Can a Machine Learning Algorithm Tell Right from Wrong in Eye Movements of Mathematical Word Problem Solving?

Abstract

Blickbewegungen beim Lösen von Textaufgaben deuten auf Lösungsprozesse und -strategien hin. Die zahlreichen relevanten Blickbewegungsparameter, denen teilweise nichtlineare oder interagierende Zusammenhänge zugrundeliegen, sind jedoch oft schwer interpretierbar. Maschinelles Lernen ist für die Analyse solcher Daten prinzipiell geeignet. Die vorliegenden Analysen untersuchten, wie gut ein Modell durch überwachtes Lernen trainiert werden kann, um richtige und falsche Antworten anhand von Blickbewegungen zu unterscheiden. Dabei wurde eine relativ geringe Genauigkeit von 68% erreicht.