تفاوت در نقشه خوانی موضوعی توسط دانش آموزان و معلم جغرافیای آنها

خلاصه

یک اطلس دنیای مدرسه احتمالاً اولین محصول نقشه کشی سیستماتیکی است که دانش آموزان در زندگی خود با آن مواجه می شوند. با این حال، تنها چند مطالعه تجربی اطلس های مدرسه را در زمینه نقشه خوانی و یادگیری برنامه های درسی جغرافیایی تحلیل کرده اند. مقاله حاضر یک مطالعه ردیابی چشمی را توصیف می کند که بر روی ۳۰ دانش آموز دبیرستانی و معلم جغرافیای آنها انجام شده است. این مطالعه ده کار را با استفاده از نقشه‌های جهان موضوعی موجود در اطلس جهان مدرسه چک بررسی کرد. سه سؤال تحقیق مطرح شد: (۱) آیا دانش آموزان قادر به یادگیری با استفاده از این نوع خاص از نقشه ها هستند؟ (ii) آیا روش های تجسم کارتوگرافی در اطلس مدرسه به اندازه کافی انتخاب شده است؟ (iii) آیا معلم نقشه ها را همانند دانش آموزان می خواند؟ نتایج نشان داد که دانش آموزان به اندازه کافی قادر به یادگیری با استفاده از نقشه های موضوعی هستند. میانگین صحت پاسخ های آنها بیش از ۷۰ درصد است. با این حال، نتایج چندین نوع روش تجسم نقشه‌کشی را نشان می‌دهد که خواندن آن‌ها برای دانش‌آموزان دشوار بود. بیشتر مشکلات ناشی از خوانایی ضعیف نمادهای نقشه است. مشکل سازترین کار تخمین ارزش پدیده از راهنمااندازه نماد بود. در نهایت، تفاوت بین نحوه خواندن نقشه دانش‌آموزان و معلمان در هر تکلیف به صورت کیفی و سپس کمی با استفاده از دو روش مقایسه مسیر اسکن مختلف مورد تجزیه و تحلیل قرار گرفت. این مطالعه نشان داد که معلم جغرافیا روشی متفاوت از دانش‌آموزان خود را به کار برده است. او از نگاه کردن به افسانه نقشه اجتناب کرد و با استفاده از دانش خود این کار را حل کرد. نتایج چندین نوع روش تجسم نقشه‌کشی را که خواندن آن‌ها برای دانش‌آموزان مشکل بود، برجسته کرد. بیشتر مشکلات ناشی از خوانایی ضعیف نمادهای نقشه است. مشکل سازترین کار تخمین ارزش پدیده از افسانه اندازه نماد بود. در نهایت، تفاوت بین نحوه خواندن نقشه دانش‌آموزان و معلمان در هر تکلیف به صورت کیفی و سپس کمی با استفاده از دو روش مقایسه مسیر اسکن مختلف مورد تجزیه و تحلیل قرار گرفت. این مطالعه نشان داد که معلم جغرافیا روشی متفاوت از دانش‌آموزان خود را به کار برده است. او از نگاه کردن به افسانه نقشه اجتناب کرد و با استفاده از دانش خود این کار را حل کرد. نتایج چندین نوع روش تجسم نقشه‌کشی را که خواندن آن‌ها برای دانش‌آموزان مشکل بود، برجسته کرد. بیشتر مشکلات ناشی از خوانایی ضعیف نمادهای نقشه است. مشکل سازترین کار تخمین ارزش پدیده از افسانه اندازه نماد بود. در نهایت، تفاوت بین نحوه خواندن نقشه دانش‌آموزان و معلمان در هر تکلیف به صورت کیفی و سپس کمی با استفاده از دو روش مقایسه مسیر اسکن مختلف مورد تجزیه و تحلیل قرار گرفت. این مطالعه نشان داد که معلم جغرافیا روشی متفاوت از دانش‌آموزان خود را به کار برده است. او از نگاه کردن به افسانه نقشه اجتناب کرد و با استفاده از دانش خود این کار را حل کرد. مشکل سازترین کار تخمین ارزش پدیده از افسانه اندازه نماد بود. در نهایت، تفاوت بین نحوه خواندن نقشه دانش‌آموزان و معلمان در هر تکلیف به صورت کیفی و سپس کمی با استفاده از دو روش مقایسه مسیر اسکن مختلف مورد تجزیه و تحلیل قرار گرفت. این مطالعه نشان داد که معلم جغرافیا روشی متفاوت از دانش‌آموزان خود را به کار برده است. او از نگاه کردن به افسانه نقشه اجتناب کرد و با استفاده از دانش خود این کار را حل کرد. مشکل سازترین کار تخمین ارزش پدیده از افسانه اندازه نماد بود. در نهایت، تفاوت بین نحوه خواندن نقشه دانش‌آموزان و معلمان در هر تکلیف به صورت کیفی و سپس کمی با استفاده از دو روش مقایسه مسیر اسکن مختلف مورد تجزیه و تحلیل قرار گرفت. این مطالعه نشان داد که معلم جغرافیا روشی متفاوت از دانش‌آموزان خود را به کار برده است. او از نگاه کردن به افسانه نقشه اجتناب کرد و با استفاده از دانش خود این کار را حل کرد.

کلید واژه ها:

نقشه های موضوعی ; نقشه خوانی ؛ اطلس مدرسه ; ردیابی چشم ؛ مقایسه مسیر اسکن ; آموزش جغرافیا

۱٫ معرفی

۱٫۱٫ نقشه خوانی

طبق نظر پراودا [ ۱ ] و پراودا و کوسندووا [ ۲ ]، خواندن نقشه (ادراک و درک محتوای نقشه) یک شاخص اساسی هوش در انسان مدرن است. خواندن نقشه شامل درک نقشه، استفاده از راهنما نقشه و درک محتوای نقشه است. بنابراین خواندن نقشه فرآیندی برای درک محتوای آن از طریق دانش زبان نقشه و روش‌های استفاده از آن است. خواندن نقشه در صورتی که با استفاده از اطلاعات به دست آمده از نقشه، مانند ناوبری استاندارد زمین و اندازه گیری های ساده نقشه یا تولید اطلاعاتی که دانش انسان را افزایش می دهد، به دنبال آن نباشد، بی معنی خواهد بود. تصاویر نقشه خوانی که توسط Vondráková و Voženílek مورد مطالعه قرار گرفتند [ ۳] برخی از یافته های خاص را نشان می دهد که در ترجیحات نقشه خوان منعکس شده است. در ابتدا، نقشه تصویر ترجیحی اغلب بی‌فایده بود و کاربران نقشه‌ای را انتخاب کردند که از نظر ذهنی به عنوان یکی از بدترین‌ها ارزیابی می‌شد، اما برای حل کار بسیار مناسب‌تر بود. بررسی ادبیات نقشه‌خوانی نشان داد که اکثریت قریب به اتفاق منابع بر خواندن نقشه‌های توپوگرافی و ناوبری زمین متمرکز شده‌اند. در مقاله حاضر، نویسندگان “نقشه خوانی” را متفاوت درک می کنند. راهیابی نیست، بلکه نحوه استفاده از نقشه ها برای به دست آوردن اطلاعات مورد نظر از یک یا چند نقشه برای درک محیط اطراف است. این تعریف از Muehrcke و همکاران اقتباس شده است. [ ۴ ]. بسیاری از نقشه نگاران به این سوال پرداخته اند که چگونه می توان نقشه ها را طبقه بندی و سازماندهی کرد. اولسون [ ۵ ]، هیئت مدیره [۶ و موریسون [ ۷ ] پیچیدگی فزاینده ای را در هر سطح از استفاده از نقشه ذکر می کنند. یکی از اولین محققینی که برای شناسایی سطوح کار در نقشه ها تلاش کرد، اولسون بود.

اولسون [ ۵ ] سه سطح وظیفه را شناسایی و وظایف را بر اساس ساختار سلسله مراتبی با دشواری صعودی سازماندهی کرد. اولین سطح کار شامل مقایسه ویژگی‌های نمادهای نقشه فردی، مانند شکل، اندازه نسبی، اهمیت و غیره است. سطح دوم به معنای شناخت ویژگی های گروه های نماد بر روی نقشه به عنوان یک کل است، مانند الگوهای فضایی، شباهت با سایر الگوهای نقشه و غیره. وظایف در این سطح پیچیده تر هستند، اما همچنان با نمادهای انتزاعی سروکار دارند. سطح سوم استفاده از نقشه برای کمک به تصمیم گیری یا ایجاد محتوای دانش با مرتبط کردن نمادهای نقشه با اطلاعات دیگر است.

تعریف اولسون از وظایف نقشه خوانی توسط بورد [ ۶ ] نیز پذیرفته شد که وظایف نقشه خوانی مناسب برای مطالعه ارتباطات نقشه برداری را مطالعه کرد. این مطالعه با کار موریسون [ ۷ ] دنبال شد که توصیفی جایگزین از وظایف نقشه خوانی ارائه کرد. وظایف موریسون عبارتند از: (۱) وظایف پیش از نقشه (به دست آوردن، توسعه، نقشه برداری)، (۲) تشخیص، تمایز و شناسایی (محل، شناسایی، تعریف، تأیید)، (۳) تخمین وظایف (محاسبه، مقایسه، اندازه گیری)، (۴) نگرش نسبت به سبک نقشه (مثبت، ترجیح داده شده).

Muehrcke، Kimerling و Juliana [ ۴ ] و Ormeling [ ۸ ] از اصطلاحات نقشه خوانی، تحلیل نقشه و تفسیر نقشه به جای سطوح استفاده کردند. نویسندگان دیگر نیز همین طبقه بندی را در نظر گرفته اند. بررسی گسترده ای از این موضوع توسط هاولکوا و هانوس [ ۹ ] ارائه شد که از نویسندگان [ ۱۰ ، ۱۱ ، ۱۲ ، ۱۳ ، ۱۴ ، ۱۵ ] و دیگران نام بردند.

نقشه خوانی: کاربر هنگام خواندن نقشه، عناصر آن را به تصاویر ذهنی از محیط تبدیل می کند. اولین قدم شناسایی نمادهای نقشه است. خواننده باید خلاقانه عناصر روی نقشه را با عناصر دنیای واقعی روبرو کند [ ۴ ]. طبق نظر ویگاند [ ۱۱ ]، نقشه خوانی به عنوان استخراج ساده اطلاعات از نقشه مشخص می شود. ویژگی های نقشه شناسایی و نامگذاری می شوند و ویژگی های آنها ذکر می شود. مهارت های خاص ممکن است تشخیص نماد، تمایز و رمزگشایی، درک راهنما، یا تعیین مختصات را نشان دهد [ ۹ ].

تحلیل نقشه: هدف تجزیه و تحلیل توصیف ساختار و روابط فضایی است. هنگام تجزیه و تحلیل نقشه، کاربر باید اطلاعات موجود در نقشه را طبق طبقه بندی خاصی کاهش دهد تا بتواند آن را درک کند و برای افراد دیگر توصیف کند. تحلیل یک توصیف ارائه می دهد، نه توضیح یا تفسیر [ ۴ ]. تجزیه و تحلیل نقشه شامل پردازش اطلاعات، به عنوان مثال، برای توصیف الگوها و روابط یا اندازه گیری فواصل بین مکان ها است [ ۱۱ ]. مهارت های نقشه مرتبط با تجزیه و تحلیل نقشه به کاربران اجازه می دهد تا اطلاعاتی در مورد پدیده در یک مکان و توزیع آن استخراج کنند، روابط فضایی بین پدیده ها را تعیین کنند، توزیع فضایی پدیده ها را مقایسه کنند، و از مقیاس نقشه یا برنامه ریزی مسیرها و ناوبری استفاده کنند [۹] .].

تفسیر نقشه: هنگام تفسیر نقشه، کاربر الگوها را کشف می کند و به دنبال توضیحاتی برای آنها می گردد. این یک عمل خلاقانه پیچیده است که شامل هر دو مرحله قبلی نقشه خوانی و تجزیه و تحلیل نقشه است. تفسیر نقشه به چیزی بیش از درک زبان نقشه نیاز دارد. هر چه کاربر بتواند از دانش و تجربه بیشتری استفاده کند، کاربر بهتر می تواند روابط و الگوهای فضایی را در نقشه تفسیر کند [ ۴ ]. تفسیر نقشه فراتر از آنچه در نقشه نشان داده شده است حرکت می کند و شامل استفاده از اطلاعات به دست آمده قبلی برای حل مشکلات یا تصمیم گیری می شود [ ۱۱ ].

۱٫۲٫ اطلس های جهان مدرسه در جمهوری چک

اطلس ها یکی از مهم ترین مواد کمکی مورد استفاده در آموزش علوم اجتماعی، تاریخ و جغرافیا هستند [ ۱۶ ].

سه اطلس دنیای مدرسه از سه ناشر مختلف در حال حاضر در جمهوری چک موجود است. Kartografie PRAHA، TERRA، و SHOCart، شرکت های خصوصی انتشارات کارتوگرافی هستند که با کارشناسان دانشگاه همکاری می کنند. اطلس ها و سایر مواد آموزشی مورد استفاده در مدارس در جمهوری چک باید توسط وزارت آموزش، جوانان و ورزش جمهوری چک مورد بررسی و تایید قرار گیرند.

اطلس های دنیای مدرسه مواد آموزشی مورد استفاده دانش آموزان از کلاس ششم ابتدایی (۱۱ سال) به دانش آموزان دبیرستانی (۱۹ سال) است. اطلس های جهان مدرسه دارای اطلس های مکمل بسیاری هستند که عمدتاً بر جمهوری چک، قاره های منفرد و موضوعاتی مانند انرژی یا امور مالی جهان تمرکز دارند. هر سه ناشر فوق الذکر اطلس دنیای مدرسه خود را در نسخه های دیجیتال ارائه می دهند.

۱٫۳٫ ارزیابی نقشه های موضوعی و اطلس های دنیای مدرسه

تنها چند مطالعه بر جنبه های آموزشی نقشه خوانی متمرکز شده اند. بریچتووا و همکاران [ ۱۷ ] نشان می دهد که یک نقشه از نظر بصری جذاب معمولاً ترجیحات و محبوبیت بالاتری را در بین عموم به ویژه دانش آموزان به دست می آورد. Carswell [ ۱۸ ] توانایی های کودکان را در نقشه خوانی توپوگرافی تجزیه و تحلیل کرد و این یافته ها را خلاصه کرد که معلمان موفقیت در آموزش مهارت های نقشه خوانی را بیش از حد ارزیابی می کنند و در عین حال توانایی های نقشه خوانی کودکان را دست کم می گیرند. ون دایک و همکاران [ ۱۹ ] و شی و دایک [ ۲۰] توانایی دانش آموزان را در استفاده از انواع مختلف مهارت های نقشه آزمایش کرد. مطالعات آنها نشان داد که دادن فرصتی به دانش‌آموزان برای تعیین توالی انجام تکالیف نقشه یک استراتژی توصیه شده است. هانوس و مارادا [ ۲۱ ] اسناد درسی کشورهای مختلف را با تأکید ویژه بر مهارت های نقشه مقایسه کردند. نتایج نشان داد که پتانسیل جغرافیا در مهارت های نقشه در برنامه های درسی چک به اندازه کافی برآورده نشده است.

هاولکوا و هانوس [ ۹ ] تحقیقاتی را در مورد بررسی اثر روش های مختلف نقشه برداری (موضوعی) انجام دادند. نتایج نشان داد که دانش‌آموزان با استفاده از روش‌های نقشه‌برداری کمی با نقشه‌ها مشکل داشتند. دانش آموزان در کارهایی که از روش های نقشه برداری کیفی یا کمی و کیفی استفاده می شد، موفق تر بودند. کار با نقشه های موضوعی نیز توسط Reyes Nuñez و همکاران ارزیابی شد. [ ۲۲ ] بر روی نمونه ای از دانش آموزان از آرژانتین و مجارستان. ارزشیابی توسط یک پرسشنامه برای معلمان تکمیل شد. اطلس های موضوعی (سیاسی) توسط معلمان در آرژانتین استفاده می شود، اما عمدتاً از اطلس های فیزیکی در مجارستان استفاده می شود. Reyes Nuñez and Juhász [ ۲۳] همچنین اثربخشی کارتوگرام ها را تحلیل کرد. نتایج نشان داد که کارتوگرام های ناحیه هندسی برای استفاده در نقشه کشی مدارس مناسب تر از کارتوگرام های ناحیه جغرافیایی هستند. اثربخشی یک کارتوگرام منطقه در تجسم داده های مکانی نیز توسط Sun و Li [ ۲۴ ] ارزیابی شد. تجزیه و تحلیل آنها نشان داد که یک شبه کارتوگرام ترجیح داده شده ترین تکنیک است و یک کارتوگرام Dorling کمترین ترجیح را دارد.

کوبیچک و همکاران [ ۲۵ ] زمان پاسخ و نرخ خطا را در کارهای نقشه خوانی نسبت به تغییرات مختلف تجسم ویژگی های خطی اندازه گیری کرد. نتایج تأیید کرد که رنگ و اندازه رنگ کارآمدتر از شکل و ارزش رنگ است.

هدف Gołębiowska [ ۲۶ ] درک چگونگی عملکرد انواع چیدمان راهنما ها در نقشه های موضوعی در حین خواندن نقشه بود. از شرکت کنندگان در مطالعه خواسته شد تا دو مجموعه از وظایف را با استفاده از دو نقشه موضوعی با طرح بندی راهنما های مختلف انجام دهند. سه نوع طرح افسانه در این مطالعه استفاده شد: افسانه فهرست، افسانه گروه‌بندی شده و افسانه طبیعی. استفاده از یک افسانه طبیعی به بیشترین زمان نیاز داشت، زیرا این نوع افسانه چندان رایج نیست و شرکت کنندگان باید بر درک اصل افسانه تمرکز می کردند. چیدمان نمادها در یک افسانه گروهی، بار بر روی حافظه کاری را کاهش داد. پیترا و همکاران [ ۲۷] یک مطالعه تجربی برای بررسی مهارت های ترسیم نقشه انجام داد. تحقیقات تجربی آنها مدل‌های شایستگی کمتر توسعه‌یافته ترسیم نقشه را در مقایسه با نقشه‌خوانی نشان داد.

با این حال، هیچ یک از مطالعات ذکر شده در بالا نقشه های اطلس ها را آزمایش نکردند. Słomska [ ۲۸ ] یک نمای کلی از انواع مختلف نقشه هایی که به عنوان محرک در تحقیقات تجربی نقشه برداری استفاده می شوند ایجاد کرد. این مطالعه ۱۰۳ مطالعه تجربی از چهار مجله کارتوگرافی را خلاصه کرد. این مطالعه ثابت کرد که تنها یک مطالعه [ ۲۶ ] از نقشه های اطلس ها استفاده کرده است. اطلس مورد استفاده در مطالعه [ ۲۹ ] یک اطلس دیجیتال تعاملی بود که طیف وسیعی از داده های موضوعی را برای ایالات متحده نمایش می داد. این نوع اطلاعات، مطالبی کاملاً متفاوت با اطلس دنیای مدرسه است.

یکی از جامع ترین مطالعات اطلس مدارس توسط Bugdayci و Bildirici [ ۱۶ ] انجام شد که ۲۲ اطلس مورد استفاده در آموزش جغرافیا و مطالعات اجتماعی را ارزیابی کردند. نویسندگان تعمیم، نماد شناسی، فونت ها، رنگ ها و عناصر رایج نقشه را بررسی کردند. فصل آخر مطالعه، راهنما نقشه، موقعیت جغرافیایی و مقیاس نقشه را تشریح کرد. همچنین حاوی چند نمونه و پیشنهاد برای بهبود طراحی نقشه‌برداری نقشه‌های موجود در اطلس‌ها بود.

ووزنیلک و همکاران [ ۳۰ ] آگاهی دانش‌آموزان چک از مجموعه نمادهای مورد استفاده در ۱۱ اطلس مدارس مختلف جهان را بررسی کرد. روش های تحقیق برای جستجوی ادبیات، مقایسه اطلس ها، نظرسنجی آنلاین و پردازش آماری استفاده شده است. نتایج تأیید کرد که دانش آموزان چک قادر به درک نمادهای نقشه و روش های نقشه برداری مورد استفاده در اطلس مدارس اروپایی بودند. این نتایج با Michaelidou و همکارانش مطابقت داشت. [ ۳۱ ]، که توانایی کودکان دبستانی را برای تجزیه و تحلیل محتوای نقشه نقشه های موضوعی مختلف مورد تجزیه و تحلیل قرار داد.

Blaha [ ۳۲ ] اهمیت زیبایی شناسی را در کاربرپسند بودن محصولات کارتوگرافی و روش های ارزیابی پیشنهادی برای زیبایی شناسی نقشه، مانند امتیازدهی، طبقه بندی، تخمین کارشناسان و بررسی ها را برجسته کرد. سیستم امتیازدهی در مطالعه دیگری [ ۳۳ ] روی دو اطلس جهان مدرسه چک استفاده شد و زیبایی‌شناسی و کاربرپسندی در نقشه‌ها را بررسی کرد.

Persadko و Baltabaeva [ ۳۴ ] اطلس های مدارسی که در حال حاضر در ترکمنستان استفاده می شوند را ارزیابی کردند. آنها نشان دادند که اطلس ها منسوخ شده و حاوی تعداد زیادی نادرستی نقشه برداری هستند. نویسندگان نیاز به ایجاد یک اطلس مدرسه جدید برای ترکمنستان را توجیه کردند.

گومز سولورزانو و همکاران. [ ۳۵ ] یک نظرسنجی از ۵۰ پاسخ دهنده برای مقایسه اطلس چاپی و دیجیتال انجام داد. نویسندگان با استفاده از پنج کار، صحت، زمان واکنش، رضایت، ادراک و احساسات را اندازه گرفتند. این تحقیق نشان داد که اطلس چاپی و دیجیتال مکمل یکدیگر هستند. معیارهای قابلیت استفاده کمی متفاوت بود. موارد مربوط به صحت و زمان واکنش برای اطلس دیجیتال بالاتر بود، در حالی که موارد مربوط به رضایت و درک برای اطلس چاپی بالاتر بود.

آهنگ و همکاران [ ۳۶ ] عوامل اصلی مؤثر بر طراحی نمادها در اطلس ملی اقتصادی چین را تحلیل کرد. ژانگ و چن [ ۳۷ ] ارزیابی ساختار، محتوا و طراحی اطلس گردشگری استان شانشی را انجام دادند.

۱٫۴٫ استفاده از ردیابی چشم

دهه اول قرن بیست و یکم مرحله جدیدی را در تحقیقات ادراکی گشود. این مرحله را می توان به عنوان شناختی-دیجیتال توصیف کرد زیرا این نوع تحقیق بر اساس نرم افزار کامپیوتری است و با جنبه های شناختی ادراک نقشه سروکار دارد [ ۳۸ ]. به گفته روهرر [ ۳۹ ]، یکی از عینی‌ترین روش‌ها در ارزیابی محرک‌های (نقشه‌نگاری) ردیابی چشمی است زیرا به جای «آنچه مردم می‌گویند»، «آنچه مردم انجام می‌دهند» را نشان می‌دهد. پوپلکا و ووزنیلک [ ۴۰ ] جنبه های مشترک ردیابی چشم و مکعب فضا-زمان را توصیف کردند و مطالعات مشترک را در تحقیقات نقشه برداری تشویق کردند.

دونگ و همکاران [ ۴۱ ] از ردیابی چشم در آموزش جغرافیا برای ارزیابی تأثیر دروس جغرافیا بر توانایی دانش‌آموزان برای کار با نقشه استفاده کرد. با این حال، نقشه مورد استفاده در آزمایش از اطلس مدرسه نبود، بلکه یک تجسم زمین بود. Biland و Çöltekin [ ۴۲ ] از نوع مشابهی از محرک ها استفاده کردند. Havelková و Gołębiowska [ ۴۳ ] نقشه های موضوعی را با استفاده از ردیابی چشم ارزیابی کردند. در مطالعه آنها، محرک ها توسط نویسندگان ایجاد شد، اما با توجه به تحلیل محتوای اطلس های جغرافیای مدارس و کتاب های درسی انتخاب شدند.

کیک و همکاران [ ۴۴ ] چهار طرح مختلف از نمادهای منطقه را در نقشه های موضوعی در یک مطالعه مقایسه کرد تا مشخص کند که آیا نمادهای ناحیه در شناسایی وسعت چند ضلعی ها مناسب هستند و در عین حال حواس نقشه خوان را پرت نمی کنند. بهترین نتایج با دریچه ها به دست آمد. پوپلکا و دولزالووا [ ۴۵ ] از نقشه های موضوعی سه بعدی به عنوان محرک در آزمایش های ردیابی چشم استفاده کردند. Brychtova و Vondrákova [ ۴۶ ] طرح های رنگی متوالی مورد استفاده در نقشه های موضوعی را ارزیابی کردند. گوبل و همکاران [ ۴۵] از ردیابی چشم برای مطالعه انطباق محتوای راهنما با استفاده از روش‌های مبتنی بر نگاه استفاده کرد. این مطالعه نشان داد که محتوای افسانه بر اساس نگاه تغییر می کند. انواع نمادهایی که قبلاً روی آنها تثبیت شده بودند، در راهنما نقشه با کدورت کامل ترسیم شدند، در حالی که سایر نمادها کاهش یافتند.

پژوهش حاضر به مقایسه راهبرد نقشه خوانی دانش آموزان و معلم آنها می پردازد که بر مقایسه بین خبرگان و تازه کارها تمرکز دارد. این موضوع قبلاً در یک مبحث مربوط به کارتوگرافی تحلیل شده بود، به عنوان مثال، در مطالعه ای توسط Burian و همکاران. [ ۴۶]. این مطالعه تفسیر چهار طرح مختلف شهری را مورد ارزیابی قرار داد و دانشجویان و کارشناسان برنامه ریزی شهری را با هم مقایسه کرد. نتایج نشان داد که کارشناسان اشتباهات نسبتا زیادی مرتکب شدند، زیرا آنها بیش از حد به خود اعتماد داشتند و به راهنما نقشه نگاه نکردند. این ممکن است نشان دهنده تشابهی با استراتژی معلم در این مطالعه باشد که همچنین از استفاده از راهنما نقشه اجتناب کرده و مستقیماً پاسخ داده است. تفاوت بین راهبرد نقشه‌خوانی دانش‌آموزان و معلمان نیز ممکن است به عنوان شباهت تجزیه ارزش منفرد بین مجموعه‌های مسیر اسکن مورد مطالعه قرار گیرد [ ۴۷ ].

اندرسون و لاینهارت [ ۴۸ ] از شرکت کنندگان خواستند که کوتاه ترین فاصله بین دو مکان را همانطور که روی سطح زمین ظاهر می شوند ترسیم کنند (با استفاده از نقشه ای با طرح مرکاتور). نتایج نشان داد که کارشناسان جغرافیا به طور قابل توجهی بهتر از معلمان مبتدی و پیش از خدمت عمل کردند. نتایج آنها با نتایج مطالعه حاضر در تضاد است، اما باید اذعان داشت که وظایف کاملاً متفاوت بود. از شرکت کنندگان در مطالعه اندرسون و لاینهارت [ ۴۸ ] انتظار می رفت که طبق دانش خود از قوانین استفاده کنند. در پژوهش حاضر به شرکت کنندگان آموزش داده شد که از نقشه برای حل تکلیف استفاده کنند.

تفاوت بین متخصصان و تازه کارها در خواندن نقشه های پلان سنجی و کانتور توسط Thorndyke و Stasz [ ۴۹ ] و Gilhooly و همکارانش تحلیل شد. [ ۵۰ ]. اخیراً، ادراک نقشه های سه بعدی تعاملی و ایستا توسط هرمان و همکاران بررسی شده است. [ ۵۱ ]. برخلاف یافته‌های ما، نویسندگان یک تفاوت آماری معنی‌دار را از نقطه‌نظر دقت، زمانی که کارشناسان درست‌تر بودند، کشف کردند.

سایر مطالعات نقشه برداری توسط Ooms و همکاران انجام شده است. [ ۵۲ ] و Ooms و همکاران. [ ۵۳ ]. شرکت کنندگان در این مطالعات با انواع مختلف نقشه کار کردند. نتایج آنها نشان داد که فرآیند تفسیر یک متخصص بسیار سریعتر از یک مبتدی است. این تحقیق تأیید کرد که مدت زمان آزمایشی معلم در برخی کارها سریعتر اما در برخی دیگر کندتر بود.

تا آنجا که ما می دانیم، هیچ مطالعه ردیابی چشمی قبلی دانش آموزانی را که با اطلس مدرسه کار می کنند ارزیابی نکرده است.

۱٫۵٫ انگیزه و سوالات تحقیق

بر اساس مدل‌های ارتباطی نقشه‌برداری [ ۶ ، ۵۴ ، ۵۵ ، ۵۶ ]، نقشه‌ها محصولاتی هستند که هدفشان کمک به مردم در درک جهان است. عموماً اولین محصول نقشه کشی سیستماتیکی که جوانان در زندگی خود با آن مواجه می شوند، اطلس دنیای مدرسه است.

متداول ترین اطلس دنیای مدرسه در جمهوری چک توسط Kartografie PRAHA منتشر شده است. نویسندگان مطالعه حاضر ۶۰۰ معلم جغرافی چک را با یک پرسشنامه آنلاین مورد بررسی قرار دادند و دریافتند که اکثر این معلمان (۹۴٪) از این اطلس در درس های جغرافیای خود استفاده می کردند. یکی از سوالات نظرسنجی در مورد نقش اطلس دنیای مدرسه در تدریس مطرح شد. در مقیاس ۱۰ درجه ای لیکرت، ۱۰ نشان دهنده مهمترین نقش است. مقدار متوسط پاسخ به این سوال ۹ بود. بیشتر معلمان در هر درس با اطلس کار می کردند (۵۷%)، در حالی که ۲۹% از آنها در هر درس دوم با اطلس کار می کردند. فقط ۳ درصد از معلمان کمتر از هر درس سوم از اطلس استفاده کردند. این یافته‌ها تأیید می‌کنند که اطلس دنیای مدرسه، ماده حیاتی در آموزش جغرافیا است.

اطلس از Kartografie PRAHA شامل ۱۶۲ نقشه است. از این تعداد ۱۲۷ مورد موضوعی و ۳۵ مورد به طور کلی جغرافیایی هستند. از بین ۵۰ نقشه جهانی موجود در اطلس، ۹ نقشه موضوعی برای آزمایش انتخاب شد. معیارهای انتخاب و مشخصات دقیق نقشه های آزمایش در بخش ۲٫۲ توضیح داده شده است . ( محرک ها و وظایف ) .

این اطلس ها باید به دانش آموزان کمک کند تا محیط طبیعی و اجتماعی-اقتصادی زمین را درک کنند. بنابراین اطلس های مدرسه باید قابل فهم، مرتب، و روشن و قابل استفاده توسط دانش آموزان و معلمان آنها باشد.

مطالعاتی که نقشه خوانی اطلس مدرسه را بررسی می کند می تواند نشان دهد که آیا دانش آموزان می توانند اطلاعات ارائه شده در این نقشه ها را بازیابی کنند و همچنین می توانند به طور بالقوه مشکلات در طراحی نقشه را تشخیص دهند. با این حال، روند درک نقشه ها در اطلس مدارس هنوز به طور کامل بررسی نشده است. همانطور که در بالا توضیح داده شد، هیچ مطالعه ای از ۱۰۳ مطالعه کاربر نقشه برداری بر اطلس های دنیای مدرسه، یا به طور کلی اطلس ها تمرکز نکرده است [ ۲۸ ]. هدف مطالعه حاضر پر کردن این شکاف است.

اکثریت قریب به اتفاق مدل‌های ارتباطی نقشه‌برداری، فرآیند بین نقشه‌نگار و نقشه‌خوان را توصیف می‌کنند. با این حال، این مدل‌ها توضیح نمی‌دهند که آیا خوانندگان نقشه‌ها را به همان شیوه تفسیر می‌کنند یا خیر. مقایسه راهبردهای نقشه خوانی بین دانش آموزان و معلمان ممکن است منبع مشکلاتی را که برخی از دانش آموزان با نقشه خوانی دارند آشکار کند. اگر معلم و دانش‌آموز نقشه‌ها را متفاوت بخوانند، فرآیندهای آموزشی نیز ممکن است تحت تأثیر قرار گرفته و مختل شوند.

مقاله حاضر یک مطالعه ردیابی چشم را با استفاده از نقشه های موضوعی از اطلس دنیای مدرسه به عنوان محرک توصیف می کند. شرکت کنندگان چندین کار را با استفاده از این نقشه ها حل کردند. با توجه به این توزیع مهارت های نقشه، وظایف اعمال شده در آزمایش در دسته های نقشه خوانی (تشخیص نماد، درک راهنما) و تحلیل نقشه (استخراج مکان و توزیع پدیده، مقایسه توزیع پدیده های فضایی) قرار می گیرند.

هدف اصلی آزمایش در پژوهش حاضر، تجزیه و تحلیل چگونگی خواندن نقشه‌های دانش‌آموزان و معلمان در اطلس دنیای مدرسه بود. وظیفه در این آزمایش این بود که یک شی خاص را روی یک نقشه موضوعی قرار دهید. مقاله حاضر به سه سوال تحقیق می پردازد:

Q1:: آیا دانش آموزان می توانند با یافتن اطلاعات و جستجوی اشیاء خاص روی نقشه، نقشه های موضوعی و راهنما های اطلس دنیای مدرسه را بیاموزند؟
Q2:: آیا روش های نقشه برداری مورد استفاده در اطلس دنیای مدرسه برای دانش آموزان قابل درک است؟
Q3:: آیا دانش آموزان نقشه های موضوعی اطلس دنیای مدرسه را مانند معلم خود می خوانند؟

۲٫ روش ها

۲٫۱٫ طراحی آزمایش

در ابتدای جلسه آزمایش، هدف از آزمایش برای شرکت کنندگان توضیح داده شد و اطلاعات اولیه در مورد اصل فناوری ردیابی چشم به دست آمد. این آزمایش در نرم افزار GazePoint Analysis طراحی شده است. طرحی از مطالعه و آزمایش در شکل ۱ آورده شده است .

آزمایش قبل از شروع آزمایش کالیبره شد و سپس نتایج توسط تکنسین مسئول آزمایش بررسی شد. پس از کالیبراسیون موفقیت آمیز، یک کار بدون محرک به هر پاسخ دهنده داده شد. پاسخ دهندگان زمان نامحدودی برای خواندن و به خاطر سپردن تکلیف دریافت کردند. یک ضربدر تثبیت به مدت ۶۰۰ میلی ثانیه بین کار و محرک های نقشه نمایش داده شد تا مبدا مسیر حرکت چشم تا مرکز صفحه را کالیبره کند. محرک حداکثر برای ۶۰ ثانیه نمایش داده شد و پاسخ دهندگان باید اشیاء خاصی را روی نقشه پیدا کنند. محرک ها به ترتیب ثابت، از ساده ترین تا پیچیده تر (طبق نظر نویسندگان) ارائه شدند. در اکثر وظایف، شرکت کنندگان با استفاده از کلیک ماوس (کلیک) مستقیماً روی نقشه پاسخ دادند. فقط وظیفه ۱۰ از شرکت کنندگان خواسته بود که اطلاعات خاصی را روی نقشه جستجو کنند و آن را با صدای بلند بگویند. تکنسین این پاسخ ها را ثبت کرد.

۲٫۲٫ محرک ها و وظایف

تمام محرک های مورد استفاده در مطالعه از نسخه الکترونیکی اطلس مدرسه جهان منتشر شده توسط Kartografie PRAHA (ویرایش چهارم) [ ۵۷ ] به دست آمد. همه نقشه ها با نسخه چاپی اطلس یکسان هستند. نه نقشه جهان موضوعی با موضوعات مختلف برای آزمایش انتخاب شد.

به دلیل نسبت تصویر و وضوح نمایشگر (۴:۳؛ ۱۲۸۰ × ۱۰۲۴)، برخی از نقشه ها برای خوانایی بهتر نیاز به برش دارند. هیچ بخش یا اطلاعات مرتبطی که بتواند بر نتایج آزمایش تأثیر بگذارد حذف نشد. هر نقشه همیشه حاوی حداقل یک فیلد نقشه و راهنما برای حفظ هر چه بیشتر نقشه از نظر خوانایی است. همه نقشه های مورد استفاده به عنوان محرک در روش های تجسم، نوع داده (کیفی/کمی) و سبک راهنما متفاوت است. تمام نقشه ها در شکل ۲ نشان داده شده است . پیش نمایش با وضوح کامل در مواد تکمیلی گنجانده شده است .

سه سوال تحقیق تعیین کننده انتخاب استراتژیک نقشه-محرک و تدوین وظایف بود. Q1 می پرسد آیا دانش آموزان می توانند با نقشه های موضوعی در اطلس دنیای مدرسه یاد بگیرند یا خیر؟ اطلس به دلیل پوشش طیف وسیعی از موضوعات برنامه درسی جغرافیا به طور کامل مورد بازرسی قرار گرفت. بر این اساس، نقشه های مختلف جهان با تمرکز بر موضوعات جغرافیایی مختلف (مناطق پوشش گیاهی، شهرنشینی، زمین شناسی، اقتصاد و غیره) برای آزمایش ردیابی چشم انتخاب شدند. Q2 درک روش های کارتوگرافی را بررسی می کند. نقشه‌هایی که از روش‌های مختلف نقشه‌کشی (نمادهای درجه‌بندی شده، نقشه‌های choropleth، نمادهای ناحیه و غیره) استفاده می‌کردند، بنابراین انتخاب شدند. Q3 شباهت ها و تفاوت ها در استراتژی های نقشه خوانی دانش آموزان و معلم آنها را بررسی می کند و بر مفاهیم Q1 و Q2 استوار می شود.

تکالیف برای هر محرک نقشه با توجه به نوع اطلاعات نمایش داده شده، روش تجسم و سبک راهنمافرموله شد و مستقیماً به سؤال تحقیق مرتبط بود که آیا پاسخ دهندگان می توانند نقشه های موضوعی را بخوانند و از راهنما برای جستجوی اطلاعات و یافتن یک شی خاص در آن استفاده کنند. نقشه.

نقشه‌های مورد استفاده در آزمایش با توجه به نوع داده‌هایی که نمایش می‌دهند به چند نوع تقسیم می‌شوند: کیفی (Map01، Map05، و Map06)، کمی (Map02، Map04، و Map09)، و هر دو کیفی و کمی (Map03، Map07، Map08 و Map10).

در نقشه‌هایی که داده‌های کیفی را نمایش می‌دادند، وظیفه تعیین‌شده ساده بود. پاسخ دهندگان باید یک شی را در راهنما پیدا کرده و سپس آن را روی نقشه شناسایی کنند. وظیفه شناسایی تمام مناطق دارای جنگل‌های برگ‌ریز معتدل در Map01، یک مرز صفحه همگرا در Map05، و مکان‌هایی که سنگ آهن در Map06 استخراج شده بود، بود.

داده های کمی با استفاده از نقشه کروپلث (Map02)، نقشه نماد مدرج (Map04)، و نقشه جریان (Map09) تجسم شدند. وظیفه در نقشه choropleth (Map02) شناسایی همه کشورهای با کمتر از ۲۰٪ جمعیت شهری بود. وظیفه در هر دو نقشه نمودار یافتن تراکم شهری و مسیرهای کشتیرانی با ویژگی های خاص بود.

نقشه های باقی مانده حاوی اطلاعات کمی و کیفی بودند. همه این نقشه ها شامل نمادهای متناسب بودند و مناطق به عنوان نقشه های choropleth یا نمادهای منطقه نمایش داده می شدند. وظایف شرکت کنندگان را ملزم می کرد که با نمودارها کار کنند و کشوری را که بیشترین نسبت سیب زمینی را در کل کالری مصرفی دارند (Map03)، کشورهایی با تولید ناخالص داخلی خاص (Map07) و کشورهایی با واردات بالاتر از صادرات (Map08) شناسایی کنند. در کار برای Map08، پاسخ را می توان از نمادهای درجه بندی شده (نمایش مقادیر برای واردات و صادرات) یا با استفاده از نمادهای منطقه (نقشه کروکروماتیک نشان دهنده تراز تجاری) کشف کرد. در کار نهایی (نقشه ۱۰)، شرکت کنندگان صادرات برزیل را بر اساس مقیاس ارزشی تخمین زدند.

از آنجایی که اطلس به زبان چک است، تمام وظایف به زبان چکی نیز تدوین شده است. ترجمه این وظایف در جدول ۱ آمده است .

۲٫۳٫ شركت كنندگان

چهل و یک دانش آموز کلاس سوم (حدود ۱۸ سال) از یک دبیرستان چک در این آزمایش شرکت کردند. آزمون در دو مرحله و طی دو هفته در پایان سال ۲۰۱۸ انجام شد. معلم جغرافیای دانش آموزان نیز در آزمون نیمه اول سال ۲۰۱۹ شرکت کرد. برای همه شرکت کنندگان، آزمایش در این آزمایش اولین تجربه آنها با ردیابی چشم بود. فن آوری. برخی از آنها ممکن است احساس عصبی بودن داشته باشند، که ممکن است بر کیفیت داده ها تأثیر گذاشته باشد. ۱۱ نفر از ۴۱ دانش آموز به دلیل عدم دقت دستگاه یا مشکلات کالیبراسیون از مجموعه داده حذف شدند. این مرحله پیش پردازش داده ها در ادامه توضیح داده می شود. داده های ثبت شده برای ۳۰ دانش آموز (۸ پسر و ۲۲ زن) و یک معلم جغرافیا (زن) در نهایت در تجزیه و تحلیل قرار گرفتند.

معلمی که در این تحقیق شرکت کرد، بیش از ۳۰ سال است که جغرافیا را در دبیرستان با بیش از ۴۰۰ دانش آموز تدریس می کند. او از اطلس دنیای مدرسه از Kartografie PRAHA (نسخه ۲۰۰۶) و اطلس های قدیمی تر (حدود ۱۹۸۹) در کلاس های خود استفاده می کند. دانش‌آموزان او در هر درس از اطلس استفاده می‌کنند، عمدتاً با نقشه‌های جغرافیایی عمومی و کمتر با نقشه‌های موضوعی (اقلیم، هیدرولوژی، لیتوسفر، بیوسفر، پدوسفر و غیره).

۲٫۴٫ دستگاه

مسیر چشم با استفاده از سه ردیاب چشم GazePoint 3 که توسط سه تکنسین کار می‌کردند اندازه‌گیری شد. ردیاب چشم GazePoint یک دستگاه ارزان قیمت شبیه به ردیاب TheEyeTribe و Tobii EyeX است. دقت و دقت تمام این ردیاب‌های چشمی کم‌هزینه قبلاً در مطالعات Dalmaijer [ ۵۸ ]، Ooms و همکاران آزمایش شده است. [ ۵۹ ] و پوپلکا و همکاران. [ ۶۰ ]. Janthanasub و Meesad [ ۶۱ ] دقت ردیاب چشم GazePoint 3 را در مطالعه خود آزمایش کردند. نتایج نشان داد که برای استفاده در تحقیقات مناسب است. GazePoint 3 همچنین در مطالعات در زمینه علوم اعصاب [ ۶۲ ]، بازاریابی [ ۶۳ ]، ریاضیات [ ۶۴ ]، فیزیک [۶۲] استفاده شده است.۶۵ ]، حرکت شناسی و علوم ورزشی [ ۶۶ ]. فهرست جامعی از انتشارات مربوط به ردیاب GazePoint در https://www.gazept.com/meet-the-team/publications/ موجود است .

۲٫۵٫ پیش پردازش داده ها

داده های ثبت شده حرکت چشم قبل از تجزیه و تحلیل داده ها از قبل پردازش و اعتبار سنجی شد. ضبط در کلاس انجام شد. دانش آموزان هیچ تجربه قبلی با آزمایش ردیابی چشم نداشتند.

داده ها با استفاده از نرم افزار GazePoint Analysis ثبت شد. با این حال، قابلیت های برنامه برای تجزیه و تحلیل داده ها حداقل است. بنابراین داده‌ها با استفاده از ابزار آنلاین در http://eyetracking.upol.cz/gp2ogama ، به فرمتی قابل خواندن توسط برنامه منبع باز OGAMA [ ۶۷ ] تبدیل شدند . برنامه OGAMA اجازه می دهد تا نسبت نمونه ها با مختصات ۰; ۰ (گوشه سمت چپ بالای محرک) محاسبه شود. این نمونه ها نشان دهنده از دست دادن داده های ناشی از چشمک زدن و سیگنال های از دست رفته است. نسبت نمونه‌های ضبط‌شده خارج از صفحه یکی دیگر از عواملی بود که به دلیل ردیاب چشم GazePoint نیاز به بررسی داشت. در موارد شدید، این نسبت از ۶۰ درصد فراتر رفت. این داده ها باید از مجموعه داده حذف می شد.

مقادیر نسبت از دست دادن داده ها ( α ) و نمونه های خارج از صفحه نمایش ( β ) برای هر شرکت کننده و محرک در جدول ۱ آورده شده است . مواردی که α یا β ≥ ۱۰ با رنگ قرمز برجسته می شوند. در مرحله بعد مجموع این نمونه ها محاسبه شد و ۱۱ دانش آموز با بیش از سه محرک مشکل ساز از تجزیه و تحلیل بیشتر حذف شدند. بقیه شرکت کنندگان به طور متوالی به S01-S30 تغییر نام دادند. معلم جغرافی دانش آموزان نیز درگیر تست زدن بود. خلاصه ای از کیفیت داده های ثبت شده در شکل ۳ نشان داده شده است . مقادیر در جدول نشان دهنده نسبت از دست دادن داده α (سمت چپ) یا نمونه های خارج از صفحه نمایش β است(راست) برای هر شرکت کننده. ستون TOTAL شامل تعداد مواردی است که مقادیر بیش از ۱۰٪ است.

۲٫۶٫ روشهای تجزیه و تحلیل

تثبیت ها و ساکادها قبل از تجزیه و تحلیل شناسایی شدند. آستانه الگوریتم تشخیص تثبیت (I-DT) روی ۲۰ پیکسل (فاصله بین نقاط) و ۵ (حداقل تعداد نمونه) تنظیم شد. الگوریتم تشخیص تثبیت بهینه توسط پوپلکا [ ۶۸ ] با جزئیات بیشتر توضیح داده شده است.

Q1 (توانایی دانش آموزان برای یادگیری با نقشه های موضوعی) با توجه به صحت پاسخ ها مورد تجزیه و تحلیل قرار گرفت و مدت زمان آزمایش به عنوان معیاری که زمان لازم برای پاسخ دادن به پاسخ دهندگان را نشان می دهد تجزیه و تحلیل شد. شرکت کنندگان پاسخ های خود را روی محرک ها با استفاده از کلیک ماوس علامت گذاری کردند. ابزار آنلاین http://eyetracking.upol.cz/gp2vanalytics/ داده های GazePoint Analysis را به V-Analytics تبدیل کرد [ ۶۹ ]. V-Analytics برای تجسم کلیک های ماوس استفاده شد و همچنین می تواند برای تجزیه و تحلیل داده های حرکت چشم استفاده شود [ ۷۰ ]. آزمون تعقیبی Kruskal-Wallis Nemenyi برای ارزیابی آماری داده‌های ثبت‌شده در RStudio در سطح معنی‌داری ۰۵/۰ استفاده شد.

Q2 (درک روش های کارتوگرافی) بر اساس بازرسی بصری مسیرهای اسکن ثبت شده و تجسم داده ها با استفاده از نمودارهای توالی پاسخ داده شد. نتایج به‌دست‌آمده در Q1 (صحت پاسخ‌ها و مدت زمان آزمایش) برای اشاره به وظایف نقشه‌نگاری مشکل‌ساز استفاده شد. در مرحله بعدی، دو آزمایشگر مسیر حرکت چشم (مسیرهای اسکن) را تجزیه و تحلیل کردند و نمودارهای توالی ایجاد کردند. از این تجسم ها، آنها سعی کردند دلیل صحت کم یا مدت زمان آزمایشی زیاد را آشکار کنند. به طور معمول، توزیع توجه بین نقشه و راهنما یا تمرکز بر بخش های خاصی از نقشه مورد تجزیه و تحلیل قرار گرفت.

نمودارهای دنباله ای توزیع تثبیت ها را در مناطق از پیش تعریف شده مورد علاقه (AOI) نشان می دهند. داده های حرکت چشم شرکت کنندگان با نوارهای رنگی نشان داده می شود. رنگ هر سلول در یک نوار نشان دهنده یک تثبیت در AOI خاص است. متأسفانه، نه OGAMA و نه GazePoint Analysis این نوع تجسم را ارائه نمی دهند. نمودارها به صورت دستی در MS Excel با استفاده از تابع PART و قالب بندی شرطی ایجاد شدند. نمودارهای توالی برای همه وظایف در http://eyetracking.upol.cz/atlases_thematic/SequenceCharts.pdf موجود است .

Q3 (مقایسه تفاوت استراتژی‌های نقشه‌خوانی دانش‌آموزان و معلم آنها) به تجزیه و تحلیل داده‌های حرکت چشم با استفاده از دو رویکرد برای محاسبه شباهت مسیر اسکن پرداخت. اولین رویکرد مبتنی بر فاصله ویرایش رشته با استفاده از ابزار ScanGraph [ ۷۱ ، ۷۲ است.]، که برای پردازش مستقیم داده های صادر شده از OGAMA طراحی شده است. ScanGraph ترتیب AOI های بازدید شده را به عنوان دنباله ای از کاراکترها تجزیه و تحلیل می کند و شباهت این دنباله ها را با استفاده از فاصله Levenshtein، الگوریتم Needleman-Wunsch یا فاصله Damerau-Levenshtein محاسبه می کند. شرکت‌کنندگان منفرد به‌عنوان گره‌ها در یک نمودار تجسم می‌شوند و ScanGraph به دنبال دسته‌هایی در این نمودار می‌گردد. دسته‌ها گروه‌هایی از شرکت‌کنندگان را نشان می‌دهند که حداقل تا حدی خاص (تعریف شده توسط کاربر) شبیه یکدیگر بودند. رویکرد دوم در تحلیل شباهت مسیر اسکن مبتنی بر روش چند تطبیقی است که توسط Jarodzka و همکاران معرفی شده است. [ ۷۳ ] و Dewhurst و همکاران. [ ۷۴]. این روش مسیرهای اسکن را به عنوان بردارهای ریاضی نشان می دهد و به مسیر اسکن اجازه می دهد تا دنباله ای از تثبیت ها و ساکادها را حفظ کند و شباهت را با استفاده از هندسه اندازه گیری کند. اندازه‌گیری‌های شباهت چندتطبیقی به تفاوت‌های شکل، موقعیت، طول، جهت و مدت زمان بین دو مسیر اسکن حساس هستند [ ۷۳ ]. همانطور که نویسندگان چند تطبیق نشان می‌دهند، این روش دارای اشکالاتی است که مهم‌ترین آنها این است که اندازه‌گیری‌ها فقط دو مسیر اسکن را با هم مقایسه می‌کنند.

در مطالعه حاضر، این اشکال با استفاده از محاسبات دسته ای در یک جایگزین چندتطبیقی مبتنی بر پایتون به نام multimatch-gaze [ ۷۵ ] پرداخته شده است. محاسبات دسته ای در تمام اندازه گیری های شباهت به جز مدت زمان ممکن بود. در این مورد، نتایج با توجه به طول مسیر اسکن طولانی‌تر نرمال شد، بنابراین مقایسه مقادیر برای چندین جفت مسیر اسکن امکان‌پذیر نیست. نتایج حاصل از چند تطبیق نگاه به ماتریس های جداگانه برای هر کار و هر نوع شباهت (بردار، جهت، طول، موقعیت) تبدیل شد. این ماتریس‌ها را می‌توان برای تحلیل بصری به ScanGraph وارد کرد یا مستقیماً آنالیز کرد (یعنی در MS Excel).

۳٫ نتایج

۳٫۱٫ صحت پاسخ ها – توانایی دانش آموزان برای یادگیری با نقشه ها (Q1)

در اکثر کارها، شرکت کنندگان پاسخ های خود را مستقیماً روی نقشه با استفاده از کلیک ماوس (کلیک) علامت گذاری کردند. سپس صحت این پاسخ ها مشخص شد. از این پاسخ ها برای بحث و حل سوال اول تحقیق استفاده شد. شرکت کنندگان فقط مقدار Task10 را طبق راهنما اندازه نماد تخمین زدند. شکل ۴ شامل خلاصه ای از پاسخ ها است. پاسخ‌های صحیح با رنگ سبز، نادرست با قرمز، و پاسخ‌های تا حدی صحیح (یعنی همه کشورهای صحیح علامت‌گذاری نشده‌اند) با رنگ نارنجی مشخص شده‌اند. همه پاسخ های از دست رفته به عنوان نادرست علامت گذاری شدند. صحت در تمام وظایف توسط همه شرکت کنندگان خلاصه شد. به هر پاسخ صحیح ۱ امتیاز و به پاسخ های جزئی صحیح ۰٫۵ امتیاز اختصاص داده شد.

ساده ترین کارها Task02 («شناسایی همه کشورهای با کمتر از ۲۰ درصد جمعیت شهری») و Task05 («شناسایی مرز صفحه همگرا»)، با صحت ۹۲ درصد بودند. با این حال، دشوارترین کار، Task10 بود که شرکت کنندگان حجم صادرات برزیل را بر اساس راهنما اندازه نماد تخمین زدند. اگرچه پاسخ صحیح ۲۵۰ میلیارد دلار بود، اما پاسخ‌های شرکت‌کنندگان از ۳ تا ۵۰۰۰ متغیر بود. به دلیل تحمل، پاسخ‌هایی که مقداری بین ۲۰۰ تا ۳۰۰ را نشان می‌دهند تا حدی صحیح شمرده شدند. شرکت کنندگان همچنین مشکلاتی را با Task07 نشان دادند که آنها را ملزم به شناسایی کشورهایی با ارزش تولید ناخالص داخلی خاص بر اساس راهنما اندازه نماد می کرد.

میانگین صحت پاسخ‌های همه دانش‌آموزان ۷۱ درصد بود. بنابراین می توان گفت که دانش آموزان به طور کلی قادر به خواندن نقشه های موضوعی و یادگیری از آنها بودند.

مدت زمان آزمایشی هر کار نیز مورد بررسی قرار گرفت. نمودارهای جعبه در شکل ۵ داده های ۳۰ دانش آموز را ترسیم می کنند. مقدار معلم جغرافیا با یک نقطه قرمز نشان داده شده است. تفاوت‌های آماری معنی‌دار بین تکالیف بر اساس آزمون Kruskal–Wallis post hoc Nemenyi با استفاده از خطوط آبی نشان داده می‌شود.

شرکت کنندگان بیشترین زمان را برای حل Task07 و Task10 نیاز داشتند. این دو تکلیف نیز نشان دهنده مشکلات صحت بود. مدت زمان آزمایش بالا نیز برای Task01 مشاهده شد. با این حال، شرکت کنندگان برای حل Task02 تنها به ۱۹ ثانیه (میانگین) نیاز داشتند. مقدار مدت آزمایش برای این کار به طور قابل توجهی با چهار کار دیگر متفاوت بود (Task01 ( p <0.001)، Task04 ( p = ۰٫۰۰۴)، Task07 ( p <0.001) و Task10 ( p <0.001)).

هیچ ارتباط واضحی برای مدت زمان آزمایش بین دانش آموزان و معلم مشخص نشد. در برخی از کارها، معلم سریعتر از دانش آموزان بود، اما برای سایر وظایف، مدت زمان آزمایشی معلم بسیار بیشتر بود.

۳٫۲٫ نتایج تکالیف فردی – درک روش های نقشه برداری (س۲)

در مرحله بعدی رفتار شرکت کنندگان در حل تکالیف مورد تجزیه و تحلیل قرار گرفت.

۳٫۲٫۱٫ وظیفه ۰۱

در اولین کار آزمایش، شرکت کنندگان تمام مناطق دارای جنگل های برگریز معتدل را شناسایی کردند. فرض بر این بود که این کار برای دانش‌آموزان بسیار آسان خواهد بود، زیرا تنها چیزی که مورد نیاز بود شناسایی نماد صحیح از راهنما و تشخیص تمام مناطق نشان‌داده‌شده با این نماد بود. اما دقت پاسخ ها ۶۱ درصد بود و تنها ۱۳ دانش آموز به طور صحیح و ۱۱ دانش آموز به طور جزئی تکلیف را حل کردند. دانش‌آموزان جنگل‌های برگ‌ریز معتدل را همراه با تایگا یا حتی جنگل‌های نیمه گرمسیری و گرمسیری علامت‌گذاری کردند. دلیل آن احتمالاً یک راهنما ضعیف بود که قابل تشخیص نبود، با هر سه نوع پوشش گیاهی که با استفاده از نمادهای بسیار مشابه تجسم می شدند (به بخش پایین سمت چپ شکل ۶ مراجعه کنید ). شکل ۶نشان دهنده تثبیت شرکت کنندگان در رنگ خاکستری و تثبیت معلم با رنگ قرمز است. پاسخ ها (کلیک ها) به صورت نقاط آبی تجسم می شوند. از توزیع تثبیت ها، مشهود است که شرکت کنندگان توجه خود را بر روی نوار با کمربندهای آب و هوایی در لبه میدان نقشه متمرکز نکردند.

معلم تا حدی با کلیک بر روی جنگل های برگریز معتدل در اروپا و همچنین تایگا در کانادا پاسخ داد. او توجه خود را بر روی راهنما متمرکز نکرد.

۳٫۲٫۲٫ وظیفه ۰۲

در تکلیف دوم، پاسخ دهندگان تمام کشورهایی را که کمتر از ۲۰ درصد از جمعیت شهری را در خود جای داده اند، در نقشه choropleth پیدا کرده و علامت گذاری کردند. شرکت‌کنندگان این کار را بسیار آسان می‌دانستند، یکی از بالاترین دقت‌ها را در کل آزمایش نشان می‌داد و کمترین زمان را برای حل آن نیاز داشت (۱۹٫۲۵ ثانیه همانطور که در شکل ۵ مشاهده می‌شود ).

نمودار توالی در شکل ۷ توزیع تثبیت ها را در قسمت نقشه (سبز) و راهنما (قرمز) نشان می دهد. فقط دو دانش آموز (S13 و S22) به اشتباه پاسخ دادند ( شکل ۴ ) زیرا آنها اصلاً به راهنما نگاه نکردند ( شکل ۷ را ببینید ).

پاسخ صحیح برای این کار علامت گذاری هشت کشور با روشن ترین رنگ بود. معلم فقط سه مورد از آنها را علامت گذاری کرد. از آنجایی که از نمودار توالی قابل مشاهده است، معلم هنگامی که شروع به مشاهده محرک کرد، البته فقط برای یک لحظه کوتاه، به راهنما نگاه کرد. او احتمالاً کشورها را با توجه به دانش خود از جغرافیای شهری نشان داده است.

۳٫۲٫۳٫ وظیفه ۰۳

در کار سوم، شرکت‌کنندگان کشوری را که بیشترین نسبت مصرف سیب‌زمینی را با توجه به کالری کل داشت شناسایی کردند. راهنما نقشه شامل سه بخش بود و شرکت کنندگان باید اطلاعات را از نمودارهای دایره ای که در آن سیب زمینی های قهوه ای به تصویر کشیده می شد، کشف کنند. هر یک از شرکت کنندگان به راهنما نگاه کردند و چهار نفر از آنها به اشتباه پاسخ دادند (S5، S13، S21 و S28).

معلم در مقایسه با دانش آموزان به راهنما فقط به طور خلاصه نگاه کرد (۹ تثبیت، در حالی که میانگین دانش آموزان بیش از ۲۱ بود). از آنجایی که او بیش از یک کشور را انتخاب کرد، پاسخ او تا حدی صحیح رتبه بندی شد. این کار بیشترین زمان را برای حل آن در کل آزمایش از او گرفت.

۳٫۲٫۴٫ وظیفه ۰۴

Task04 مستلزم شناسایی یک نماد درجه بندی شده خاص بر روی نقشه بود. وظیفه شناسایی یک مجتمع شهری با بیش از ۲۰ میلیون نفر در آمریکای شمالی، آمریکای مرکزی و آمریکای جنوبی بود. این راهنما شامل سه اندازه نماد مختلف برای تجمعات شهری بود ( شکل ۸ را ببینید ). شرکت کنندگان به دنبال بزرگترین دایره روی نقشه بودند. ده دانش‌آموز پاسخ‌های نادرست را نشان دادند و چهار دانش‌آموز فقط تا حدی درست بودند. مشکل احتمالاً در دشواری شناسایی نمادهای درجه بندی شده بود ( شکل ۸ ).

معلم با مشکل فوق الذکر مواجه شد. از ضبط حرکات چشم او مشخص بود که او در تشخیص اندازه نمادها در آمریکای شمالی و جنوبی مشکل داشت. او زمان قابل توجهی را صرف این کار کرد و فقط تا حدی به درستی پاسخ داد زیرا اندازه نمادها مطابقت نداشت.

۳٫۲٫۵٫ وظیفه ۰۵

همانطور که در شکل ۴ مشاهده می شود، Task05 یکی از ساده ترین ها در کل آزمایش با صحت ۹۰٪ بود . از شرکت کنندگان خواسته شد تا مرز صفحه همگرا را شناسایی کنند. این راهنما شامل چهار نماد خطی مختلف برای انواع مرز صفحه بود. فقط یک دانش آموز به اشتباه پاسخ داد (S13) و تنها کسی بود که هیچ تثبیتی روی قسمت صحیح راهنما (با نمادهای خطی برای مرزهای صفحه) ثبت نکرد. این دانش آموز در کل آزمایش بدترین نتایج را کسب کرد.

معلم سریع ترین پاسخ را برای Task05 ثبت کرد. مدت زمان آزمایشی او ۷٫۷ ثانیه نیز سریعتر از دانش آموزان بود ( ۰٫۰۶ = p ). معلم راهنما را حذف کرد و به طور خود به خود توجه خود را بر روی مرزهای صفحه روی نقشه متمرکز کرد. متأسفانه، او با مرز واگرا و همگرا مطابقت نداشت، بنابراین پاسخ او نادرست بود.

۳٫۲٫۶٫ وظیفه ۰۶

Task06 نیز یک کار ساده بود. شرکت کنندگان مکانی را در هر قاره شناسایی کردند که در آن سنگ آهن استخراج می شد. سنگ آهن با نماد قرمز “Fe” نشان داده شده بود، و بسیاری از دانش آموزان فقط به چند تثبیت نیاز داشتند تا راهنما را برای یافتن نماد مناسب بررسی کنند. فقط دو دانش آموز پاسخ نادرست را نشان دادند. یکی از آنها (S17) وظیفه را به خاطر نمی آورد و به دنبال نماد دیگری (میدان نفتی) می گشت.

معلم دوباره با توجه به دانش خود پاسخ داد، نه بر اساس نقشه. اگرچه او دو بار به طور خلاصه به راهنمانگاه کرد، اما نماد صحیح را جستجو نکرد. او کشورهایی را که سنگ آهن در آنها استخراج می‌شود (کانادا، آفریقای جنوبی، سوئد و برزیل) علامت‌گذاری کرد، اما کلیک‌های او نزدیک به نمادهای “Fe” نبود.

۳٫۲٫۷٫ وظیفه ۰۷

همانطور که در شکل ۴ مشاهده می شود، وظیفه ۰۷ یکی از پیچیده ترین در آزمایش با صحت فقط ۳۵ درصد بود . شرکت کنندگان سه کشور را با کل تولید ناخالص داخلی تقریباً ۲۵۰۰ میلیارد دلار شناسایی کردند. اطلاعات تولید ناخالص داخلی در نمودار دایره ای متناسب با مقیاس لگاریتمی تجسم شد. برای یافتن پاسخ صحیح، شرکت کنندگان باید تصور می کردند که نمادی که ارزش ۲۵۰۰ میلیارد دلار را نشان می دهد چقدر بزرگ است. این فرآیند در شکل ۹ نشان داده شده است .

شرکت کنندگان در تخمین اندازه نمودار دایره ای مشکل داشتند. فقط هشت نفر پاسخ صحیح را نشان دادند. تقریباً تمام نمودارهای دایره ای روی نقشه حداقل یک بار علامت گذاری شده اند، که ممکن است نشان دهنده این باشد که دانش آموزان راهنما را اشتباه درک کرده اند. همانطور که از نمودار توالی در شکل ۱۰ مشخص است ، اکثریت (۵۵٪) روی راهنما (قرمز) تثبیت کردند، اما آنها به درستی پاسخ ندادند.

در این کار معلم برای اولین بار در آزمایش از راهنما استفاده کرد. زمان زیادی طول کشید تا او در نقشه جهت گیری کرد، اما با وجود این، مدت زمان آزمایشی او کمتر از میانگین ارزش دانش آموزان بود. پاسخ های او به عنوان صحیح ثبت شد.

۳٫۲٫۸٫ وظیفه ۰۸

وظیفه ۰۸ شناسایی سه کشوری بود که واردات آنها بیش از صادرات بود. یافتن پاسخ صحیح به دو صورت امکان پذیر بود. اولین مورد جستجو برای نمادهای منطقه (نقشه کوروکروماتیک) بود که در آن اطلاعات تراز تجاری مستقیماً نشان داده می شد. دوم استفاده از نمودارهای میله ای ( شکل ۱۱ ) برای یافتن کشورهایی بود که میله واردات در آنها بلندتر از صادرات بود.

فقط پنج شرکت کننده (S12، S14، S23، S27 و S29) با نمادهای منطقه کار کردند. نمودارها توسط ۱۹ شرکت کننده دیگر استفاده شد که آنها نیز پاسخ صحیح را نشان دادند. این اعداد نشان می‌دهد که این کار برای شرکت‌کنندگان نسبتاً آسان بوده و همچنین یکی از مواردی بود که مدت زمان آزمایشی پایینی داشت.

پس از تجربه کار قبلی، معلم مستقیماً به راهنما نگاه کرد و مدت نسبتاً طولانی را در آنجا گذراند. او بر روی نمودارهای میله ای در راهنما تمرکز کرد و بر این اساس کشورها را انتخاب کرد. مدت زمان آزمایشی او کمی کمتر از میانگین برای دانش آموزان بود. جوابش هم درست بود

۳٫۲٫۹٫ وظیفه ۰۹

Task09 شناسایی سه مسیر کشتیرانی با ظرفیت سالانه زیر ۱۰۰ میلیون تن بود. اطلاعات مربوط به مسیرهای حمل و نقل با استفاده از نمادهای خطی درجه بندی شده به رنگ آبی تجسم شد. رنگ مشابه رنگ موازی ها و نصف النهارها بود و برخی از شرکت کنندگان با این اشیا مطابقت نداشتند. چهار شرکت‌کننده نماد صحیح را در نزدیکی بندرها علامت‌گذاری کردند. بحث با دانش‌آموزان نشان داد که آنها خطوط نزدیک بنادر را علامت‌گذاری کرده‌اند تا با نمادهایی که موازی‌ها و نصف النهارها را به تصویر می‌کشند اشتباه نگیرند.

به طور کلی، کار نسبتا آسان بود. فقط چهار دانش آموز پاسخ را اشتباه علامت گذاری کردند. شرکت کننده S13 اصلاً به راهنما نگاه نکرد. معلم نیز رفتار مشابهی داشت و پاسخ او نیز نادرست بود.

۳٫۲٫۱۰٫ وظیفه ۱۰

در آخرین کار، شرکت کنندگان حجم صادرات برزیل را میلیاردها دلار تخمین زدند. نقشه همان نقشه مورد استفاده برای Task08 بود. برای یافتن پاسخ صحیح، شرکت کنندگان راهنما نمودار میله ای را بررسی کردند، جایی که ۱ میلی متر معادل ۵۰ میلیارد دلار آمریکا بود ( شکل ۱۱ ). این شبیه به Task07 بود. شرکت کنندگان بیشتر بر روی راهنما (۵۱٪) تمرکز کردند، اما تنها یک چهارم شرکت کنندگان پاسخ صحیح را نشان دادند. ارزش صادرات برزیل تقریباً ۲۵۰ میلیارد دلار بود، بنابراین مقادیر ۲۰۰ و ۳۰۰ تا حدی صحیح در نظر گرفته شد. پاسخ‌ها از ۳ تا ۵۰۰۰ متغیر بود. این طیف وسیع نشان می‌دهد که شرکت‌کنندگان در این کار کاملاً گم شده‌اند و تخمین ارزش برای آنها مشکل ایجاد می‌کند.

معلم به راهنما نگاه کرد اما به برزیل توجه نکرد. بنابراین، او نتوانست اندازه نمودار میله ای را تخمین بزند و پاسخ او نادرست بود.

۳٫۳٫ شباهت Scanpath – تفاوت بین دانش آموزان و معلم آنها (Q3)

سومین سوال پژوهشی مربوط به مقایسه راهبرد مورد استفاده برای بازرسی محرک بین دانش آموزان و معلم جغرافیا بود. همانطور که در قسمت قبل از متن توضیح داده شد، معلم سعی کرد تکالیف را عمدتاً با استفاده از دانش خود حل کند، نه با استفاده از نقشه. مقايسه كمي راهبردهاي مورد استفاده دانش آموزان و معلم بر اساس نتايج ابزار چند تطبيق نگاه و اسكن گراف انجام شد. شباهت مسیرهای اسکن برای هر جفت شرکت‌کننده با توجه به چهار معیار نگاه چندتطبیقی (بردار، جهت، طول و موقعیت) و با استفاده از فاصله ویرایش رشته (فاصله Levenshtein) در ScanGraph ارزیابی شد. ماتریس های به دست آمده ( شکل ۱۲) میانگین شباهت متقابل بین دانش آموزان و میانگین شباهت بین معلم و دانش آموزان را نشان می دهد. مقادیر میانگین تفریق شده (Δ) نشان می دهد که آیا معلم از یک استراتژی منحصر به فرد در بازرسی محرک ها استفاده می کند یا از یک رویکرد مرسوم تر (مشابه دانش آموزان) استفاده می کند. هر چه مقدار بالاتر باشد، مسیر اسکن معلم منحصر به فردتر است، که به این معنی است که استراتژی نقشه‌خوانی متفاوت‌تر است. مقادیر بالاتر از میانگین + انحراف استاندارد با رنگ قرمز مشخص شده اند.

شکل ۱۳ استراتژی منحصر به فرد معلم را در Task05 از فاصله Levenshtein و در Task09 از اندازه گیری موقعیت با استفاده از نگاه چندمنظوره نشان می دهد. در این موارد، شباهت بین معلم و دانش آموزان به وضوح کمتر از بین دانش آموزان بود.

شکل ۱۳ این دو مثال افراطی را همراه با Task02 نشان می‌دهد که در آن تفاوت‌ها بسیار کم بود. در سمت چپ شکل، مسیر اسکن معلم با استفاده از رنگ قرمز مشخص شده است. مسیرهای اسکن دانش آموزان به رنگ خاکستری نمایش داده می شود. در Task09 و Task05، معلم از استراتژی متفاوتی نسبت به دانش‌آموزان استفاده کرد، زیرا او به راهنما نگاه نکرد و توجه خود را به بخش‌های مختلف محرک نسبت به دانش‌آموزان معطوف کرد. از سوی دیگر، در Task02، معلم به راهنما نگاه کرد و توجه خود را به آفریقا متمرکز کرد، جایی که پاسخ صحیح در آن قرار داشت. دانشجویان نیز از همین استراتژی استفاده کردند.

قسمت میانی شکل ۱۳نتایج اندازه گیری موقعیت را نشان می دهد که با نگاه چندمنظوره محاسبه شده و با ابزار ScanGraph تجسم شده است. هر نقطه در نمودار نشان دهنده یک شرکت کننده است. شرکت کنندگانی که حداقل ۸۵ درصد شباهت دارند به هم متصل می شوند. معلم با رنگ قرمز تجسم می شود. Task09 و Task05 به وضوح نشان می دهند که معلم با دانش آموزان ارتباط ندارد. در مقابل، در Task02، معلم حداقل ۸۵٪ از استراتژی مشابه ۲۷ دانش آموز استفاده کرد. بخش سمت راست شکل، نتایج فاصله رشته-ویرایش-فاصله را با استفاده از فاصله Levenshtein (شباهت بیشتر از ۷۵٪) نشان می دهد و شباهت در استراتژی را تأیید می کند. از ترتیب مناطق مورد علاقه بازدید شده محاسبه شد. در Task09 و Task05، معلم راهنما را بازرسی نکرد. بنابراین شباهت استراتژی او نسبت به دانشجویان کم بود. در Task02،

۴٫ بحث

مقاله حاضر یک مطالعه تجربی را توصیف می کند که یادگیری دانش آموزان را با اطلس دنیای مدرسه ارزیابی می کند. این تحقیق یکی از اولین مطالعات ردیابی چشم با استفاده از این نوع محرک ها است.

در طراحی آزمایش مطالعه حاضر، نویسندگان ده نقشه موضوعی را انتخاب کردند که کل جهان را به تصویر می‌کشید. نقشه ها همچنین به گونه ای انتخاب شدند که انواع مختلفی از روش های تجسم نقشه برداری را شامل شود. برای استفاده به عنوان محرک، این نقشه ها برای حفظ خوانایی بر روی نمایشگرهای رایانه با نسبت ابعاد ۴:۳ برش داده شدند. از مانیتورهایی با این نسبت تصویر برای اطمینان از کیفیت خوب در حرکات چشمی ضبط شده استفاده شد. با نمایشگرهای عریض، مردمک چشم ها ممکن است توسط پلک ها پوشیده شده باشد.

دانش آموزان ۶۰ ثانیه فرصت داشتند تا تکلیف را حل کنند. شصت ثانیه زمان کافی برای اکثر شرکت کنندگان بود و ما این حد را انتخاب کردیم تا از موقعیتی که دانش آموز برای مدت طولانی تلاش می کند تا تکلیف را حل کند اجتناب کنیم. صحت پاسخ های دانش آموزان با کار هاولکوا و هانوس مطابقت داشت [ ۹ ]. آنها مشخص کردند که دانش آموزان در انجام وظایف با روش های نقشه کشی کیفی یا کمی و کیفی موفق تر بودند.

دانش‌آموزان دو کلاس گرامر کلاس سوم (۱۸ سال) به عنوان شرکت‌کننده انتخاب شدند. داده های ۴۱ دانش آموز ثبت شد، اما ۱۱ دانش آموز به دلیل عدم دقت در ردیاب چشم از آزمایش حذف شدند. همه دانش‌آموزان از یک معلم جغرافیا استفاده می‌کردند، که امکان مقایسه بین راهبردهای معلم و دانش‌آموز را فراهم می‌کرد. این تعداد کل شرکت کنندگان در مطالعه را تعیین کرد که به تعداد کل دانش آموزان هر دو گروه محدود بود.

چندین رویکرد برای تجزیه و تحلیل داده ها برای مقایسه نتایج دانش آموزان و معلمان مورد استفاده قرار گرفت. ابتدا داده های حرکت چشم معلم به طور کامل بررسی و به صورت کیفی شرح داده شد. دو روش دیگر برای محاسبه شباهت کمی استفاده شد. یک رویکرد شامل یک روش رشته-ویرایش-فاصله بود که قبلاً در بسیاری از مطالعات ردیابی چشم برای مقایسه گروه های مختلف شرکت کننده استفاده شده بود (به عنوان مثال، [ ۷۶ ، ۷۷ ، ۷۸ ، ۷۹ ]). به طور خاص، ScanGraph شباهت مسیرهای اسکن را با توجه به فاصله لونشتاین محاسبه کرد (به عنوان مثال، [ ۴۳ ، ۸۰ ، ۸۱]) و نتایج محاسبه شده با استفاده از روش چند تطبیقی را تجسم کرد، که فقط می تواند شباهت بین دو مسیر اسکن را نشان دهد. مطالعه حاضر از محاسبات دسته ای برای محاسبه شباهت بین همه جفت های ممکن شرکت کنندگان استفاده کرد، به عبارت دیگر، ۹۶۱ محاسبه (۳۱ × ۳۱) برای هر یک از ده محرک در آزمایش. تنها مشکلی که با آن مواجه شد، مدت زمان متریک بود، یکی از پنج معیاری که در چند تطبیق استفاده می‌شود. نتایج با طول طولانی تر از دو مسیر اسکن تجزیه و تحلیل شده نرمال شد. یافتن راه حلی برای این مشکل پیچیده بود و بنابراین این معیار از تحلیل حذف شد.

خلاصه کردن تفاوت‌های بین دانش‌آموزان و معلم بر اساس میانگین شباهت برای همه دانش‌آموزان و میانگین شباهت بین معلم و همه دانش‌آموزان بود. سپس این دو مقدار کم شد. تفاوت بیشتر بیانگر منحصر به فرد بودن استراتژی معلم است. اگرچه این رویکرد مطالعه حاضر را به مواردی هدایت می کند که معلم استراتژی بسیار متفاوتی را برای دانش آموزان اعمال می کند، نویسندگان می دانند که استفاده از این روش ها ممکن است راه حل ایده آلی نباشد. استفاده از هر یک از روش‌های خوشه‌بندی برای محاسبه تفاوت بین ماتریس‌های عدم تشابه ممکن است یک پیشرفت احتمالی برای تحقیقات آینده باشد.

تجزیه و تحلیل کیفی حرکات چشم معلم به ویژه و تجزیه و تحلیل پاسخ های او نشان داد که معلم از استراتژی کاملاً متفاوتی برای حل تکالیف استفاده می کند. در اکثر موارد، معلم به راهنما نگاه نمی کرد و سعی می کرد مستقیماً وظایف را حل کند. متأسفانه، پاسخ های او اغلب درست نبود. در بحث بعد از آزمایش، معلم توضیح داد که احساس می کند باید پاسخ های صحیح را بداند و به همین دلیل تکالیف را با توجه به دانش خود حل می کند نه با کمک نقشه. این ممکن است ناشی از وظایف متمرکز بر موضوعاتی باشد که بخشی از برنامه های درسی جغرافیا بودند. اگر از نقشه یک قلمرو ناشناخته یا یک نقشه ساختگی استفاده شود، ممکن است سناریوی کاملاً متفاوتی رخ دهد. کولهاوی و استوک [ ۸۲] بیان کرد که مردم نقشه ها را در خلاء مفهومی نمی آموزند. نمایش نقشه آنها تحت تأثیر اطلاعاتی است که قبلاً در حافظه حفظ شده است.

نتایج پاسخ‌های دانش‌آموزان نشان داد که تعداد قابل توجهی از پاسخ‌های نادرست در چندین تکلیف وجود دارد. مشکلات مربوط به Task01، Task04، Task08 و Task10 ممکن است به دلیل انتخاب ضعیف روش‌های تجسم نقشه‌کشی یا نمادهای به سختی خوانا در راهنما باشد. این یافته ها مهم هستند و ممکن است در تحقیقات آینده تمرکز روی آنها مفید باشد. اطلس مدارس در اکثر مدارس جمهوری چک استفاده می شود و مطالعات بیشتر کاربران با تمرکز بر نقشه های مشکل دار ممکن است برای ناشران مفید باشد و سواد نقشه برداری دانش آموزان را بهبود بخشد.

۵٫ نتیجه گیری ها

اطلس های دنیای مدرسه در آموزش جغرافیا بسیار مهم هستند. با این حال، تنها تعداد کمی از مطالعات کاربر، یادگیری دانش‌آموز را با اطلس مدرسه تحلیل کرده‌اند. هدف مقاله حاضر کمک به پر کردن این شکاف است. یک آزمایش ردیابی چشم با ده کار با استفاده از نقشه های موضوعی از اطلس جهان مدرسه چک طراحی شد و داده های ردیابی چشم ۳۰ دانش آموز با استفاده از ردیاب چشم GazePoint ثبت شد. حرکات چشم معلم جغرافیا و دانش آموزان ثبت و مقایسه شد.

این مقاله سه سؤال تحقیقاتی را تعریف کرد و نتایج آزمایشی را که برای ارائه پاسخ به این سؤالات طراحی شده بود، بررسی کرد.

نتایج برای Q1 نشان می دهد که به طور کلی، دانش آموزان توانستند با نقشه ها به طور موثر یاد بگیرند. در این سوال پژوهشی، صحت پاسخ های همه شرکت کنندگان همراه با مدت زمان کارآزمایی مورد تجزیه و تحلیل قرار گرفت. میانگین صحت پاسخ‌های همه دانش‌آموزان ۷۱ درصد بود. این تحلیل به چندین کار مشکل ساز اشاره کرد. خواندن مقادیر از نمودارهای دایره ای با مقیاس لگاریتمی (Task07) بزرگترین مشکلات را ایجاد کرد. مباحث مقیاس های لگاریتمی و نمودارهای دایره ای را می توان در آموزش جغرافیا مطرح کرد.

نتایج برای Q2 مشکلاتی را در حل تکالیف به دلیل روش‌های تجسم کارتوگرافی ضعیف نشان داد، به عنوان مثال، تشخیص برخی از نمادها دشوار بود (Task01، Task04). جدی ترین مشکلات در تخمین ارزش نمودار میله ای (Task10) توسط دانش آموزان کشف شد. دانش‌آموزان به سختی مقیاس راهنماای را درک کردند که در آن یک میلی‌متر میله نشان‌دهنده ۵۰ میلیون دلار حجم صادرات است. این مسائل باید در ویرایش بعدی اطلس کلمه مدرسه مورد توجه قرار گیرد.

استراتژی های نقشه خوانی هدف Q3. این مطالعه ثابت کرد که معلم جغرافیا از رویکرد متفاوتی در حل تکالیف دانش‌آموزانش استفاده می‌کند. آزمایش نشان داد که معلم این احساس را داشت که باید راه حل صحیح تکلیف را بداند، بنابراین طبق دانش خود پاسخ داد و اصلاً نقشه را نخواند. این عملکرد در اکثر وظایف مشاهده شد. معلم فقط در چند کار به راهنما نگاه کرد. با این حال، این استراتژی به چند پاسخ صحیح منجر شد. کشف اینکه یک معلم نقشه می خواند و تکالیف را به گونه ای متفاوت با دانش آموزانش حل می کند بسیار جدی است. اگر معلمان از این تفاوت آگاه نباشند و نقشه ها را انتخاب کنند و وظایف را بر اساس “استراتژی های خود” جمع آوری کنند، یادگیری دانش آموزان ممکن است موثر نباشد. مطلوب است که یادگیری با اطلس مبتنی بر سازگاری در تدوین وظایف با نقشه ها و توانایی دانش آموز در کار با این نقشه ها باشد. برنامه های درسی جغرافیا باید بر روی مسائل مربوط به نقشه خوانی تمرکز کنند.

مطالعه ردیابی چشمی حاضر چندین نقشه را با روش‌های کارتوگرافی ضعیف نشان داد که مشکلاتی را برای دانش‌آموزان ایجاد کرد. علاوه بر این، تحقیق نشان داد که معلم از رویکرد متفاوتی در نقشه خوانی استفاده می کند. او به جای اینکه نقشه را بخواند، به جای استفاده از راهنما نقشه، به طور مستقیم به دانش خود تکیه کرد.

نتایج می‌تواند به نقشه‌نگاران و ناشران نقشه در بهبود نقشه‌هایشان کمک کند تا برای خوانندگان قابل درک‌تر باشند. معلمان جغرافیا همچنین می توانند از نتایج برای درک نحوه خواندن نقشه ها توسط دانش آموزان و نحوه آموزش جذاب تر و موثرتر جغرافیا استفاده کنند.

مواد تکمیلی

محرک های نقشه با وضوح بالاتر از طریق www.eyetracking.upol.cz/atlases_thematic قابل دسترسی هستند .

مشارکت های نویسنده

Marketa Beitlova مسئول موضوع تحقیق، طراحی آزمایش، بررسی ادبیات و تفسیر نتایج بود. استانیسلاو پوپلکا در ضبط داده ها شرکت کرد، پیش پردازش داده ها را انجام داد و احتمالات را در مقایسه مسیر اسکن تجزیه و تحلیل کرد. هر دو نویسنده به تجزیه و تحلیل داده های ثبت شده کمک کردند. ویت ووزنیلک در فرمول بندی مفهوم آزمایش شرکت کرد، نتایج را تفسیر کرد و نسخه خطی را بررسی کرد. همه نویسندگان نسخه منتشر شده نسخه خطی را خوانده و با آن موافقت کرده اند.

منابع مالی

این تحقیق توسط کمک مالی بنیاد علوم چک شماره ۱۸-۰۵۴۳۲S و آژانس کمک مالی داخلی دانشگاه Palacký Olomouc با شماره کمک مالی IGA_PrF_2020_027 تامین شده است.

قدردانی ها

این کار توسط بنیاد علوم چک (پروژه شماره ۱۸-۰۵۴۳۲S) و آژانس کمک مالی داخلی دانشگاه Palacký Olomouc (IGA_PrF_2020_027) پشتیبانی شد. نویسندگان از همه شرکت کنندگان در مطالعه تشکر می کنند.

تضاد علاقه

نویسندگان هیچ تضاد منافع را اعلام نمی کنند.

منابع

Pravda, J. Kartografická gramotnost, čítanie máp a generovanie poznatkov z máp. Geod. یک کارتوگر. Obz. ۲۰۰۱ ، ۴۷ ، ۸-۹٫ [ Google Scholar ]
پراودا، ج. Kusendová, D. Počítačová Tvorba Tematických Máp ; Univerzita Komenského براتیسلاوا: براتیسلاوا، اسلواکی، ۲۰۰۴٫ [ Google Scholar ]
وندراکووا، آ. Voženílek, V. تنظیمات برگزیده کاربر در نقشه تصویر با استفاده از. بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی ۲۰۱۶ ، XLI-B4 ، ۵۹۹–۶۰۳٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Muehrcke، P. کیمرلینگ، آ. جولیانا، او. مورکه. استفاده از نقشه: خواندن، تجزیه و تحلیل، و تفسیر . ویرایش چهارم؛ انتشارات JP: مدیسون، WI، ایالات متحده آمریکا، ۲۰۰۱٫ [ Google Scholar ]
اولسون، JM یک رویکرد هماهنگ برای بهبود ارتباط نقشه. صبح. کارتوگر. ۱۹۷۶ ، ۳ ، ۱۵۱-۱۶۰٫ [ Google Scholar ] [ CrossRef ]
هیئت، سی. وظایف نقشه خوانی مناسب در مطالعات تجربی در ارتباطات نقشه برداری. کارتوگر. بین المللی جی. جئوگر. Inf. Geovisualization ۱۹۷۸ ، ۱۵ ، ۱-۱۲٫ [ Google Scholar ] [ CrossRef ]
موریسون، JL به سوی یک تعریف کاربردی از علم نقشه برداری با تأکید بر نقشه خوانی. صبح. کارتوگر. ۱۹۷۸ ، ۵ ، ۹۷-۱۱۰٫ [ Google Scholar ] [ CrossRef ]
Ormeling، F. آموزش مفاهیم استفاده از نقشه به کودکان. در مجموعه مقالات سمینار نقشه شناختی، کودکان و آموزش در کارتوگرافی، گیفو، ژاپن، ۸ تا ۱۰ نوامبر ۱۹۹۶٫ [ Google Scholar ]
هاولکوا، ال. هانوس، م. تأثیر نوع نقشه بر سطح مهارت های نقشه دانش آموز. کارتوگر. بین المللی جی. جئوگر. Inf. Geovisualization ۲۰۱۸ ، ۵۳ ، ۱۴۹-۱۷۰٫ [ Google Scholar ] [ CrossRef ]
هانوس، م. Marada، M. آزمون مهارت های نقشه در مورد دانش آموزان چک به ما چه می گوید؟ Geografie ۲۰۱۶ ، ۱۲۱ ، ۲۷۹–۲۹۹٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Wiegand, P. یادگیری و آموزش با نقشه ها . Routledge: لندن، انگلستان، ۲۰۰۶٫ [ Google Scholar ]
هرمان، دی. Pickle، LW یک مدل زیرکار شناختی برای خواندن نقشه آماری. Vis. شناخت. ۱۹۹۶ ، ۳ ، ۱۶۵-۱۹۰٫ [ Google Scholar ] [ CrossRef ]
Keates، JS Understanding Maps . Routledge: لندن، بریتانیا، ۲۰۱۴٫ [ Google Scholar ]
کیمرلینگ، ای جی. Muehrcke، P. Muehrcke، JO; Muehrcke, P. استفاده از نقشه: خواندن، تجزیه و تحلیل، تفسیر . ESRI Press Academic: Redlands، CA، USA، ۲۰۱۶٫ [ Google Scholar ]
رابینسون، ق. کیمرلینگ، الف. عناصر نقشه کشی . جان وایلی و پسران: هوبوکن، نیوجرسی، ایالات متحده آمریکا، ۱۹۹۵٫ [ Google Scholar ]
Bugdayci، I. Bildirici، ارزیابی IO نقشه های اطلس آموزشی از نظر طراحی نقشه کشی. در مجموعه مقالات مجموعه کنفرانس IOP: علوم زمین و محیط زیست، پراگ، جمهوری چک، ۵-۹ سپتامبر ۲۰۱۶٫ صص ۱-۶٫ [ Google Scholar ]
بریچتووا، آ. پوپلکا، اس. ووزنیلک، وی. Svobodova، H. تحلیل حرکت چشم به عنوان ابزاری برای ارزیابی نقشه ها و خروجی های گرافیکی از GIS. در مجموعه مقالات نوزدهمین کنفرانس بین المللی جغرافیا و ژئوانفورماتیک: چالش برای تمرین و آموزش، برنو، جمهوری چک، ۸-۹ سپتامبر ۲۰۱۱٫ صص ۱۵۴-۱۶۲٫ [ Google Scholar ]
Carswell, RJ توانایی های کودکان در نقشه خوانی توپوگرافی ; کارتوگرافی: تورنتو، ON، کانادا، ۱۹۷۰٫ [ Google Scholar ]
ون دایک، اچ. ون در شی، جی. تریمپ، اچ. فن در زیجپ، تی. مهارت ها و دانش جغرافیایی نقشه. بین المللی Res. Geogr. محیط زیست آموزش. ۱۹۹۴ ، ۳ ، ۶۸-۸۰٫ [ Google Scholar ] [ CrossRef ]
Schee، JVD; Dijk, HV تأثیر آزادی انتخاب دانش‌آموز در یادگیری مهارت‌های نقشه. بین المللی Res. Geogr. محیط زیست آموزش. ۱۹۹۹ ، ۸ ، ۲۵۶-۲۶۷٫ [ Google Scholar ] [ CrossRef ]
هانوس، م. Marada، M. Mapové dovednosti v českých a zahraničních kurikulárních dokumentech: Srovnávací studie. Geografie ۲۰۱۳ ، ۱۱۸ ، ۱۵۸-۱۷۸٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
ریس نونیز، جی جی. جولیارنا د مورتی، م. گاله، ای. گارا، AM; ری، کالیفرنیا؛ آلوز د کاسترو، ام وی. Dibiase، AS خواندن نقشه های موضوعی در مدارس آرژانتین و مجارستان. در مجموعه مقالات خوانده شده در مجموعه مقالات کنفرانس XXII بین المللی کارتوگرافی، A Coruña، اسپانیا، ۱۱-۱۶ ژوئیه ۲۰۰۵; صص ۱-۱۰٫ [ Google Scholar ]
ریس نونیز، جی جی. Juhász, B. نظرسنجی مجارستانی در مورد استفاده از کارتوگرام در نقشه کشی مدارس. بین المللی جی. کارتوگر. ۲۰۱۵ ، ۱ ، ۵-۱۷٫ [ Google Scholar ] [ CrossRef ]
سان، اچ. لی، زی. اثربخشی کارتوگرام برای نمایش داده های مکانی. کارتوگر. J. ۲۰۱۰ ، ۴۷ ، ۱۲-۲۱٫ [ Google Scholar ] [ CrossRef ]
کوبیچک، پ. شاسینکا، چ. استاچون، ز. اشتیربا، ز. آپلتاور، جی. Urbánek، T. طراحی کارتوگرافی و قابلیت استفاده از متغیرهای بصری برای ویژگی های خطی. کارتوگر. J. ۲۰۱۷ ، ۵۴ ، ۹۱-۱۰۲٫ [ Google Scholar ] [ CrossRef ]
Gołębiowska، I. طرح‌بندی‌های راهنماای برای نقشه‌های موضوعی: مطالعه موردی با ادغام معیارهای قابلیت استفاده با روش تفکر با صدای بلند. کارتوگر. J. ۲۰۱۵ ، ۵۲ ، ۲۸-۴۰٫ [ Google Scholar ] [ CrossRef ]
پیترا، بی.-اس. دولاماب، من؛ Ilovanc، O.-R. Kosinszkid، S.-A.; Răcășane، BS کاوش مهارت های ترسیم نقشه دانش آموزان آموزش معلمان جغرافیا. یورو Proc. Soc. رفتار علمی ۲۰۱۶ ، ۱۲ ، ۴۱-۴۷٫ [ Google Scholar ]
Słomska، K. انواع نقشه هایی که به عنوان محرک در تحقیقات تجربی نقشه برداری استفاده می شوند. متفرقه Geogr. ۲۰۱۸ ، ۲۲ ، ۱۵۷-۱۷۱٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
اسقف، BW; هاگرتی، KC; ریچاردسون، BE قابلیت استفاده از برنامه های نقشه برداری دولت الکترونیکی: درس های آموخته شده از اطلس ملی ایالات متحده. بین المللی جی. کارتوگر. ۲۰۱۵ ، ۱ ، ۱۳۴-۱۵۰٫ [ Google Scholar ] [ CrossRef ]
ووژنیلک، وی. مورکسوا، پ. وندراکووا، الف. جنبه های شناختی نمادشناسی نقشه در اطلس های مدارس جهان. Procedia-Soc. رفتار علمی ۲۰۱۴ ، ۱۱۲ ، ۱۱۲۱-۱۱۳۶٫ [ Google Scholar ]
مایکلیدو، ای. ناکوس، بی. فیلیپاکوپولو، وی. توانایی کودکان دبستانی در تجزیه و تحلیل نقشه های مرجع عمومی و موضوعی. کارتوگر. بین المللی جی. جئوگر. Inf. Geovisualization ۲۰۰۴ ، ۳۹ ، ۶۵-۸۸٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Blaha، JD Hodnocení kartografických děl z hlediska estetiky a uživatelské vstřícnosti. کارتوگر. لیستی ۲۰۰۵ ، ۱۳ ، ۱۴-۲۴٫ [ Google Scholar ]
بلاها، MJD Hodnocení současných českých školních atlasů světa z hlediska estetiky a uživatelské vstřícnosti. در مجموعه مقالات اولین نمایشگاه تجاری بین المللی ژئودزی، کارتوگرافی، ناوبری و ژئوانفورماتیک، پراگ، چک، ۱۶ تا ۱۸ مارس ۲۰۰۶٫ [ Google Scholar ]
پرسادکو، وی. Baltabaeva, Z. اطلس مدرسه فرهنگ محلی ترکمنستان به عنوان نتیجه تحقیقات علمی دانشجویان خارجی. مشکل Bezperervnoï Geogr. Osvìti Ì Kartogr. ۲۰۱۷ ، ۲۰۱۷ ، ۵۵–۶۱٫ [ Google Scholar ]
گومز سولورزانو، LS; سانچو کومینز، جی. Bosque Sendra, J. Atlas Design: رویکردی کاربردی برای توسعه و ارزیابی محصولات کارتوگرافی. کارتوگر. J. ۲۰۱۷ ، ۵۴ ، ۳۴۳-۳۵۷٫ [ Google Scholar ] [ CrossRef ]
آهنگ، ی. لی، کیو. یو، ی. خو، جی. لیو، ی. لیو، ی. سازگاری اندازه نمادهای اطلس تحت شرایط چند متغیره. کارتوگر. Geogr. Inf. علمی ۲۰۲۰ ، ۴۷ ، ۱-۱۳٫ [ Google Scholar ] [ CrossRef ]
ژانگ، اچ. Chen, Y. تحقیق در مورد طراحی و تدوین “اطلس گردشگری استان شانشی”. در مجموعه مقالات کارگاه بین المللی ۲۰۰۸ در مورد فناوری آموزشی و آموزش و ۲۰۰۸ کارگاه بین المللی در زمینه علوم زمین و سنجش از دور، شانگهای، چین، ۲۱-۲۲ دسامبر ۲۰۰۸; صص ۲۶۳-۲۶۶٫ [ Google Scholar ]
Żyszkowska، W. درک نقشه: نظریه ها و تحقیقات در نیمه دوم قرن بیستم. پول کارتوگر. Rev. ۲۰۱۵ , ۴۷ , ۱۷۹-۱۹۰٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
روهرر، سی. چه زمانی باید از کدام روش‌های تحقیق تجربه کاربر استفاده کرد. در دسترس آنلاین: https://www.nngroup.com/articles/which-ux-research-methods/ (در ۱۹ اوت ۲۰۲۰ قابل دسترسی است).
پوپلکا، اس. ووزنیلک، وی. تعیین الزامات داده های مکانی-زمانی در نقشه توسط ردیابی چشمی و مکعب فضا-زمان. در مجموعه مقالات کنفرانس بین المللی گرافیک و پردازش تصویر، سنگاپور، ۵-۷ اکتبر ۲۰۱۲٫ جلد ۸۷۶۸٫ [ Google Scholar ]
دونگ، دبلیو. یینگ، کیو. یانگ، ی. تانگ، اس. ژان، ز. لیو، بی. Meng, L. استفاده از ردیابی چشم برای بررسی تأثیر دوره های جغرافیا بر توانایی فضایی مبتنی بر نقشه. پایداری ۲۰۱۹ ، ۱۱ ، ۷۶٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
بیلند، جی. Çöltekin، A. یک ارزیابی تجربی از تاثیر جهت نور بر اثر وارونگی برجسته در نقشه‌های برجسته سایه‌دار: NNW بهتر از NW است. کارتوگر. Geogr. Inf. علمی ۲۰۱۷ ، ۴۴ ، ۱-۱۵٫ [ Google Scholar ] [ CrossRef ]
هاولکوا، ال. Gołębiowska، IM چه چیزی برای حل کننده های بد در طول تجزیه و تحلیل نقشه موضوعی اشتباه بود؟ درس های آموخته شده از یک مطالعه ردیابی چشم. ISPRS Int. J. Geo-Inf. ۲۰۲۰ ، ۹ ، ۹٫ [ Google Scholar ]
کیک، ا. نیستروم، ام. Harrie, L. Cartographic Design Matters – مقایسه ای از طرح موضوعی چندضلعی. کارتوگر. J. ۲۰۱۷ ، ۵۴ ، ۲۴-۳۵٫ [ Google Scholar ] [ CrossRef ]
گوبل، اف. کیفر، پ. جیانوپولوس، آی. دوچوفسکی، AT; Raubal, M. بهبود نقشه خوانی با راهنما های سازگار با نگاه. در مجموعه مقالات سمپوزیوم ACM 2018 در مورد تحقیقات و کاربردهای ردیابی چشم، ورشو، لهستان، ۱۴ تا ۱۷ ژوئن ۲۰۱۸؛ صفحات ۱-۹٫ [ Google Scholar ]
بوریان، جی. پوپلکا، اس. بیتلوا، ام. ارزیابی کیفیت نقشه‌کشی طرح‌های شهری با ردیابی چشم. ISPRS Int. J. Geo-Inf. ۲۰۱۸ ، ۷ ، ۱۹۲٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
دوورسکی، جی. سناشل، وی. Voženílek، V. آزمایش شباهت نقشه با استفاده از تجزیه ماتریس. در مجموعه مقالات کنفرانس بین المللی ۲۰۰۹ در مورد شبکه های هوشمند و سیستم های مشارکتی، بارسلون، اسپانیا، ۴-۶ نوامبر ۲۰۰۹٫ ص ۲۹۰-۲۹۴٫ [ Google Scholar ]
اندرسون، KC; Leinhardt، G. نقشه ها به عنوان بازنمایی: مقایسه مبتدی خبره درک طرح ریزی. شناخت. Instr. ۲۰۰۲ ، ۲۰ ، ۲۸۳-۳۲۱٫ [ Google Scholar ] [ CrossRef ]
Thorndyke، PW; Stasz, C. تفاوت های فردی در روش های کسب دانش از نقشه ها. شناخت. روانی ۱۹۸۰ ، ۱۲ ، ۱۳۷-۱۷۵٫ [ Google Scholar ] [ CrossRef ]
Gilhooly، KJ; وود، م. Kinnear، PR; گرین، سی. مهارت در نقشه خوانی و حافظه برای نقشه ها. QJ Exp. روانی فرقه A ۱۹۸۸ , ۴۰ , ۸۷-۱۰۷٫ [ Google Scholar ] [ CrossRef ]
هرمان، ال. ژوریک، وی. استاچون، ز. وربیک، دی. راسناک، جی. Řezník، T. ارزیابی عملکرد کاربر در نقشه های سه بعدی تعاملی و استاتیک. ISPRS Int. J. Geo-Inf. ۲۰۱۸ ، ۷ ، ۴۱۵٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
اومز، ک. دی مایر، پ. فاک، وی. ون آسشه، ای. Witlox، F. تفسیر نقشه ها از دید کاربران متخصص و مبتدی. بین المللی جی. جئوگر. Inf. علمی ۲۰۱۲ ، ۲۶ ، ۱۷۷۳-۱۷۸۸٫ [ Google Scholar ] [ CrossRef ]
اومز، ک. دی مایر، پ. Fack, V. مطالعه رفتار توجه کاربران مبتدی و متخصص نقشه با استفاده از ردیابی چشم. کارتوگر. Geogr. Inf. علمی ۲۰۱۴ ، ۴۱ ، ۳۷-۵۴٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Koláčný، A. اطلاعات کارتوگرافی – یک مفهوم و اصطلاح اساسی در کارتوگرافی مدرن. کارتوگر. J. ۱۹۶۹ , ۶ , ۴۷-۴۹٫ [ Google Scholar ] [ CrossRef ]
موریسون، JL علم نقشه برداری و فرآیندهای اساسی آن. کارتوگر. بین المللی جی. جئوگر. Inf. Geovisualization ۱۹۷۷ ، ۱۴ ، ۵۸-۷۱٫ [ Google Scholar ] [ CrossRef ]
MacEachren، AM نقشه‌ها چگونه کار می‌کنند: بازنمایی، تجسم و طراحی . Guilford Press: نیویورک، نیویورک، ایالات متحده آمریکا، ۲۰۰۴٫ [ Google Scholar ]
Klimová، E. Školní Atlas Světa ، ویرایش چهارم. Kartografie Praha: Praha، جمهوری چک، ۲۰۱۷٫ [ Google Scholar ]
Dalmaijer، E. آیا ردیاب چشم ارزان قیمت EyeTribe برای تحقیق خوب است؟ PeerJ Prepr. ۲۰۱۴ ، ۱-۳۵٫ [ Google Scholar ] [ CrossRef ]
اومز، ک. دوپون، ال. لاپون، ال. Popelka، S. دقت و دقت مکان های تثبیت ثبت شده با ردیاب ارزان قیمت Eye Tribe در تنظیمات آزمایشی مختلف. J. Eye Mov. Res. ۲۰۱۵ ، ۸ ، ۱-۲۴٫ [ Google Scholar ] [ CrossRef ]
پوپلکا، اس. استاچون، ز. شاسینکا، چ. Doležalová، J. Eyetribe Tracker Data Accuracy Evaluation و ارتباط آن با نرم افزار فرضیه برای اهداف نقشه برداری. محاسبه کنید. هوشمند نوروسک. ۲۰۱۶ , ۲۰۱۶ . [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
جانتاناسوب، وی. میساد، ص. ارزیابی یک سیستم ردیابی چشمی کم هزینه برای ورودی کامپیوتر. دانشگاه شاه مونگکوت تکنولوژی شمال بانک. بین المللی J. Appl. علمی تکنولوژی ۲۰۱۵ ، ۸ ، ۱۸۵-۱۹۶٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
لوئیس، جی. بیدلمن، GM سیستم عصبی خودمختار همبستگی های طبقه بندی گفتار از طریق مردمک سنجی آشکار شد. جلو. نوروسک. ۲۰۱۹ ، ۱۳ ، ۱۴۱۸٫ [ Google Scholar ] [ CrossRef ]
دوس سانتوس، JPM؛ فریرا، اچ. ریس، جی. پراتا، دی. Simões، SP; بورخس، ID استفاده از دانش عصب شناسی مصرف کننده در بهبود رسانه های تبلیغاتی واقعی: مورد Worten. در بازاریابی و فناوری های هوشمند ؛ Springer: برلین/هایدلبرگ، آلمان، ۲۰۲۰؛ ص ۲۰۲-۲۱۸٫ [ Google Scholar ]
کیم، اس. پولانن، ام. رینولدز، ام جی; Burr، WS حل مسئله به عنوان راهی برای درک مطلب. ریاضی. محاسبه کنید. علمی ۲۰۲۰ ، ۱-۱۵٫ [ Google Scholar ] [ CrossRef ]
اسکرابانکووا، جی. پوپلکا، اس. Beitlova، M. توانایی دانشجویان برای کار با نمودارها در مطالعات فیزیک مربوط به سه گروه دانشجویی معمولی. جی. بالت. علمی آموزش. ۲۰۲۰ ، ۱۹ ، ۲۹۸-۳۱۶٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
لارسون، دی جی؛ Wetherbee, JC; Branscum، P. CrossFit Athletic Identity’s Relationships with Sponsor Recall, Recognition, and Purchase Intent. بین المللی جی. کینزیول. علوم ورزشی ۲۰۱۹ ، ۷ ، ۶-۱۵٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
ووسکوهلر، ا. نوردمایر، وی. کوچینکه، ال. Jacobs, AM OGAMA (Open Gaze and Mouse Analyzer): نرم افزار منبع باز طراحی شده برای تجزیه و تحلیل حرکات چشم و ماوس در طرح های مطالعه نمایش اسلاید. رفتار Res. Methods ۲۰۰۸ ، ۴۰ ، ۱۱۵۰-۱۱۶۲٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Popelka, S. تنظیمات بهینه تشخیص تثبیت چشم برای اهداف نقشه برداری. در مجموعه مقالات چهاردهمین کنفرانس جغرافیایی SGEM در انفورماتیک، ژئوانفورماتیک و سنجش از دور، آلبنا، بلغارستان، ۱۷ تا ۲۶ ژوئن ۲۰۱۴٫ ص ۷۰۵-۷۱۲٫ [ Google Scholar ]
آندرینکو، جی. آندرینکو، ن. Wrobel, S. ابزارهای تحلیل بصری برای تجزیه و تحلیل داده های حرکتی. ACM SIGKDD Explor. Newsl. ۲۰۰۷ ، ۹ ، ۳۸-۴۶٫ [ Google Scholar ] [ CrossRef ]
آندرینکو، جی. آندرینکو، ن. برچ، ام. Weiskopf، D. روش تجزیه و تحلیل بصری برای مطالعات حرکت چشم. IEEE Trans. Vis. محاسبه کنید. نمودار ۲۰۱۲ ، ۱۸ ، ۲۸۸۹-۲۸۹۸٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
دولزالووا، جی. پوپلکا، اس. اسکن گراف: یک روش جدید مقایسه مسیر اسکن با استفاده از تجسم گراف. J. Eye Mov. Res. ۲۰۱۶ ، ۹ ، ۱-۱۳٫ [ Google Scholar ] [ CrossRef ]
پوپلکا، اس. دولزالووا، جی. بیتلوا، ام. ویژگی های جدید اسکنگراف: ابزاری برای آشکار کردن استراتژی شرکت کنندگان از داده های حرکت چشم. در مجموعه مقالات سمپوزیوم ACM در مورد تحقیقات و کاربردهای ردیابی چشم، ورشو، لهستان، ۱۴ تا ۱۷ ژوئن ۲۰۱۸؛ پ. ۱۰۳٫ [ Google Scholar ]
یارودزکا، اچ. هلمکویست، ک. Nyström، M. اندازه گیری تشابه مسیر روبشی چند بعدی مبتنی بر برداری. در مجموعه مقالات سمپوزیوم ۲۰۱۰ در مورد تحقیقات و کاربردهای ردیابی چشم، آستین، تگزاس، ایالات متحده آمریکا، ۲۲ تا ۲۴ مارس ۲۰۱۰٫ ص ۲۱۱-۲۱۸٫ [ Google Scholar ]
دیورست، آر. نیستروم، ام. یارودزکا، اچ. فولشم، تی. یوهانسون، آر. Holmqvist، K. بستگی به این دارد که چگونه به آن نگاه کنید: مقایسه Scanpath در ابعاد چندگانه با MultiMatch، یک رویکرد مبتنی بر برداری. رفتار Res. Methods ۲۰۱۲ ، ۴۴ ، ۱۰۷۹-۱۱۰۰٫ [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
واگنر، آ. هالچنکو، ی. Hanke, M. multimatch-gaze: الگوریتم MultiMatch برای مقایسه مسیر نگاه در پایتون. J. نرم افزار منبع باز. ۲۰۱۹ ، ۴ ، ۱۵۲۵٫ [ Google Scholar ] [ CrossRef ]
کولتکین، ا. فابریکانت، اس. لاکایو، ام. بررسی کارایی استراتژی‌های تحلیل بصری کاربران بر اساس تجزیه و تحلیل توالی ضبط‌های حرکات چشم. بین المللی جی. جئوگر. Inf. علمی ۲۰۱۰ ، ۲۴ ، ۱۵۵۹-۱۵۷۵٫ [ Google Scholar ] [ CrossRef ]
کاستنر، ن. کسنسی، ای. کوبلر، تی. شایتر، ک. ریشتر، جی. ادر، تی. هوتیگ، اف. مقایسه Keutel، C. Scanpath در مهارت های خواندن تصویر پزشکی دانشجویان دندانپزشکی: مراحل متمایز توسعه تخصص. در مجموعه مقالات سمپوزیوم ACM 2018 در مورد تحقیقات و کاربردهای ردیابی چشم، ورشو، لهستان، ۱۴ تا ۱۷ ژوئن ۲۰۱۸؛ صفحات ۱-۹٫ [ Google Scholar ]
روز، EL; تانگ، اچ. کندامر، LK; Pienta، NJ Sequence Analysis: استفاده از الگوهای Scanpath برای تحلیل راهبردهای حل مسئله دانش آموزان. در ردیابی چشم برای محقق آموزش شیمی ; انتشارات ACS: واشنگتن دی سی، ایالات متحده آمریکا، ۲۰۱۸; صص ۷۳-۹۷٫ [ Google Scholar ]
کانگ، ز. Landry, SJ یک الگوریتم تجزیه و تحلیل حرکت چشم برای یک کار ردیابی هدف چند عنصری: حداکثر خوشه‌بندی سلسله مراتبی تجمعی مبتنی بر انتقال. IEEE Trans. هوم ماخ سیستم ۲۰۱۴ ، ۴۵ ، ۱۳-۲۴٫ [ Google Scholar ] [ CrossRef ]
پوپلکا، اس. هرمان، ال. Řezník، T. پاریلووا، ام. جدلیچکا، ک. بوچال، ج. کپکا، م. Charvát، K. ارزیابی کاربر از ابزارهای تحلیل بصری مبتنی بر نقشه. ISPRS Int. J. Geo-Inf. ۲۰۱۹ ، ۸ ، ۳۶۳٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
دولزالووا، جی. پوپلکا، اس. ارزیابی استراتژی کاربر بر روی نقشه‌های شهر دو بعدی و سه بعدی بر اساس روش جدید مقایسه مسیر اسکن و تجسم نمودار. در مجموعه مقالات ISPRS 2016، پراگ، چک، ۱۲ تا ۱۹ ژوئیه ۲۰۱۶٫ [ Google Scholar ]
Kulhavy، RW; Stock, WA چگونه نقشه های شناختی یاد می گیرند و به خاطر می سپارند. ان دانشیار صبح. Geogr. ۱۹۹۶ ، ۸۶ ، ۱۲۳-۱۴۵٫ [ Google Scholar ] [ CrossRef ]

شکل ۱٫ طرح مطالعه.

شکل ۲٫ نقشه محرک های مورد استفاده در وظایف آزمایش.

شکل ۳٫ نمای کلی از کیفیت داده ها برای ۳۰ دانش آموز و معلم آنها.

شکل ۴٫ خلاصه ای از صحت پاسخ ها برای همه وظایف.

شکل ۵٫ مدت زمان آزمایش برای ۳۰ دانش آموز و وظایف آزمایش. نقطه قرمز پاسخ های معلم جغرافیا را نشان می دهد.

شکل ۶٫ تثبیت دانش آموزان (خاکستری) و معلم آنها (قرمز)، همراه با پاسخ ها (نقاط آبی). نمادهای مشابه از افسانه در گوشه پایین سمت چپ بزرگ شده است.

شکل ۷٫ نمودار توالی برای Task02 که توزیع تثبیت های شرکت کنندگان را در قسمت نقشه (سبز) و افسانه (قرمز) نشان می دهد. خاکستری نشان دهنده تثبیت های خارج از AOI است.

شکل ۸٫ افسانه اندازه نماد نقشه برای Task04 (به انگلیسی ترجمه شده است).

شکل ۹٫ Legend for Task07 (به انگلیسی ترجمه شده)، با ارزش ۲۵۰۰ میلیارد دلار (دایره آبی) که در نمودار دایره ای بر اساس اندازه نسبی نشان داده شده است.

شکل ۱۰٫ نمودار توالی برای Task07 که توزیع تثبیت‌های شرکت‌کنندگان را در زمینه نقشه (سبز) و افسانه (قرمز) نشان می‌دهد. خاکستری نشان دهنده تثبیت های خارج از AOI است.

شکل ۱۱٫ Legend for Task08 (به انگلیسی ترجمه شده است).

شکل ۱۲٫ نتایج تحلیل شباهت بین مسیرهای اسکن دانش آموزان و معلم جغرافیای آنها. مقادیر قرمز نشان دهنده استراتژی منحصر به فرد معلم است.

شکل ۱۳٫ مقایسه راهبردهای نقشه خوانی دانش آموزان و معلمان. ستون سمت چپ مسیرهای اسکن را نشان می دهد، ستون میانی تجسم ScanGraph اندازه گیری موقعیت را نشان می دهد، و ستون سمت راست نتایج فاصله Levenshtein را نشان می دهد (همچنین با استفاده از ScanGraph تجسم شده است). معلم قرمز پوش است.

ونوس نصیرفام

11 فوریه 2023

مقالات