基于机器学习眼动追踪技术评估杂乱背景噪声对计时压力任务表现的注意力影响

随着城市化进程的推进，噪声污染正不断增加。文献表明，杂乱背景噪声会降低注意力。计时测试作为一种需要高度注意力的压力任务，正变得越来越重要，用于评估学生的学业表现。然而，关于背景噪声如何通过影响注意力来影响计时压力任务表现的研究仍不充分，这正是本研究旨在解决的议题。本研究对纸质SAT数学测试在增加时间压力下的表现进行了两次实验：一次在寂静环境下进行，一次在包含对话和交通背景噪声的环境下进行。注意力通过测量眨眼率来评估，这种测量使用来自dLib机器学习面部检测模型的眼部特征点。首先，本研究确认了背景噪声对注意力和表现都有不利影响。通过眨眼率衡量的注意力被确立为压力任务表现的指标。其二，本研究发现，由于背景噪声导致眨眼率增加的参与者与眨眼率减少的参与者在表现上存在差异，可能与他们对噪声对注意力影响的自我感知相关。其三，通过案例研究发现，某有注意力缺陷多动障碍（ADHD）的学生在背景噪声下表现出增强的注意力和表现。其四，本研究发现，尽管两个群体开始时的眨眼率相似，但暴露于噪声的群体在接近结束时眨眼率显著增加，表明噪声会随时间推移降低注意力。虽然学校通常可以为计时压力任务提供安静的环境，但本研究建议就噪声对学生影响进行个体化治疗。未来的研究可以采用不同的注意力指数来巩固本研究的发现，或在不同的背景噪声下进行本研究。