返回到「反對理由」的轉移,而只有低分組有從「定義」到「外部」的轉移。高分組在「反對理由」和「反對資料」有顯著雙向轉移行為,這與先前一些研究文獻有相同發現,此可能表明高分組比低分組的學生更可能以相同的方法來處理支持和反對的資訊,推測是為了構建對爭議性問題的平衡表述。另一個差異為策略較高分的學生,從「外部」區到「反對理由」區的轉換可能表示經過休息或反思資訊後,學生將他們的注意力重新轉移至反對論點的一個重要元素,而策略較低分的學生從「定義」區視覺轉移至「外部」區,這可能表明這些學生可能由於資訊過載或因需要反思閱讀任務的合適方法,這種模式也可能源自於對問題的不熟悉或較低的批判性閱讀策略有關。

  本研究有兩個主要發現:(1)發現自我陳述的批判性閱讀策略、眼動指標和對爭議問題閱讀後的評判之間存在顯著的相互關聯。(2)於高、低批判性閱讀策略兩組學生在閱讀社會科學問題的衝突報告時,有不同的視覺行為模式。此研究在評估批判性閱讀策略眼動追蹤科技應用及眼動追蹤資料和自我陳述批判性閱讀策略之間相關提供了證據,這些發現有助於在資訊素養課程中,教授學生在閱讀衝突資訊時的訊息檢查技巧和從證據推理的能力。未來設計適性或個別化學習系統時,可根據收集到的眼動數據,為學生提供合適的學習教材和回饋機制,來提高他們學習表現。

圖1:研究架構

圖1:研究架構

 

圖2:The visual transition patterns of groups with higher and lower scores on critical reading strategies. Thick and thin lines indicate differences and similarities between the two groups, respectively. The number beside each arrow denotes the probability of the specific transition launched from one AOI. N = sample size; EN = total number of events (transitions).註:Definition:定義、Supporting Reason:支持理由、Supporting Data:支持資料、Supporting Inference:支持推論、Opposing Reason:反對理由、Opposing Data:反對資料、Opposing Inference:反對推論、Out:外部。
圖2:The visual transition patterns of groups with higher and lower scores on critical reading strategies. Thick and thin lines indicate differences and similarities between the two groups, respectively. The number beside each arrow denotes the probability of the specific transition launched from one AOI. N = sample size; EN = total number of events (transitions).註:Definition:定義、Supporting Reason:支持理由、Supporting Data:支持資料、Supporting Inference:支持推論、Opposing Reason:反對理由、Opposing Data:反對資料、Opposing Inference:反對推論、Out:外部。
 

 

原文出處:Tsai, M.-J., Wu, A.-H., Bråten, I., & Wang, C.-Y. (2022). What do critical reading strategies look like? Eye-tracking and lag sequential analysis reveal attention to data and reasoning when reading conflicting information. Computers & Education, 187, 104544. https://doi.org/10.1016/j.compedu.2022.104544

蔡孟蓉 教授 | 學習科學學士學位學程

蔡教授的研究著重於學生如何在各種不同的數位學習環境中學習,尤其是在線上探究學習、遊戲式學習和機器人學習的學習環境。研究領域涵蓋電腦和資訊素養教育到數位的科學學習等。研究主題大多涉及社會科學相關議題的線上資訊搜索和問題解決以及社會文化問題,例如:科技社會中的性別差異和數位落差。近年來,蔡教授使用眼動追蹤技術來研究學習者在數位學習環境中的認知歷程和認知策略。研究團隊已經開發了即時眼動凝視辨識分析系統Real Gaze(RG)和進階眼動資料視覺化分析平台(WEDA),以深入分析和視覺化眼動數據,以創新工具來探究學生的視覺行為模式與學習成效之間的關係,進一步開發適性化學習環境。另一方面的研究是著重在機器人跨領域STEAM課程的開發,根據運算思維和設計思維架構,促進學生21世紀素養。並致力於推動中小學教師在機器人STEAM課程設計方面的專業發展。