COIVis: MOOC 動画における概念学習の視覚的探査に用いる眼動トラッキング技術

arXiv:2512.06834v2 Announce Type: replace-cross 要旨: マスブイオープンオンラインコース (MOOC) は高品質な教育へのアクセスを提供しています。しかし、対面でのインタラクションが欠けており、教官が学習者のパフォーマンスに対するフィードバックを取得したり、より効果的な指導を行うことが困難です。従来の解析手法（クリックストリームログやテストスコアなど）は、粗粒度の学習成果のみを捕捉し、学習者の瞬間的な認知状態に関する洞察は限られています。本研究では、COIVis と称する眼動トラッキングに基づく視覚解析システムを提案します。COIVis は MOOC 動画における概念レベルの学習プロセスの探査をサポートします。COIVis はまず、マルチモーダル動画コンテンツからコースの概念を抽出し、それらを講義の時間的構造およびスクリーンスペースと整合性を持たせて、興味のある概念 (COI: Concept of Interest) として定義します。これにより、抽象的な概念を特定の空間時間的領域に錨付けます。学習者の視線経路を COI シーケンスに変換し、眼動指標に基づき 5 つの解釈可能な学習者状態特徴——注意力 (Attention)、認知的負荷 (Cognitive Load)、関心度 (Interest)、偏好 (Preference)、同期性 (Synchronicity)——を COI レベルで計算します。これらの表現に基づき、COIVis は教官が集合レベルの全体像から個別の学習パスへ移行し、問題概念を素早く特定し、多様な学習戦略を比較できる物語性を備えたマルチビュー可視化を提供します。我々は 2 つのケーススタディと詳細なユーザーフィードバックインタビューを通じて COIVis を評価しました。結果は、COIVis が学習者の学習パターンの一貫性と異常性に関する貴重な洞察を提供し、及時かつパーソナライズされた介入をサポートし、また教育設計の最適化に寄与することを示しています。

arXiv:2512.06834v2 Announce Type: replace-cross Abstract: Massive Open Online Courses (MOOCs) make high-quality instruction accessible. However, the lack of face-to-face interaction makes it difficult for instructors to obtain feedback on learners' performance and provide more effective instructional guidance. Traditional analytical approaches, such as clickstream logs or quiz scores, capture only coarse-grained learning outcomes and offer limited insight into learners' moment-to-moment cognitive states. In this study, we propose COIVis, an eye tracking-based visual analytics system that supports concept-level exploration of learning processes in MOOC videos. COIVis first extracts course concepts from multimodal video content and aligns them with the temporal structure and screen space of the lecture, defining Concepts of Interest (COIs), which anchor abstract concepts to specific spatiotemporal regions. Learners' gaze trajectories are transformed into COI sequences, and five interpretable learner-state features -- Attention, Cognitive Load, Interest, Preference, and Synchronicity -- are computed at the COI level based on eye tracking metrics. Building on these representations, COIVis provides a narrative, multi-view visualization enabling instructors to move from cohort-level overviews to individual learning paths, quickly locate problematic concepts, and compare diverse learning strategies. We evaluate COIVis through two case studies and in-depth user-feedback interviews. The results demonstrate that COIVis effectively provides instructors with valuable insights into the consistency and anomalies of learners' learning patterns, thereby supporting timely and personalized interventions for learners and optimizing instructional design.