本論文的研究目的在於實作一個低成本的眼動儀，主要硬體是以紅外線無線攝影機來提供眼睛的紅外線影像，可見光攝影機提供景觀影像，並利用其無線傳輸的功能來裝置成頭戴式的可移動眼動儀。眼動儀的軟體部分主要是參考StarBurst演算法完成程式的編寫，除了眼動儀裝置的建構之外，本論文利用自製眼動儀來實作了三個人機介面的應用(包含Eye scrolling、Eye typing以及Eye controlled game)以及找尋AOI的心理認知實驗。 本論文也針對視線軌跡的部分提出分析之演算法，考量資料的準確性，用來分析的實驗數據主要是以iView X Hi-Speed所產生的眼動紀錄為主。在視線軌跡的比對方面提出了兩個做法，第一個是遞迴交集演算法，第二個是修改的Dynamic Time Wrapping演算法，以此兩個方法來對視線軌跡作比對。另外，為了找出在時間序列上的視線共同區域，在本論文的做法是先將2維空間的座標序列根據切割尺寸來轉換成1維的座標序列，然後再以Longest Common Sequences(LCSS)的方式作分析，以期望能以資訊科學的角度來分析視覺軌跡所呈現的心理資訊。

近年來隨著電腦科技的進步，發展出了各種人機介面的應用。不同於傳統的滑鼠與鍵盤，新的人機介面往往在其他不同的領域能夠得到更好的發揮，眼動（eye movement）即是一個例子，利用眼球移動在螢幕上的眼動軌跡來操控電腦。另一方面，螢幕所呈現的內容也會影響使用者的眼動行為，例如閱讀文章時不同的文章內容就會影響使用者在看文章時的眼動行為，因此我們就可以從眼動軌跡去推測出使用者對於螢幕的內容（如文章或圖片）的反應。本論文的目的就是要找出閱讀文章時的眼動軌跡和閱讀者對該文章的理解程度之間的關連性，最後發展出一個系統，利用閱讀文章時的眼動軌跡就能去推測閱讀者對於文章的理解程度，而無需後續的閱讀測驗。 / 一般人通常對自身的眼動軌跡的進行方式不甚了解，認為閱讀文章的眼動應該是順著字句的進行而移動。其實仔細觀察細小的眼動軌跡會發現比想像中複雜的多，例如當我們閱讀到文意較為困難的片段時，通常都會放慢速度，或是反覆閱讀，又例如看到自己有興趣的主題時會凝視在某些區塊較久的時間等等行為，這些都是在各種不同的情境之下做出相對的反應。本論文提出了資料探勘的方法來分析複雜的眼動軌跡，能針對每個人不同的閱讀模式找出不同的眼動規則。此方法能適應各種使用者的閱讀習性，對閱讀理解程度的預測能達到更精確的效果。 / With the advance of the computer technology, there are many kinds of HCI (Human Computer interface) applications been developed in recent years. Different from mouse and keyboard, new interface will bring more benefits in different area, and eye-movement is an example. It extracts the trace of eye movement to control the computer. Furthermore, the screen content will also affect the eye-movement. For example, when the user reads the articles, the content will affect the eye-movement, so we can speculate the reaction of the user after seen the screen content (such as article or picture) by eye-movement. The goal of the paper is to find out the relationship between eye-movement and the degree of comprehension, and develop a system which can automatically measure reading comprehension without any follow-up comprehension test. / Most people don’t realize how there eye move. They think eye movements should be carried out along the words. In fact, eye movement will find more complex than imagined, for example, when we read the context of the article is more difficult, we often slow down or read over and over again. In another example, people will gaze at some of the subjects that they are interest in for a longer period of time. These reactions correspond to a variety of different situations. This paper presents a data mining approach to analyze complex eye movement. It can find out the different rules of eye movement for users who have different reading strategy. This method will be able to adapt to a variety of users reading habits, and make more accurate prediction with the degree of the comprehension.

資訊的進步讓學習者可透過多媒體進行動作學習，有偵測錯誤能力才能在無指導者的狀況下進行自我調整。本研究目的為探討多媒體教學影片講解順序對於學習者錯誤偵測能力的影響。研究對象為四年制大專學生，且無網球或其他持拍類運動背景60名 (男：33位；女：27位；年齡：22.0±1.0)。研究中預先設計A、B兩段網球正拍教學影片，A.先講解身體重心後講解球拍軌跡，以及B.先講解球拍軌跡後講解身體重心，實驗進行前參與者隨機觀看教學影片，建立認知基模，進行實驗時使用SMI 公司的RED遠距測量眼動儀，捕捉參與者偵測初學者網球正拍動作時的凝視軌跡，並以手機錄音的方式紀錄參與者口述偵測的錯誤，所得資料以獨立樣本t檢定處理分析 (α=.05)。結果顯示：1. 觀看不同順序的參與者凝視初學者正拍動作的視覺分配不同，其中手臂、軀幹的AOI達顯著差異；2. 分期階段的拉拍期手臂與軀幹的AOI達顯著差異；3. 擊球期與完成期則皆只有手臂AOI達顯著差異；4. 偵測錯誤結果上觀看A教學影片的參與者偵測較多錯誤，結果也達顯著差異。本研究結果發現不同順序教學影片對參與者偵測錯誤的視覺軌跡或能力皆有影響，建議未來網球正拍教學過程先給予身體重心的重點，將有利於學習者偵測錯誤能力提昇。 / The advent of information technology made learning motor skill through multimedia possible and error-detection ability is essential to self-regulate learning under no instructor condition. In order to study the effect of multimedia instructional video content sequence to the learner’s error-detection ability, this research used sixty (male:33; female:27; age: 22.0±1.0 yrs old) four-years university students with no tennis or racket sports experience as subjects. Two demonstration videos were designed: A: explain body Center of Gravity (CG) first follow by racket trajectory; B: explain racket trajectory first follow by body CG. Participants were randomly assigned to watch the videos to build-up their cognitive schema. The SMI RED remote eye tracker is used to capture participant’s gaze trajectory when watching the beginner’s Tennis forehand drive motion. A cellphone is used to record the participant’s dictation of detection of errors. Data gathered were analysed with independent t-test (α=.05). The results indicate that: 1. participants watching different video content sequence allocate their visual distribution differently, with the arm and truck AOI significantly different; 2. The AOI of arm and truck in backswing stage were significantly different; 3. In waving and follow through stage only the arm AOI exhibit significant difference. 4. In error-detection, watching the A instructional video group exhibit significant error-detection results. The results indicate instructional video content sequence affect the learner’s error-detection visual trajectory and ability. The author suggests that emphasize on body CG in tennis forehand drive instruction process can be favourable to the error-detection ability. / 第壹章 緒論 1 第一節 研究背景 1 第二節 研究目的 2 第三節 研究範圍與限制 2 第四節 操作性定義 3 第貳章 文獻探討 6 第一節 多媒體與學習理論 7 第二節 動作學習理論 14 第三節 眼動與運動相關研究 22 第四節 網球正拍動作 25 第五節 本章總結 27 第參章 研究方法 28 第一節 研究架構 28 第二節 研究對象 29 第三節 實驗時間與地點 29 第四節 教學影片與實驗素材 30 第五節 實驗儀器 32 第六節 場地布置 33 第七節 實驗步驟 34 第八節 收集資料與處理方法 40 第九節 統計分析方法 42 第十節 預備實驗 43 第肆章 結果與討論 45 第一節 凝視AOI區域分佈 46 第二節 偵測錯誤語音資料 51 第三節 偵測錯誤凝視順序 54 第四節 綜合討論 55 第伍章 結論與建議 58 第一節 結論 58 第二節 建議 58 參考文獻 60 附件一 正拍動作技術檢核表 67 附件二 人體研究倫理委員會通過證明 68 附件三 受試者同意書 69

閱讀是吸收知識的途徑，不同的閱讀模式所帶來的閱讀成效也會不同。如何透過機器學習的方式，從凝視點找出閱讀行為的關聯性，將是本研究的目標。實驗選擇低成本眼動儀紀錄讀者閱讀過程中的眼動資料，採用dispersion-based演算法找出凝視點，以計算凝視點特徵，包含凝視時間、凝視距離、凝視位置以及凝視方向。 本研究將閱讀模式分成五種類別，包含快讀、慢讀、精讀、跳讀與關鍵字識別，透過不同文章的呈現，引導30位測試者遵循其內容進行閱讀，藉此收集不同行為模式的眼動資料。實驗流程中所有的眼動資料會隨機被分成為兩份，依序建立不同維度的訓練資料，由交叉驗證的分類結果找出理想之特徵與維度。以每次挑選6位測試者的眼動數據為測試資料進行5次分類驗證，其平均正確率為78.24%、74.19%、93.75%、87.96%以及96.20%，均達到不錯的分類結果。 / Reading is one of the paths to acquire knowledge. The efficiency is different when different reading patterns are involved. It is the objective of this research to classify reading patterns from fixation data using machine learning techniques. In our experiment, a low-cost eye tracker is employed to record the eye movements during the reading process. A dispersion-based algorithm is implemented to identify fixation from the recorded data. Features pertaining to fixation including duration, path length, landing position and fixation direction are extracted for classification purposes. Five categories of reading pattern are defined and investigated in this study, namely, speed reading, slow reading, in-depth reading, skim-and-skip, and keyword spotting. We have recruited thirty subjects to participate in our experiment. The participants are instructed to read different articles using specific styles designated by the experimenter in order to assign label to the collected data. Feature selection is achieved by analyzing the predictive results of cross-validation from the training data obtained from all subjects. The average classification accuracies in five-fold cross-validation are 78.24%, 74.19%, 93.75%, 87.96% and 96.20% using the eye movements of the six randomly selected subjects as test data.

介面設計是重要的議題，好的介面減低使用者與介面互動所需的時間及認知資源，進而樂於使用該功能。近年來互動式數位電視的使用漸增，卻未有既定的使用介面。本研究試圖探討應如何呈現該功能選單，較能有效與介面互動。 本研究共三個實驗。實驗一採單因子參與者間實驗設計，獨變項為「提示項目類型」，含「圖示」、「文字」、「圖示加文字」三種；以強迫選擇再認作業，比較以不同方式呈現初次接觸的提示項目，是否造成學習上的差異；達相同學習程度後，不同呈現類型是否導致各組間行為反應有所差異。 實驗二排除了使用者接收文字或圖示刺激時，各組別的參與者形成不同程度的雙重編碼；操弄目標項目類型，即「文字」或「圖示」。以強迫選擇再認作業觀察同時呈現「文字」、「圖示」兩提示項目，使用者初次接觸時較傾向以何種訊息作判斷。除紀錄反應時間及正確率外，亦計算眼動反應指標。 實驗三欲探討「經驗效果」，依呈現項目類型分為三組，觀察各組參與者與不同熟悉程度之介面互動時，表現是否會有所差異。採三因子混合設計，「呈現項目類型」為參與者間變項，可分為「圖示」、「文字」及「圖示加文字」三種；「時間變項」及「區段變項」則是參與者內變項，前者指本實驗中的不同日期；後者則為各次實驗中的不同區段。依變項則為參與者完成作業的反應時間、反應正確率及眼動資料。 研究結果顯示在實驗一中，學習新的功能項目時，具文字敘述之組別表現會較佳；達相同學習程度後，具圖示訊息的組別之反應較只有文字的組別佳。實驗二中，參與者與陌生功能項目互動初期，同時呈現圖示及文字兩種形式的提示項目時，使用者會較傾向以文字訊息判斷。實驗三則顯示在互動時普遍依賴圖示訊息，呈現圖示項目的組別整體而言皆表現得較好；但在互動前期同時呈現「圖示加文字」組的表現與「文字」組較相似，互動後期則與「圖片」組較相似。以上研究結果，可供未來電視功能選單呈現方式設計之參考。