Reading ability detection using eye-tracking data with LSTM-based few-shot learning

要約

現代の教育現場では読解力の検出が重要です。
本稿では、少数の被験者（例えば68人の被験者）の視線追跡データを用いて、読解力のスコアを予測する方法を提案する。
提案手法は、Long Short Time Memory (LSTM) と軽量ニューラル ネットワークを組み合わせて、スコア予測のための回帰モデルを構築しました。
実験の結果、少数ショット学習戦略により、提案手法が読解力検出におけるスコア予測の以前の手法よりも高い精度を達成したことが示されました。
コードは後で https://github.com/pumpkinLNX/LSTM-eye-tracking-pytorch.git からダウンロードできます。

要約(オリジナル)

Reading ability detection is important in modern educational field. In this paper, a method of predicting scores of reading ability is proposed, using the eye-tracking data of a few subjects (e.g., 68 subjects). The proposed method built a regression model for the score prediction by combining Long Short Time Memory (LSTM) and light-weighted neural networks. Experiments show that with few-shot learning strategy, the proposed method achieved higher accuracy than previous methods of score prediction in reading ability detection. The code can later be downloaded at https://github.com/pumpkinLNX/LSTM-eye-tracking-pytorch.git

arxiv情報

提供元, 利用サービス

arxiv.jp, Google