利用EEG与眼动追踪检测阅读引发的困惑
人机交互
2025-08-21 v1 人工智能
摘要
人类每天通过文本媒体浏览海量信息，无论是阅读文章、浏览社交媒体还是与聊天机器人交互。当新信息与读者的理解或先前知识冲突或超出其范围时，困惑自然产生，这对学习构成了挑战。在本研究中，我们利用脑电图（EEG）和眼动追踪，对阅读引发的困惑进行了多模态研究。我们收集了11名成年参与者在阅读来自多样化真实来源的短段落时的神经和注视数据。通过分离N400事件相关电位（ERP）——一个公认的语义不一致神经标记——并整合来自眼动追踪的行为标记，我们对自然阅读过程中困惑的神经和行为相关性进行了详细分析。利用机器学习，我们表明多模态（EEG + 眼动追踪）模型相比单模态基线将分类准确率提高了4-22%，达到了77.3%的平均加权参与者准确率和89.6%的最佳准确率。我们的结果突显了大脑颞区在这些困惑神经特征中的主导作用，为用于实时监测的可穿戴、低电极脑机接口（BCI）指明了方向。这些发现为开发能够动态检测并响应用户困惑的自适应系统奠定了基础，在个性化学习、人机交互和无障碍访问方面具有潜在应用。
引用
@article{arxiv.2508.14442,
title = {Detecting Reading-Induced Confusion Using EEG and Eye Tracking},
author = {Haojun Zhuang and Dünya Baradari and Nataliya Kosmyna and Arnav Balyan and Constanze Albrecht and Stephanie Chen and Pattie Maes},
journal= {arXiv preprint arXiv:2508.14442},
year = {2025}
}