ML-Assisted Cognitive Characterization of Human Problem Solving Behaviors through Visuo-Spatial Game
Deze studie maakte gebruik van een ensemble-gebaseerde Random Forest-classificator en -regressor op oogbewegingsdata van een visuo-spatiële game om spelers succesvol te categoriseren in onderscheidende gedragsgroepen, waarbij zij onderscheid maakten tussen oplossers (experts en volhardende spelers) en niet-oplossers (probers en stoppers) op basis van hun blik- en gameplaypatronen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
De menselijke geest is een meester in navigatie, constant de wereld scannend om patronen te vinden, puzzels op te lossen en doelen te bereiken. Decennialang hebben wetenschappers geprobeerd te begrijpen hoe wij dit doen door te kijken naar wat we doen: de zetten die we maken, de keuzes die we maken en de strategieën die we toepassen. Maar een aanzienlijk deel van dit mentale werk vindt plaats nog voordat we handelen. Het gebeurt in de manier waarop onze ogen bewegen, van het ene punt naar het andere schieten, op details blijven hangen of het hele plaatje scannen. Deze oogbewegingen zijn niet willekeurig; ze zijn een direct venster naar ons denkproces. Wanneer we naar een probleem kijken, onthullen onze ogen of we verward zijn, of we een pad vooruit hebben gevonden, of dat we vastzitten in een lus van vallen en opstaan. Door deze visuele gewoonten te bestuderen, kunnen onderzoekers de onzichtbare architectuur van menselijke probleemoplossing zien, waarbij ze onderscheid maken tussen degenen die op de drempel van een doorbraak staan en degenen die simpelweg ronddwalen.
Een team van onderzoekers aan het Indian Institute of Technology Kharagpur besloot dit idee te testen met een klassieke puzzel en een modern hulpmiddel. Ze verzamelden een groep volwassenen en vroegen hen een specifieke vorm van een visuele puzzel op te lossen, bekend als een 8-tegels arrangement spel. In dit spel is een afbeelding opgebroken in negen blokken, waarbij één blok is verwijderd (specifiek de tegel rechtsonder), waardoor er een gat ontstaat. De speler moet de tegels van de afbeelding in de lege ruimte schuiven om de oorspronkelijke afbeelding te reconstrueren. Het klinkt eenvoudig, maar het pad naar de oplossing is zelden rechtlijnig. De onderzoekers rustten de deelnemers uit met een eye-tracking apparaat, een camera die precies registreert waar iemand naar kijkt en hoe lang, waarbij duizenden datapunten per seconde wordt vastgelegd. Terwijl de spelers de tegels bewogen, registreerde de machine hun blik, waardoor een gedetailleerde kaart van hun aandacht werd gemaakt. Het doel was niet alleen om te zien wie de puzzel oploste, maar om te begrijpen hoe hun ogen anders bewogen afhankelijk van of ze succesvol waren, hoe lang ze worstelden, of of ze het volledig opgaven.
De onderzoekers gebruikten een krachtig computerprogramma, een type machine learning-model, om de eye-tracking data te analyseren. Ze keken niet alleen naar de eindscore; in plaats daarvan bekeken ze het verhaal dat zich zet voor zet ontvouwde. Ze ontdekten dat de ogen van de spelers al een duidelijk verhaal vertelden lang voordat de puzzel voltooid was. De computer kon twee hoofdgroepen onderscheiden: zij die de puzzel uiteindelijk oplosten, die zij "Solvers" noemden, en zij die dat niet deden, de "Non-solvers". Het verschil zat niet in hoeveel zetten zij maakten, maar in het ritme en patroon van hun blik. De Solvers vertoonden een duidelijk visueel gedrag dat de computer met hoge nauwkeurigheid kon identificeren, vaak al binnen de eerste paar zetten van het spel. Dit suggereerde dat de manier waarop iemand naar een probleem kijkt, hun strategie bijna onmiddellijk onthult.
Maar het verhaal eindigde niet bij slechts twee groepen. De onderzoekers ontdekten dat er binnen de Solvers twee zeer verschillende soorten denkers waren. De eerste groep, de "Experts", benaderde de puzzel met een gestage, strategische blik. Hun blik was gefocust en efficiënt, bewegend met een doel richting de oplossing. De tweede groep, de "Persistent players", loste de puzzel ook op, maar hun ogen vertelden een ander verhaal. Ze waren erratisch, sprongen heen en weer, bezochten gebieden opnieuw en toonden tekenen van verwarring voordat ze uiteindelijk hun weg vonden. Ze losten het probleem op, maar deden dat door door de mogelijkheden te dwalen in plaats van het pad vanaf het begin duidelijk te zien. Op dezelfde manier waren de Non-solvers ook niet allemaal hetzelfde. Sommigen, de "Triers", besteedden veel tijd aan het proberen op te lossen van de puzzel. Hun ogen vertoonden een mix van inspanning en exploratie; ze zochten naar het antwoord, testten ideeën en kwamen soms zelfs dicht bij de oplossing voordat ze opgaven. De andere groep, de "Quitters", toonde een gebrek aan betrokkenheid. Hun blikpatronen gaven aan dat ze geen echte intentie hadden om de puzzel op te lossen; ze waren niet aan het verkennen, ze wachtten simpelweg tot het spel voorbij was.
Een van de meest opmerkelijke bevindingen was hoe vroeg deze verschillen zichtbaar werden. Het computermodel kon met grote zekerheid voorspellen of een speler zou slagen of falen na het observeren van slechts een klein deel van het spel. Dit "saddle point", zoals de onderzoekers het noemden, is het moment waarop het gedrag van een speler stabiliseert in een duidelijk patroon. Voor de Experts gebeurde dit bijna onmiddellijk. Voor de Triers duurde het iets langer terwijl ze het bord verkenden, maar hun patroon van proberen was nog steeds verschillend van de Quitters, die geen zodanig patroon van inspanning vertoonden. De studie keek ook naar hoe goed de computer de toekomst van het spel kon voorspellen. Door de vroege oogbewegingen te observeren, kon het model inschatten hoeveel zetten een speler nog nodig zou hebben om te voltooien of hoe lang ze zouden blijven spelen voordat ze opgeven. De voorspellingen waren het meest nauwkeurig wanneer de computer getraind was op specifieke typen spelers, waarbij het de unieke "taal" van de Experts of de specifieke worstelingen van de Triers leerde.
De onderzoekers keken ook naar de ruis in de data om de mentale staat van de spelers te begrijpen. Ze ontdekten dat de Experts een zeer schoon, stabiel signaal in hun oogbewegingen hadden, wat duidt op een kalme en zelfverzekerde geest. De Persistent players hadden echter een veel ruisiger signaal, met ogen die meer rondsprongen, wat de mentale inspanning reflecteerde van het uitzoeken van zaken terwijl ze bezig waren. De Triers vertoonden ook dit ruisige, fluctuerende patroon, wat logisch is omdat ze actief op zoek waren naar een oplossing die ze niet helemaal konden grijpen. De Quitters hadden daarentegen een ander soort stabiliteit, voortgekomen uit desinteresse in plaats van focus. Dit onderzoek suggereert dat de manier waarop we naar een probleem kijken een gevoelige indicator is van onze cognitieve strategie. Het onthult of we diep nadenken, of we vastzitten in een lus, of dat we de interesse hebben verloren.
Deze studie biedt een nieuwe manier om het menselijk intellect te begrijpen, niet door wat mensen zeggen te doen, maar door wat hun ogen onthullen over hun denken. Het laat zien dat probleemoplossing niet één enkele vaardigheid is, maar een verzameling van verschillende gedragingen, van de strategische helderheid van de Expert tot de vastberaden maar verwarde zoektocht van de Triers. Het vermogen om deze patronen zo vroeg in een taak te detecteren, kan waardevol zijn voor onderwijzers of ontwerpers die mensen willen helpen leren. Als een systeem kan herkennen dat een student een "Trier" is die op de drempel van een inzicht staat maar een kleine duw nodig heeft, kan het op het juiste moment de juiste hint geven om hen te laten slagen. Omgekeerd kan het identificeren wanneer iemand echt heeft opgegeven, waardoor een ander soort interventie mogelijk is. Het werk bevestigt dat onze ogen niet alleen passieve camera's zijn; ze zijn actieve deelnemers aan ons denken, die het pad naar een oplossing in kaart brengen voordat onze handen zelfs maar bewegen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.