DOI: https://doi.org/10.1109/access.2026.3659987
تاريخ النشر: 2026-01-01
المؤلف: Abdul Rehman وآخرون
الموضوع الرئيسي: الألعاب التعليمية وت gamification
نظرة عامة
تقدم هذه الورقة إطار تقييم مبتكر وقابل للتكيف مصمم للأطفال الذين يعانون من اضطرابات النمو العصبي (NDD)، والذي يدمج مقاييس متعددة – بما في ذلك أنماط الانتباه المكاني، والانخراط الزمني، وبيانات أداء اللعبة – لتقديم تقييم شامل للتعلم يتجاوز طرق التقييم التقليدية. يستخدم الإطار نهج تكيف صعوبة تدريجي، يركز على محفزات محددة لكل مستوى ويعدل الأوزان ديناميكيًا لاستيعاب الأحمال المعرفية المختلفة وتعقيدات التعلم. كما أنه يتضمن قدرات تحليل زمني، مثل اكتشاف فترات الانخراط ومكافأة الانتباه المستمر، إلى جانب إطار مضاعف قابل للتكيف يتكيف بناءً على مستويات الأداء. يهدف هذا التصميم إلى منع المكافآت المفرطة للأداء العالي مع تعظيم فرص التحسين للطلاب الذين يواجهون صعوبات.
في معالجة قيود أنظمة التقييم التقليدية الصحيحة/الخاطئة، تؤكد هذه الدراسة على أهمية فهم كيفية تعلم الطلاب والأسباب وراء تحدياتهم. لا يعزز الإطار المقترح دقة التقييم فحسب، بل يؤسس أيضًا نظام تحقق متعدد المقاييس باستخدام متوسط الخطأ المطلق (MAE)، وجذر متوسط مربع الخطأ (RMSE)، ومقاييس الارتباط، مع تحديد عتبات الجودة لتقييم الاستعداد للنشر التعليمي. من خلال ربط مقاييس تتبع العين الفنية برؤى تعليمية بشكل فعال، يسهل الإطار التدخلات التربوية القابلة للتنفيذ، مما يسد الفجوة بين أنماط الانتباه وسلوكيات التعلم.
مقدمة
تناقش مقدمة الورقة الاضطرابات النمائية العصبية (NDD) كما هو محدد في DSM-5-TR، مع تسليط الضوء على بدايتها خلال فترة النمو والقيود الناتجة في الوظائف الشخصية والاجتماعية والأكاديمية أو المهنية. تشمل هذه الاضطرابات، التي تتضمن اضطراب طيف التوحد (ASD)، واضطراب نقص الانتباه/فرط النشاط (ADHD)، وعسر القراءة، تحديات فريدة للأطفال المتأثرين. معالجة هذه التحديات أمر ضروري لتحسين النتائج الأكاديمية وتعزيز جودة الحياة العامة لهؤلاء الأفراد.
تؤكد الورقة على فائدة تقنية تتبع العين كأداة بحثية لتقييم الانتباه والوظائف المعرفية من خلال تحليل حركات العين والتركيز البصري. يمكن أن تكون هذه التقنية مفيدة بشكل خاص في السياقات التعليمية، مثل تقييم الألعاب الجادة – الألعاب المصممة لأغراض تعليمية أو سلوكية بدلاً من مجرد الترفيه. يمكن أن تكشف بيانات تتبع العين عن العناصر التي تجذب انتباه المتعلمين وتلك التي لا تفعل، مما يسهل تطوير استراتيجيات تعليمية مخصصة والتشخيص المبكر لصعوبات التعلم، وبالتالي تحسين فعالية التدريس وتعزيز تجارب التعلم.
طرق
في قسم “الطرق”، تقدم الدراسة النتائج من نموذج التقييم المقترح، الذي يقيم أداء الطلاب عبر ثلاثة مستويات باستخدام مقاييس تحقق متنوعة مقارنة بأداء اللعبة الحقيقي. توضح الجدول 1 الدرجات النهائية التي حققها الطلاب، مع تسليط الضوء على القيم العددية والتقييمات النوعية مثل “ممتاز” أو “جيد”.
تشير النتائج إلى أن الطلاب أدوا بشكل استثنائي، حيث حققوا درجات 97.7 في المستوى 1 و99 في المستوى 2، مع انخفاض طفيف إلى تصنيف “جيد” في المستوى 3. تعكس الدرجة المتوسطة العامة البالغة 95.0 من 100 مستوى أداء استثنائي عبر المستويات التي تم تقييمها.
مناقشة
تؤكد قسم المناقشة في الورقة على الحاجة إلى إطار تقييم متقدم لتتبع العين يتجاوز أنظمة التقييم الثنائية التقليدية في السياقات التعليمية. تركز الطرق الحالية بشكل أساسي على التدريب العلاجي أو مهام التصنيف الأساسية، مما يفشل في تقديم رؤى حول عمليات تعلم الطلاب. يهدف الإطار المقترح إلى تحليل أبعاد مختلفة من انخراط الطلاب، مثل الانتباه إلى المعلومات ذات الصلة، وكفاءة المعالجة، والحفاظ على التركيز بمرور الوقت. يتيح ذلك للمعلمين تحديد المجالات المحددة التي يواجه فيها الطلاب صعوبات – سواء بسبب فجوات معرفية أو مشاكل في تنظيم الانتباه – مما يمكّن التدخلات المستهدفة وفي الوقت المناسب.
تشمل مساهمات هذه الدراسة تطوير إطار تقييم متعدد الأبعاد قابل للتكيف يدمج أنماط الانتباه المكاني، والانخراط الزمني، وبيانات أداء اللعبة. يستخدم هذا الإطار طريقة تكيف صعوبة تدريجية، مما يعزز حساسية التقييم للأحمال المعرفية وتعقيد التعلم. بالإضافة إلى ذلك، يتم تقديم طبقة تغذية راجعة متقدمة لتعزيز الزمن، والتي تتضمن اكتشاف فترات الانخراط ومضاعفات قابلة للتكيف لتحسين التغذية الراجعة لكل من الطلاب ذوي الأداء العالي والطلاب الذين يواجهون صعوبات. تستخدم طريقة التحقق التي تم تأسيسها في الدراسة مقاييس متعددة، بما في ذلك متوسط الخطأ المطلق (MAE) ومعاملات الارتباط، لضمان استعداد الإطار للنشر التعليمي. بشكل عام، تقدم هذه الدراسة تقدمًا كبيرًا في مجال تتبع العين التعليمي وتحليلات التعلم من خلال تقديم رؤى قابلة للتنفيذ حول سلوكيات تعلم الطلاب وتعزيز بيئة تعليمية أكثر دعمًا.
القيود
تسلط القيود المتعلقة بالأبحاث الأخيرة حول دمج تقنية تتبع العين والتدخلات الرقمية لاضطرابات النمو العصبي الضوء على عدة فجوات حرجة. بينما أظهرت دراسات مثل تلك التي أجراها غارسيا-باوس وآخرون وميرزون وآخرون نتائج واعدة في تحسين مقاييس الانتباه المتعلقة باضطراب نقص الانتباه/فرط النشاط (ADHD) من خلال الألعاب التفاعلية وبيئات الواقع الافتراضي، غالبًا ما تفتقر هذه التدخلات إلى بيانات فعالية طويلة الأجل وقد لا تلبي الاحتياجات المتنوعة لجميع الأفراد المصابين باضطراب ADHD. علاوة على ذلك، يثير الاعتماد على تنسيقات الألعاب المحددة والبيئات تساؤلات حول إمكانية تعميم النتائج عبر سياقات وسكان مختلفين.
بالإضافة إلى ذلك، بينما حقق أمينولسلمي وآخرون تقدمًا في استخدام بيانات تتبع العين لأغراض التصنيف بين الأطفال المصابين بالتوحد والأطفال ذوي التطور الطبيعي، قد لا تعكس المنهجيات المستخدمة بالكامل تعقيد اضطرابات النمو العصبي. تواجه الأطر التشخيصية المتقدمة، على الرغم من كونها مبتكرة، تحديات في التحقق والتطبيق العملي، خاصة فيما يتعلق بدمج الخوارزميات الجينية وتحليل النظر في البيئات الواقعية. بشكل عام، تؤكد هذه القيود على الحاجة إلى دراسات أكثر شمولاً تأخذ في الاعتبار السكان المتنوعين، والنتائج طويلة الأجل، وقابلية تطبيق هذه التقنيات في البيئات السريرية.
DOI: https://doi.org/10.1109/access.2026.3659987
Publication Date: 2026-01-01
Author(s): Abdul Rehman et al.
Primary Topic: Educational Games and Gamification
Overview
This paper presents an innovative adaptive scoring framework designed for children with Neurodevelopmental Disorders (NDD), which integrates multiple metrics—including spatial attention patterns, temporal engagement, and game performance data—to offer a comprehensive assessment of learning that surpasses traditional scoring methods. The framework utilizes a progressive difficulty adaptation approach, focusing on specific stimuli for each level and dynamically adjusting weights to accommodate varying cognitive loads and learning complexities. It also incorporates temporal analysis capabilities, such as detecting engagement periods and rewarding sustained attention, alongside an adaptive multiplier framework that adjusts based on performance levels. This design aims to prevent over-rewarding high performers while maximizing improvement opportunities for students who are struggling.
In addressing the limitations of conventional correct/incorrect scoring systems, this research emphasizes the importance of understanding how students learn and the reasons behind their challenges. The proposed framework not only enhances assessment accuracy but also establishes a multi-metric validation system using Mean Absolute Error (MAE), Root Mean Square Error (RMSE), and correlation metrics, with defined quality thresholds for evaluating readiness for educational deployment. By effectively linking technical eye-tracking metrics to educational insights, the framework facilitates actionable pedagogical interventions, thereby bridging the gap between attention patterns and learning behaviors.
Introduction
The introduction of the paper discusses neurodevelopmental disorders (NDD) as defined by the DSM-5-TR, highlighting their onset during the developmental period and the resulting impairments in personal, social, academic, or occupational functioning. These disorders, which include autism spectrum disorder (ASD), attention-deficit/hyperactivity disorder (ADHD), and dyslexia, present unique challenges for affected children. Addressing these challenges is essential for improving academic outcomes and enhancing the overall quality of life for these individuals.
The paper emphasizes the utility of eye-tracking technology as a research tool to assess attention and cognitive functions by analyzing eye movements and visual focus. This technology can be particularly beneficial in educational contexts, such as in the evaluation of serious games—games designed for educational or behavioral purposes rather than mere entertainment. Eye-tracking data can reveal which elements capture learners’ attention and which do not, facilitating the development of tailored educational strategies and early diagnosis of learning difficulties, thereby optimizing teaching effectiveness and enhancing learning experiences.
Methods
In the “Methods” section, the research presents the findings from the proposed scoring model, which evaluates student performance across three levels using various validation metrics compared to the ground truth game performance. Table 1 illustrates the final scores achieved by students, highlighting both numerical values and qualitative assessments such as “Excellent” or “Good.”
The results indicate that students performed exceptionally well, achieving scores of 97.7 in level 1 and 99 in level 2, with a slight decrease to a “Good” rating in level 3. The overall average score of 95.0 out of 100 reflects an outstanding level of performance across the evaluated levels.
Discussion
The discussion section of the paper emphasizes the need for an advanced eye-tracking assessment framework that transcends traditional binary scoring systems in educational contexts. Current methods primarily focus on therapeutic training or basic classification tasks, failing to provide insights into students’ learning processes. The proposed framework aims to analyze various dimensions of student engagement, such as attention to relevant information, processing efficiency, and focus maintenance over time. This allows educators to identify specific areas where students struggle—whether due to knowledge gaps or attention regulation issues—enabling timely and targeted interventions.
The contributions of this research include the development of a Multi-Dimensional Adaptive Scoring Framework that integrates spatial attention patterns, temporal engagement, and game performance data. This framework employs a progressive difficulty adaptation method, enhancing the assessment’s sensitivity to cognitive load and learning complexity. Additionally, an Advanced Temporal Enhancement feedback layer is introduced, which incorporates engagement period detection and adaptive multipliers to optimize feedback for both high-performing and struggling students. The validation method established in the study employs multiple metrics, including Mean Absolute Error (MAE) and correlation coefficients, ensuring the framework’s readiness for educational deployment. Overall, this work significantly advances the field of educational eye-tracking and learning analytics by providing actionable insights into student learning behaviors and fostering a more supportive educational environment.
Limitations
The limitations of recent research on the integration of eye-tracking technology and digital interventions for neurodevelopmental disorders highlight several critical gaps. While studies such as those by Garcia-Baos et al. and Merzon et al. have demonstrated promising results in improving attention-related metrics in ADHD through interactive games and virtual reality environments, these interventions often lack long-term efficacy data and may not address the diverse needs of all individuals with ADHD. Furthermore, the reliance on specific game formats and environments raises questions about the generalizability of findings across different contexts and populations.
Additionally, while Aminoleslami et al. have made strides in using eye-tracking data for classification purposes between autistic and typically developing children, the methodologies employed may not fully capture the complexity of neurodevelopmental disorders. Advanced diagnostic frameworks, although innovative, still face challenges in validation and practical application, particularly regarding the integration of genetic algorithms and gaze analysis in real-world settings. Overall, these limitations underscore the need for more comprehensive studies that consider diverse populations, long-term outcomes, and the practical applicability of these technologies in clinical environments.