Научно-технический
«ОПТИЧЕСКИЙ ЖУРНАЛ»
издается с 1931 года
 
   
Русский вариант сайта Английский вариант сайта
   
       
   
       
Статьи последнего выпуска

Электронные версии
выпусков начиная с 2008


Алфавитный указатель
2000-2010 гг


444
Архив оглавлений
выпусков 2002-2007 гг


Реквизиты и адреса

Вниманию авторов и рецензентов!
- Порядок публикации
- Порядок рецензирования статей
- Типовой договор
- Правила оформления
- Получение авторского вознаграждения
- Редакционная этика


Контакты

Подписка

Карта сайта




Журнал с 01.12.2015 допущен ВАК для публикации основных результатов диссертаций как издание, входящее в международные реферативные базы систем цитирования (Web Science, Scopus) (см. Vak.ed.gov.ru Перечень журналов МБД 16.03.2018г)

Аннотации (08.2022) : Оценка уровня знания иностранного языка на основе данных о движениях глаз

Оценка уровня знания иностранного языка на основе данных о движениях глаз

DOI: 10.17586/1023-5086-2022-89-08-76-85

УДК 612.84, 004.931, 004.932

Валерия Алексеевна Демарева1*, Анастасия Валерьевна Голубинская2, Юлия Андреевна Еделева3, Роман Викторович Голубин4

1, 2, 3, 4Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского, Нижний Новгород, Россия

1valeriia.demareva@fsn.unn.ru  https://orcid.org/0000-0002-3228-9289

2golub@unn.ru                       https://orcid.org/0000-0002-7119-3968

3yulia.edeleva@fsn.unn.ru   https://orcid.org/0000-0003-0053-0151

4golubin@unn.ru                    https://orcid.org/0000-0003-4565-1942

Аннотация

Предмет исследования. Технологию оптической записи движений глаз применили для оценки уровня знания иностранного языка. Провели анализ отражения неосознаваемых познавательных процессов в окулографических данных при чтении и связи характеристик движения глаза с тем, насколько сложным этот текст кажется читателю. Цель работы заключалась в поиске взаимосвязи между особенностями движения глаз при чтении на родном и иностранном языке с учётом особенностей самого языка и уровня владения им. Метод. Исследование состояло из двух этапов, суммарный объём выборки составил 63 человека — русскоязычных студентов в возрасте 19–27 лет, для которых английский язык является иностранным. Уровень знания русского и английского языка оценивался по методике С-тест. Экспериментальная задача была следующая — после прохождения 9-точечной калибровки прочитать англоязычные тексты на слайдах и ответить на вопросы на понимание. Запись движений глаз проводилась на установке SMI-High Speed Tracker 12 бинокулярно с частотой дискретизации 500 Гц. Первый этап был направлен на изучение особенностей движений глаз при чтении текстов на родном и иностранном языке (при высоком уровне владения последним). Второй этап был направлен на изучение особенностей движений глаз при чтении иностранных текстов при разном уровне знания иностранного языка. Основные результаты. Показано, что параметры движений глаз отличаются при чтении текстов на родном (русском) и иностранном (английском) языках даже при высоком уровне владения последним. Установлено, что паттерны глазных движений изменяются при разном уровне владения иностранным (английским) языком при чтении на нём. Практическая значимость. Полученные данные дают оценку сложности текста для испытуемого. Оценка сложности текста по характеристикам движений глаз позволит создать алгоритмы нормирования различных текстов по сложности. Результаты проведённых исследований могут быть использованы при проектировании автоматических систем оценки уровня владения иностранным языком.

Ключевые слова: распознавание образов, оптическая система, тексты, чтение, распознавание текста, родной язык, иностранный язык, движения глаз, модели чтения, оценка уровня понимания

Благодарность: работа выполнена при финансовой поддержке гранта Президента Российской Федерации для государственной поддержки молодых российских ученых — кандидатов наук (Конкурс МК-2021) МК-6208.2021.2.

Ссылка для цитирования: Демарева В.А., Голубинская А.В., Еделева Ю.А., Голубин Р.В. Оценка уровня знания иностранного языка на основе данных о движениях глаз // Оптический журнал. 2022. Т. 89. № 8. С. 76–85. DOI: 10.17586/1023-5086-2022-89-08-76-85

Коды OCIS: 170.5380, 150.1135.

 

СПИСОК ИСТОЧНИКОВ

1.    Tsakanikas P., Pavlidis D., Nychas G. J. High throughput multispectral image processing with applications in food science // PloS one. 2015. V. 10(10). P. e0140122. https://doi.org/10.1371/journal.pone.0140122

2.   Chan H.P., Samala R.K., Hadjiiski L.M., Zhou C. Deep learning in medical image analysis // Advances in experimental medicine and biology. 2020. V. 1213. P. 3–21. https://doi.org/10.1007/978-3-030-33128-3_1

3.   Huang Z., Li Q., Lu J., Feng J., Hu J., Chen P. Recent advances in medical image processing // Acta cytologica. 2021. V. 65(4). P. 310–323. https://doi.org/10.1159/000510992

4.   Esmaeel A.M., ElMelegy T., Abdelgawad M. Multi-purpose machine vision platform for different microfluidics applications // Biomedical microdevices. 2019. V. 21(3). P. 68. https://doi.org/10.1007/s10544-019-0401-1

5.   Fernandes A.F.A., Dórea J.R.R., Rosa G.J.M. Image analysis and computer vision applications in animal sciences: An overview // Front. Vet. Sci. 2020. V. 7. P. 551269. doi: 10.3389/fvets.2020.551269

6.   Kwak S., Bae G., Kim M., Byun H. Unusual behavior detection in the entry gate scenes of subway station using Bayesian networks and inference // Image Processing: Machine Vision Applications. International Society for Optics and Photonics. 2008. V. 6813. P. 681311. https://doi.org/10.1117/12.766946

7.    Yeap D., Hichwa P.T., Rajapakse M.Y., Peirano D.J., McCartney M.M., Kenyon N.J., Davis C.E. Machine vision methods, natural language processing, and machine learning algorithms for automated dispersion plot analysis and chemical identification from complex mixtures // Analytical chemistry. 2019. V. 91(16). P. 10509–10517. https://doi.org/10.1021/acs.analchem.9b01428

8.   Valliappan N., Dai N., Steinberg E., He J., Rogers K., Ramachandran V., Xu P., Shojaeizadeh M., Guo L., Kohlhoff K., Navalpakkam V. Accelerating eye movement research via accurate and affordable smartphone eye tracking // Nature communications. 2020. V. 11(1). P. 4553. https://doi.org/10.1038/s41467-020-18360-5

9.   Cazzato D., Leo M., Distante C., Voos H. When I look into your eyes: A survey on computer vision contributions for human gaze estimation and tracking // Sensors. 2020. V. 20(13). P. W3739. https://doi.org/10.3390/s20133739

10. Rahman H., Ahmed M. U., Barua S., Funk P., Begum S. Vision-based driver's cognitive load classification considering eye movement using machine learning and deep learning // Sensors. 2021. V. 21(23). P. 8019. https://doi.org/10.3390/s21238019

11.  Lewandowska A., Rejer I., Bortko K., Jankowski J. Eye-tracker study of influence of affective disruptive content on user's visual attention and emotional state // Sensors. 2022. V. 22(2). P. 547. https://doi.org/10.3390/s22020547

12.  Brookhuis K.A. Assessment of drivers’ workload: Performance, subjective and physiological indices // Stress, Workload and Fatigue. Mahwah, NJ, USA, 2001. P. 321–333.

13.  Tao D., Tan H., Wang H., Zhang X., Qu X., Zhang T. A systematic review of physiological measures of mental workload // International Journal of Environmental Research and Public Health. 2019. 16(15):2716. https://doi.org/10.3390/ijerph16152716

14.  Nawal A.F. Cognitive load theory in the context of second language academic writing // Higher Education Pedagogies. 2018. V. 3(1). P. 385–402. https://doi.org/10.1080/23752696.2018.1513812

15.  Andrzejewska M., Stolińska A. Comparing the difficulty of tasks using eye tracking combined with subjective and behavioural criteria // Journal of Eye Movement Research. 2016. V. 9(3). P. 1–16. https://doi.org/10.16910/jemr.9.3.3

16.  Reichle E.D., Warren T., McConnell K. Using E-Z Reader to model the effects of higher-level language processing on eye movements during reading // Psychonomic Bulletin & Review. 2009. V. 16. P. 1–21. https://doi.org/10.3758/PBR.16.1.1

17.  Engbert R., Nuthmann A., Richter E., Kliegl R. SWIFT: a dynamical model of saccade generation during reading // Psychological Review. 2005. V. 112. P. 777–813. https://doi.org/10.1037/0033-295X.112.4.777

18. Дубасова А.В. Движения глаз во время чтения: от общих теорий к частным [Электронный ресурс]. Режим доступа: https://www.academia.edu/3074458, свободный. Яз. рус. (дата обращения 09.03.2022).

19.  Lamminpiya A.A., Pronin S.V., Shelepin Yu.E. Spatial frequency text filtering for local and global analysis // Journal of Optical Technology. 2018. V. 85. № 8. P. 476–481.

20. Ламминпия А.М., Вахрамеева О.А., Райт Д.В., Пронин С.В., Шелепин Ю.Е. Влияние вейвлетной фильтрации изображений текстов на характеристики движений глаз при чтении // Сенсорные системы. 2013. Т. 27. № 1. С. 3–9.

21.  Reichle E.D., Reingold E.M. Neurophysiological constraints on the eye-mind link // Frontiers in Human Neuroscience. 2013. V. 7:361. https://doi.org/10.3389/fnhum.2013.00361

22. Reingold E.M., Reichle E.D., Glaholt M.G., Sheridan H. Direct lexical control of eye movements in reading: evidence from survival analysis of fixation durations. // Cognitive Psychology. 2012. V. 65. P. 177–206. https://doi.org/10.1016/j.cogpsych.2012.03.001

23. Rayner K. Eye movements in reading and information processing: 20 years of research // Psychological bulletin. 1998. V. 124(3). P. 372–422. https://doi.org/10.1037/0033-2909.124.3.372

24. Tiffin-Richards S.P., Schroeder S. The development of wrap-up processes in text reading: A study of children’s eye movements // Journal of Experimental Psychology: Learning, Memory, and Cognition. 2018. V. 44(7). P. 1051–1063. https://doi.org/10.1037/xlm0000506

25. Raney G.E., Campbell S.J., Bovee J.C. Using eye movements to evaluate the cognitive processes involved in text comprehension // Journal of Visualized Experiments. 2014. V. 83. P. e50780. https://doi.org/10.3791/50780

26. Liversedge S.P., Drieghe D., Li X., Yan G., Bai X., Hyönä J. Universality in eye movements and reading: A trilingual investigation // Cognition. 2016. V. 147. P. 1–20. https://doi.org/10.1016/j.cognition.2015.10.013

27. Babaii E., Ansary H. The C-test: a valid operationalization of reduced redundancy principle? // System. 2011. V. 29. P. 209–219. https://doi.org/10.1016/S0346-251X(01)00012-4

28. Cook S.V., Pandža N.B., Lancaster A.K., Gor K. Fuzzy nonnative phonolexical representations lead to fuzzy form-to-meaning mappings // Frontiers in Psychology. 2016. V. 7. P. 1–17. https://doi.org/10.3389/fpsyg.2016.01345

29. Felser C., Cunnings I. Processing reflexives in a second language: The timing of structural and discourse-level constraints // Applied Psycholinguistics. 2012. V. 33. P. 571–603.

30. Frenck-Mestre C., Pynte J. Syntactic ambiguity resolution while reading in a second and native languages // The Quarterly Journal of Experimental Psychology. 1997. V. 50A. P. 119–48.

31.  Fernandez L.B., Bothe R., Allen S.E. The role of L1 reading direction on L2 perceptual span: An eye-tracking study investigating Hindi and Urdu speakers // Second Language Research. 2021. P. 02676583211049742.

32. Demareva V.A., Edeleva Y.A. Eye-tracking based L2 detection: Universal and specific eye movement patterns in L1 and L2 reading // Procedia Computer Science. 2020. V. 169. P. 673–676. https://doi.org/10.1016/j.procs.2020.02.185

33. Izmalkova A., Blinnikova I., Rabeson M. Linear and non-linear patterns of eye movements in lexical search: Expert versus novice language learners // Advances in Cognitive Research, Artificial Intelligence and Neuroinformatics / Ed. by Velichkovsky B.M., Balaban P.M., Ushakov V.L. Moscow. Russia. Oct. 10–16 2020. V. 1358. https://doi.org/10.1007/978-3-030-71637-0_21

34. Blinnikova I.V., Rabeson M.D., Izmalkova A.I. Eye movements and word recognition during visual semantic search: Differences between expert and novice language learners // Psychology in Russia: State of the art. 2019. V. 12 (1). P. 129–146. DOI: 10.11621/pir.2019.0110

35. Hengeveld K., Leufkens S. Transparent and non-transparent languages // Folia Linguistica. 2018. V. 52(1). P. 139–175. https://doi.org/10.1515/flin-2018-0003

36. Hamid M.O., Hardy I., Reyes V. Test-takers’ perspectives on a global test of English: questions of fairness, justice and validity // Language Testing in Asia. 2019. V. 9(16). P. 1–20. https://doi.org/10.1186/s40468-019-0092-9

37. Барабанщиков В.А. Регистрация и анализ направленности взора человека: монография / Под ред. Барабанщикова В.А., Жегалло А.В. Москва: Институт психологии РАН, 2013. 316 с.

38. Berzak Y., Katz B., Levy R. Assessing language proficiency from eye movements in reading // Proceedings of the 2018 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies. 2018. V. 1. P. 1986–1996. DOI: 10.18653/v1/N18-1180

39.      Малахова Е.Ю., Шелепин Е.Ю., Малашин Р.О. Применение искусственных нейронных сетей, учитывающих временную динамику, для анализа движения глаз без специального оборудования // Оптический журнал. 2018. Т. 85. № 3. С. 77–80.