ML-Assisted Cognitive Characterization of Human Problem Solving Behaviors through Visuo-Spatial Game
استخدمت هذه الدراسة مصنفاً ومنظماً يعتمد على تقنية "الغابة العشوائية" (Random Forest) القائمة على التجميع على بيانات تتبع حركة العين من لعبة بصرية مكانية لتصنيف اللاعبين بنجاح إلى مجموعات سلوكية متميزة، والتمييز بين المتمكنين (الخبراء واللاعبين المثابرين) وغير المتمكنين (المحاولين والمنسحبين) بناءً على أنماط نظراتهم وأسلوب لعبهم.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
إن العقل البشري سيد في الملاحة، فهو يمسح العالم باستمرار للعثور على الأنماط، وحل الألغاز، والوصول إلى الأهداف. لعقود من الزمن، حاول العلماء فهم كيف نفعل ذلك من خلال مراقبة ما نفعله: الحركات التي نقوم بها، والخيارات التي نتخذها، والاستراتيجيات التي نتبعها. لكن جزءًا كبيرًا من هذا العمل الذهني يحدث حتى قبل أن نبدأ في الفعل. إنه يحدث في الطريقة التي تتحرك بها أعيننا، متنقلة من نقطة إلى أخرى، أو متوقفة عند التفاصيل، أو ماسحة للصورة الكاملة. هذه الحركات العينية ليست عشوائية؛ فهي نافذة مباشرة على عملية تفكيرنا. فعندما ننظر إلى مشكلة ما، تكشف أعيننا ما إذا كنا في حالة ارتباك، أو ما إذا كنا قد وجدنا مسارًا للمضي قدمًا، أو ما إذا كنا عالقين في حلقة مفرغة من التجربة والخطأ. ومن خلال دراسة هذه العادات البصرية، يمكن للباحثين رؤية الهيكل غير المرئي لحل المشكلات لدى البشر، والتمييز بين أولئك الذين هم على وشك تحقيق طفرة نوعية وأولئك الذين يتسكعون فحسب.
قرر فريق من الباحثين في المعهد الهندي للتكنولوجيا في "خاراغبور" اختبار هذه الفكرة باستخدام لغز كلاسيكي وأداة حديثة. فقد جمعوا مجموعة من البالغين وطلبوا منهم حل نوع معين من الألغاز البصرية المعروف باسم "لعبة ترتيب 8 قطع". في هذه اللعبة، يتم تقسيم صورة إلى تسع كتل، مع إزالة كتلة واحدة (تحديدًا القطعة في الركن السفلي الأيمن)، مما يترك فجوة. يجب على اللاعب تحريك قطع الصورة إلى المساحة الفارغة لإعادة بناء الصورة الأصلية. يبدو الأمر بسيطًا، لكن المسار نحو الحل نادرًا ما يكون مستقيمًا. زود الباحثون المشاركين بجهاز تتبع حركة العين، وهو كاميرا تسجل بالضبط أين ينظر الشخص ولكم من الوقت، وتلتقط آلاف نقاط البيانات في الثانية. وبينما كان اللاعبون يحركون القطع، سجلت الآلة نظراتهم، مما خلق خريطة مفصلة لانتباههم. لم يكن الهدف مجرد معرفة من سيحل اللغز، بل فهم كيف تتحرك أعينهم بشكل مختلف اعتمادًا على ما إذا كانوا ناجحين، أو كم استغرقوا من وقت في المعاناة، أو إذا استسلموا تمامًا.
استخدم الباحثون برنامج حاسوب قوي، وهو نوع من نماذج تعلم الآلة، لتحليل بيانات تتبع العين. لم ينظروا إلى النتيجة النهائية وحدها؛ بل شاهدوا القصة وهي تتكشف خطوة بخطوة. واكتشفوا أن أعين اللاعبين كانت تروي قصة واضحة قبل انتهاء اللغز بوقت طويل. استطاع الحاسوب التمييز بين مجموعتين رئيسيتين: أولئك الذين حلوا اللغز في النهاية، والذين أطلقوا عليهم اسم "الحلالون" (Solvers)، وأولئك الذين لم يحلوا اللغز، والذين أطلقوا عليهم اسم "غير الحلالين" (Non-solvers). لم يكن الفرق في عدد الحركات التي قاموا بها، بل في إيقاع ونمط نظراتهم. أظهر "الحلالون" سلوكًا بصريًا متميزًا استطاع الحاسوب التعرف عليه بدقة عالية، وغالبًا في الخطوات القليلة الأولى من اللعبة. وهذا يشير إلى أن الطريقة التي ينظر بها الشخص إلى المشكلة تكشف عن استراتيجيته بشكل شبه فوري.
لكن القصة لم تنتهِ عند هاتين المجموعتين فقط. فقد وجد الباحثون أنه ضمن فئة "الحلالين"، يوجد نوعان مختلفان تمامًا من المفكرين. المجموعة الأولى، "الخبراء" (Experts)، تعاملوا مع اللغز بعين استراتيجية ثابتة؛ كانت نظراتهم مركزة وفعالة، وتتحرك بهدف نحو الحل. أما المجموعة الثانية، "اللاعبون المستمرون" (Persistent players)، فقد حلوا اللغز أيضًا، لكن أعينهم روت قصة مختلفة؛ فقد كانت أعينهم مضطربة، تنتقل ذهابًا وإيابًا، وتعود لتفحص المناطق، وتظهر علامات الارتباك قبل إيجاد طريقهم في النهاية. لقد حلوا المشكلة، لكنهم فعلوا ذلك عبر التسكع في الاحتمالات بدلاً من رؤية المسار بوضوح منذ البداية. وبالمثل، لم يكن "غير الحلالين" جميعهم متشابهين؛ فبعضهم، وهم "المحاولون" (Triers)، قضوا وقتًا طويلاً في محاولة حل اللغز. أظهرت أعينهم مزيجًا من الجهد والاستكشاف؛ كانوا يبحثون عن الإجابة، ويختبرون الأفكار، وأحيانًا يقتربون من الحل قبل الاستسلام. أما المجموعة الأخرى، وهم "المستسلمون" (Quitters)، فقد أظهروا نقصًا في التفاعل؛ إذ أشارت أنماط نظراتهم إلى عدم وجود نية حقيقية لديهم لإيجاد الحل؛ فلم يكونوا يستكشفون، بل كانوا ينتظرون ببساطة انتهاء اللعبة.
كان أحد أكثر النتائج إثارة للدهشة هو مدى وقت ظهور هذه الاختلافات. استطاع نموذج الحاسوب التنبؤ بيقين كبير ما إذا كان اللاعب سينجح أم سيفشل بعد مشاهدة جزء ضئيل فقط من اللعبة. هذه "نقطة السرج" (Saddle point)، كما أسماها الباحثون، هي اللحظة التي يستقر فيها سلوك اللاعب في نمط واضح. بالنسبة للخبراء، حدث هذا بشكل فوري تقريبًا. وبالنسبة للمحاولين، استغرق الأمر وقتًا أطول قليلاً بينما كانوا يستكشفون اللوحة، لكن نمط محاولاتهم كان لا يزال متميزًا عن المستسلمين، الذين لم يظهروا أي نمط من الجهد. كما بحثت الدراسة في مدى قدرة الحاسوب على التنبؤ بمستقبل اللعبة. فمن خلال مراقبة حركات العين المبكرة، استطاع النموذج تقدير عدد الحركات الإضافية التي قد يحتاجها اللاعب لإنهاء المهمة أو كم من الوقت سيستمر في اللعب قبل الاستسلام. كانت التنبؤات أكثر دقة عندما تم تدريب الحاسوب على أنواع محددة من اللاعبين، حيث تعلم "اللغة" الفريدة للخبراء أو المعاناة المحددة للمحاولين.
نظر الباحثون أيضًا في "الضجيج" في البيانات لفهم الحالة الذهنية للاعبين. ووجدوا أن الخبراء امتلكوا إشارة نظيفة وثابتة جدًا في حركات أعينهم، مما يوحي بعقل هادئ وواثق. ومع ذلك، كان لدى "اللاعبين المستمرين" إشارة أكثر ضجيجًا بكثير، حيث كانت أعينهم تقفز حولًا بشكل أكبر، مما يعكس الجهد الذهني المبذول في فهم الأمور أثناء سيرهم في الحل. كما أظهر "المحاولون" أيضًا هذا النمط المتقلب والمضطرب، وهو ما يتماشى مع كونهم يبحثون بنشاط عن حل لا يستطيعون استيعابه تمامًا. أما "المستسلمون"، فقد أظهروا نوعًا مختلفًا من الاستقرار، وهو استقرار نابع من عدم الاكتراث وليس من التركيز. تشير هذه الأبحاث إلى أن الطريقة التي ننظر بها إلى المشكلة هي مؤشر حساس لاستراتيجيتنا المعرفية؛ فهي تكشف ما إذا كنا نفكر بعمق، أو ما إذا كنا عالقين في حلقة مفرغة، أو ما إذا كنا قد فقدنا الاهتمام.
تقدم هذه الدراسة طريقة جديدة لفهم الذكاء البشري، ليس من خلال ما يقوله الناس عما يفعلونه، بل من خلال ما تكشفه أعينهم عما يفكرون فيه. إنها تظهر أن حل المشكلات ليس مهارة واحدة، بل هو مجموعة من السلوكيات المختلفة، بدءًا من الوضوح الاستراتيجي للخبير وصولاً إلى البحث المصمم والمضطرب للمحاولين. إن القدرة على اكتشاف هذه الأنماط في وقت مبكر من المهمة قد تكون ذات قيمة كبيرة للمعلمين أو المصممين الذين يرغبون في مساعدة الناس على التعلم. فإذا استطاع نظام ما التعرف على أن الطالب هو "محاول" وعلى وشك الوصول إلى استبصار ولكنه يحتاج إلى دفعة صغيرة، فيمكنه تقديم التلميح المناسب في اللحظة المناسبة لمساعدته على النجاح. وعلى العكس من ذلك، يمكنه تحديد متى استسلم شخص ما حقًا، مما يسمح بنوع مختلف من التدخل. يؤكد هذا العمل أن أعيننا ليست مجرد كاميرات سلبية؛ بل هي مشارك نشط في تفكيرنا، ترسم مسار الحل قبل أن تتحرك أيدينا حتى.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.