成人与婴儿视觉分类中眼动追踪变量的自动选择
定量方法
2020-11-30 v2 机器学习
摘要
视觉分类与视觉类别学习出现较早，然而早期分类的潜在机制尚不清楚。考察这些机制的主要限制因素是婴儿配合时长有限（10–15分钟），几乎无多余空间进行多次测试试验。眼动追踪与视觉注意紧密关联，是探究类别学习机制的一种有前景的方法。但研究者应如何决定关注丰富眼动数据中的哪些方面？迄今眼动追踪变量一般为人工挑选，这可能导致眼动数据中的偏差。在此，我们提出一种基于分析各变量区分视觉类别学习者与非学习者之效用而自动选择眼动追踪变量的方法。我们向婴儿与成人呈现类别学习任务并追踪其眼动。随后我们提取了一组过完备的眼动追踪变量，涵盖注视与扫视眼动的时长、概率、潜伏期及顺序。我们比较了三种统计技术以从这一大集合中识别对区分学习者与非学习者有用的变量：ANOVA排序、贝叶斯排序与L1正则化逻辑回归。我们发现这些方法在识别一小簇判别变量上高度一致。此外，同一组眼动追踪变量使我们能以高于71%的准确率在成人与6至8月龄婴儿中分类类别学习者与非学习者。
引用
@article{arxiv.2010.15047,
title = {Automatic selection of eye tracking variables in visual categorization in adults and infants},
author = {Samuel Rivera and Catherine A. Best and Hyungwook Yim and Dirk B. Walther and Vladimir M. Sloutsky and Aleix M. Martinez},
journal= {arXiv preprint arXiv:2010.15047},
year = {2020}
}