Knowing the difficulty of a given task is crucial for improving the learning outcomes. This paper studies the difficulty level classification of memorization tasks from pupillary response data. Developing a difficulty level classifier from pupil size features is challenging because of the inter-subject variability of pupil responses. Eye-tracking data used in this study was collected while students solved different memorization tasks divided as low-, medium-, and high-level. Statistical analysis shows that values of pupillometric features (as peak dilation, pupil diameter change, and suchlike) differ significantly for different difficulty levels. We used a wrapper method to select the pupillometric features that work the best for the most common classifiers; Support Vector Machine (SVM), Decision Tree (DT), Linear Discriminant Analysis (LDA), and Random Forest (RF). Despite the statistical difference, experiments showed that a random forest classifier trained with five features obtained the best F1-score (82%). This result is essential because it describes a method to evaluate the cognitive load of a subject performing a task using only pupil size features.
En este artículo se presentan los primeros resultados de una investigación realizada a las empresas automotrices del estado de Aguascalientes, México. El tipo de investigación que se realizó es cualitativa de tipo exploratoria. El objetivo de esta investigación es proponer una metodología o modelo de innovación tecnológica que integre las mejores prácticas que realicen en los cambios de ingeniería en la cadena de suministro. Los cambios de ingeniería ocurren a causa de los cambios de modelo en los vehículos. La muestra sujeta a estudio es no probabilística o dirigida de tipo expertos. El instrumento de medición que se diseñó para este estudio es el cuestionario. El cuestionario toma como referencia a los elementos que conforman un cambio de ingeniería reunidos en 8 temas centrales los cuales reúnen la información de la actividades que se realizan en los departamentos de ingeniería, finanzas, planeación, ingeniería industrial, desarrollo de proveedores, calidad, mantenimiento y producción; con un total de 130 actividades o ítems que son los resultados de esta investigación. Se evalúan dos categorías o niveles. La primera valora con la escala de Likert el nivel de cumplimiento de cada una de las actividades que se realizan durante un cambio de ingeniería. A su vez, la segunda categoría valora con la escala de Likert el nivel de importancia considerado por el experto. Los resultados presentados en este artículo son únicos, ya que el tema no ha sido abordado a profundidad. Los datos obtenidos pertenecen al nivel de cumplimiento de las actividades que se ejecutan en un cambio de ingeniería de 24 empresas automotrices del estado de Aguascalientes. Las empresas automotrices involucradas en esta investigación fueron ensambladoras, proveedores directos e indirectos, conocidos como proveedores de Nivel Uno ó Tier One y los proveedores de Nivel Dos ó Tier Two. Estas empresas realizan las actividades que se describen en el cuestionario en su mayoría, en los rangos mayores de la escala evaluada. Lo cual permite continuar con esta investigación y da la apertura para que otros investigadores, sigan explorando el tema de las actividades que se ejecutan en los cambios de ingeniería. Dichas actividades son sumamente importantes, ya que de ellas depende una buena planeación, ejecución, y comunicación entre los departamentos involucrados; dado que las empresas automotrices y aquellas que quieran adoptar la metodología, tendrán mayor posibilidad de cumplir las entregas a tiempo y asegurar la calidad de sus productos a los clientes. Al mismo tiempo, el obtener más ganancias y negocios en estas empresas, beneficiará al estado de Aguascalientes y a la industria en general.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.