ivdon3@bk.ru
Недавний рост онлайн-обучения повысил потребность в надежном мониторинге вовлеченности, когнитивной нагрузки и усталости. В этом исследовании предлагается структура глубокого обучения, которая объединяет метрики отслеживания движений глаз с характеристиками ЭЭГ для классификации уровня вовлеченности на низкий, умеренный и высокий. Архитектура CNN-LSTM уловила как закономерности в данных, так и их изменения во времени, достигнув точности приблизительно 89%. Дисперсионный анализ показал, что ни одна отдельная характеристика не может надежно различать уровни вовлеченности, подтверждая ценность мультимодального слияния. Результаты показывают, как интегрированные данные отслеживания движений глаз и ЭЭГ могут поддерживать адаптивное электронное обучение в реальном времени, выявляя провалы внимания и возникающую усталость.
Ключевые слова: когнитивная усталость, глубокое обучение, электронное обучение, отслеживание движений глаз, вовлеченность студентов, ЭЭГ