Attention is important in learning, Attention-deficit/hyperactivity disorder, Driving, and many other fields. Hence, intelligent tutoring systems, Attention-deficit/hyperactivity disorder diagnosis systems, and distraction detection of driver systems should be able to correctly monitor the attention levels of individuals in real time in order to estimate their attentional state. We study the feasibility of detecting distraction and concentration by monitoring participants' attention levels while they complete cognitive tasks using Electroencephalography and Eye Tracking in a virtual reality environment. Furthermore, we investigate the possibility of improving the concentration of participants using relaxation in virtual reality. We developed an indicator that estimates levels of attention with a real value using EEG data. The participant-independent indicator based on EEG data we used to assess the concentration levels of participants correctly predicts the concentration state with an accuracy (F1 = 73%). Furthermore, the participant-independent distraction model based on Eye Tracking data correctly predicted the distraction state of participants with an accuracy (F1 = 89%) in a participant-independent validation setting. / La concentration est importante dans l’apprentissage, Le trouble du déficit de l’attention avec ou sans hyperactivité, la conduite automobile et dans de nombreux autres domaines. Par conséquent, les systèmes de tutorat intelligents, les systèmes de diagnostic
du trouble du déficit de l’attention avec ou sans hyperactivité et les systèmes de détection de la distraction au volant devraient être capables de surveiller correctement les
niveaux d’attention des individus en temps réel afin de déduire correctement leur état
attentionnel. Nous étudions la faisabilité de la détection de la distraction et de la concentration en surveillant les niveaux d’attention des participants pendant qu’ils effectuent
des tâches cognitives en utilisant l’Électroencéphalographie et l’Eye Tracking dans un
environnement de réalité virtuelle. En outre, nous étudions la possibilité d’améliorer la
concentration des participants en utilisant la relaxation en réalité virtuelle. Nous avons
mis au point un indicateur qui estime les niveaux d’attention avec une valeur réelle en
utilisant les données EEG. L’indicateur indépendant du participant basé sur les données
EEG que nous avons utilisé pour évaluer les niveaux de concentration des participants
prédit correctement l’état de concentration avec une précision (F1 = 73%). De plus, le
modèle de distraction indépendant des participants, basé sur les données d’Eye Tracking,
a correctement prédit l’état de distraction des participants avec une précision (F1 = 89%)
dans un cadre de validation indépendant des participants.
| Identifer | oai:union.ndltd.org:umontreal.ca/oai:papyrus.bib.umontreal.ca:1866/28237 |
| Date | 12 1900 |
| Creators | Zarour, Mahdi |
| Contributors | Frasson, Claude |
| Source Sets | Université de Montréal |
| Language | English |
| Detected Language | French |
| Type | thesis, thèse |
| Format | application/pdf |
Page generated in 0.0028 seconds