e-Learning環(huán)境學習測量研究進展與趨勢*
——基于眼動應用視角

張 琪，楊玲玉

(北京師范大學 教育學部 教育技術學院，北京 100875)

e-Learning環(huán)境學習測量研究進展與趨勢*
——基于眼動應用視角

張 琪，楊玲玉

(北京師范大學 教育學部 教育技術學院，北京 100875)

“日益關注學習測量”已成為教育變革的重要趨勢，e-Learning環(huán)境學習測量的研究正日益突顯多維整體、真實境脈、實時連續(xù)的特征。該文通過眼動應用視角透析e-Learning環(huán)境學習測量研究的進展與趨勢。基于信息加工論、“直接假說”和“眼腦假說”，闡釋眼動在信息提取、加工、整合以及意義建構中的重要作用。此外，圍繞多媒體界面有效性、多媒體學習效果、數字閱讀、信息加工過程和學習分析五個方面，對研究內容、研究結果和發(fā)展趨勢進行梳理與分析。研究認為眼動技術有助于獲取具備“大數量、全樣本、實時性、微觀指向”特性的學習數據，可以深入評估多媒體學習效果和閱讀過程，量化注意力、認知過程和學習結果之間的關系，為拓展教育技術的研究手段和應用領域提供了方向指引。

e-Learning；數據驅動教學；學習測量；眼動范式

一、引言

在個性化教學、移動學習、學習分析的滲透與融合下，技術助力教育領域日益形成一個新研究范式——以學習測量為核心的“數據驅動教學”。《地平線報告》(2016高等教育版)也指出，未來教育變革的重要趨勢之一是“日益關注學習測量”[1]。e-Learning環(huán)境學習測量的研究強調在對學習過程全面、深刻理解的基礎上，基于“自下而上”和“自上而下”的整合分析，將特定數據即時、多維、直觀、全面地呈示與介入教學過程。其中，對學習行為和認知過程數據的獲取和量化是起始點。相對于LMS系統(tǒng)以及MOOC平臺中的學習行為數據表征，未來學習測量中的“數據”更突顯多維整體、真實境脈、實時連續(xù)的特征，能夠量化學習者認知狀態(tài)、注意力水平、信息加工過程的眼動技術在該領域的應用具有巨大的潛能。

過去十年中，眼動技術在認知心理學、消費市場、人機交互界面、閱讀、人類行為認知、工業(yè)設計等領域得到了廣泛運用[2]。國際上，尤其歐美國家和我國臺灣地區(qū)，眼動研究已成為一種相對成熟的研究范式，從初期對媒體界面有效性的測量轉向對e-Learning環(huán)境學習行為以及認知過程的研究，其研究涵蓋多媒體學習效果、數字閱讀、信息加工過程以及學習分析領域。本文旨在基于眼動視角透析e-learning環(huán)境學習測量研究的相關進展，力求勾勒其研究脈絡、研究結果和發(fā)展趨勢，以拓展教育技術的研究手段和應用領域，助推我國教育技術學科引領地位。

二、眼動與學習行為及認知過程的關系

眾所周知，學習者的信息加工在很大程度上依賴于視覺通道。我們搜尋需要的信息(“追隨”)，將注意的目光集中在興趣點上(“注視”)，從一個興趣點轉移到另一個興趣點(“眼跳”)，對同一個興趣點進行來回比較(“回視”)，并隨著外界刺激的變換調整視線軌跡。中國自古素有“眼睛是心靈的窗口”之說，“目不轉睛”“別具慧眼”“怒目而視”等成語亦揭示了視覺和心理活動的密切相關性。《證治準繩》記載：“目用于心”；《素問：靈蘭秘典論》言：“心者，君主之官也，神明出焉。”通過眼睛這扇窗口，能夠洞見心理活動的本質以及諸多思維變化的客觀規(guī)律。

“信息加工論”“直接假說”和“眼腦假說”深刻揭示了視覺在信息提取、加工和意義建構中的重要作用。尤其是“直接假說”和“眼腦假說”直接指向眼動與認知的關系，揭示了眼動在閱讀等信息整合過程中的關鍵作用。

(一)信息加工論

信息加工論描述了信息在記憶系統(tǒng)中的轉移過程[3][4]。其中，Atkinson等提出了包含兩類記憶的記憶模型[5]，即包括短時記憶和長時記憶。Paivio擴展了一般的信息加工理論[6]，認為信息分別被編碼在言語記憶和視覺記憶存儲器中，并且可以相互激活，該理論也被稱為雙重編碼理論(Dual Coding Theory)。兩類編碼通過表征式、聯合式以及參照式三種方式運作，若兩類編碼在時間和空間上一致，則在編碼的過程中就會形成言語表征和視覺表征的連接，從而增加學習者提取信息的路徑。Mayer等依據知識建構的“選擇—組織—整合”模型和雙通道、容量有限、主動加工假設原則提出了多媒體學習認知理論[7]。該理論認為學習是將所選擇的文字組織成連貫清晰的語言心理表征(或者將圖像組織成圖像表征)，進而將言語模型、圖像模型與先前知識進行整合的過程[8]。

(二)“直接假說”和“眼腦假說”

根據“直接假說”(Immediacy Assumption)，信息加工是及時的過程，發(fā)生于學習者看到信息的每一個瞬間。學習者學習時，對所學內容在各水平上的加工是及時進行的，因此有可能對詞語意思進行誤判。眼睛的移動發(fā)生在信息加工(即字符解碼、選擇意思、指出詞語在語境中的指代等)之后。“眼腦假說”(Eye-mind Assumption)認為，只要學習者大腦正在加工指定詞語，就會注視這個詞。因此注視時間揭示了注意的過程(即產生信息編碼的認知過程)，對某個詞語的信息加工時間等于對該詞的總注視時間。

綜上所述，有充分的理論依據證明眼動為行為和認知過程提供了非常重要的線索。這意味著，至少在自發(fā)以及任務相關的活動中，學習者的視線與注意力以及認知過程有著緊密的聯系。因此，眼動技術可以被廣泛應用于認知活動以及閱讀的詞法訪問與句法分析中[9]。尤為難得的是，眼動技術可以量化“真實”的學習過程，即在各類緊湊設計的眼動儀支持下，研究者可以在學習者熟悉的靜脈中，通過分析注視次數(Fixation Count)、注視時間(Fixation Duration)、回視(Regression)、眼跳(Saccade)和眼動軌跡圖(Fixation Track)等測量指標，在不干預學習者的情境下研究學習者的認知過程。

三、基于眼動視角的學習測量研究

眼動技術被較早地應用于多媒體界面效性以及學習效果的測量，聚焦學習者對媒體界面的反應，量化學習者對不同圖文組合、色彩編碼以及圖形組織下的注意力分配和信息選擇行為。近年來，隨著移動學習的日益深入，研究者開始利用眼動技術進行移動學習終端的信息設計。眼動技術在學習測量的另一個成熟的范例是數字閱讀，該類研究圍繞“眼動指標與閱讀狀態(tài)、學習者的心理活之間的聯系”展開探索。隨著認知科學、腦科學、學習科學的日益深入，眼動技術也被應用到分析不同學科領域的信息加工過程，并作為生物數據分析的有效手段，整合到智能教學系統(tǒng)中，通過實時記錄認知過程的數據，基于科學量化的方法分析學習發(fā)生的原理和機制，解釋學習結果產生的原因。

(一)多媒體界面有效性

該類研究旨在通過量化學習者的注意力分布以及視覺反應，建構“標準用戶行為”(Standard User Behavior)，從而將頁面關鍵要素放置到特定的區(qū)域。Djamasbia等對“Y一代”的網頁偏好進行了眼動分析[10]。研究要求所有學習者在線瀏覽實驗材料，對每個頁面材料進行打分，完成后填寫人口學變量相關信息。研究發(fā)現，網頁的Logo圖案通常會有開始幾秒獲得眼跳，之后會獲得持續(xù)的注視，證明第一印象形成的前幾秒中，學習者捕獲的注意元素會對其網頁感知產生重要的影響。導航條常會得到密切的注視，在缺少大圖頁面時，學習者注視集中在導航鏈接、列表和較大信息量的文本上。密集的注視點證實了名人效應。

眼動技術已開始被應用到提升儀表盤的信息設計方面。Laqua等采用“焦點隱喻”(Focus Metaphor)方法進行學習分析儀表盤界面設計[11]。焦點隱喻法結合了腦科學、設計思想和教育理論以創(chuàng)造更自然的界面交互方式。研究設計了3個版本的儀表盤原型，利用眼動實驗分析主聚焦模塊花費的時間、不同模塊的視覺駐留時間、從一個模塊切換到另一個模塊前幾幀的注視時間變化，并通過在線評估揭示了參與者對界面原型的感受。研究驗證了焦點隱喻法在設計動態(tài)和適應性強交互界面上的優(yōu)勢。Kunhee等利用眼動技術量化學習者對學習分析儀表盤的反應[12]，以提升其感知有用性(Perceived Usefulness)。研究者通過問卷和訪談了解學習者的理解，根據反饋對設計原型進行修訂。對儀表盤各子模塊的總注視時間、注視次數、平均注視時間進行了記錄和分析。研究發(fā)現，多數學生對在線活動的記錄數據感興趣，學習者對自己和班級平均分對照方面的信息具備較高的關注度。

(二)多媒體學習效果

該類研究利用眼動技術評價學習者對不同學習材料的學習效果，解釋怎樣將認知資源應用到多媒體信息的理解中。部分研究進一步驗證了多媒體學習認知原則，如時空臨近原則、一致性原則、多通道原則和冗余原則，探究不同多媒體組合方式和數量可能引起的認知模式變化。Chien等采用眼動技術衡量學生做物理實驗的專注度和認知過程，分析了高中生在仿真實驗室(利用計算機模擬實驗過程與處理數據)和傳統(tǒng)實驗室(真實實驗器材并用計算機處理數據)中學習時的眼動信息[13]。被試分別在實驗室中完成波義耳定律實驗，并完成物理概念題的前后測，對注視時間和注視百分比(某注視區(qū)域內的注視次數/注視總次數)進行分析。研究發(fā)現，仿真實驗室組的學生呈現出更高比例的長時注視，更傾向于一開始就做實驗，同時思考學習單上的問題，這意味著學生對于實驗更專注且認知過程更加深入。Mayer團隊利用眼動技術研究了學習輔助(如高亮顯示和圖形組織技術)對認知過程的影響[14]。研究選取了總計注視時間、注視次數、從上到下的注視時間以及從左到右的注視時間4個眼動指標。研究發(fā)現，高亮文字僅強化了認知過程的選擇行為，圖像組織技術強化了認知過程的選擇、組織和整合行為，從根本上影響了他們對文本的注視和眼跳過程。

通過眼動數據，可了解學習者關注的色彩組合與關鍵內容信息，有助于實現有意義的學習。Ozcelik等的研究對評估多媒體學習中如何使用顏色編碼提供了實驗支持[15]。研究認為色彩編碼可幫助學習者發(fā)現圖文中的相關信息，學習環(huán)境應該根據學習者選擇的信息、整合語言和文字通道的特點進行設計。該研究拓展了學習者在特定多媒體環(huán)境中的學習效果，對多媒體環(huán)境設計具有較強指導作用。

(三)數字閱讀

研究可分為兩類：一是考察不同技能和速度學習者的閱讀過程；二是聚焦在與閱讀文本直接相關的認知過程、影響文本變量的因素以及話語因素方面。Leinenger等調查了不同閱讀水平聽障學習者中央凹視覺區(qū)的字形和音韻編碼[16]。研究采用邊界范式(Boundary Paradigm)，對發(fā)生在眼跳過程中何種信息得到加工進行研究。研究發(fā)現慢速閱讀者有更短的眼跳、更長的平均注視時間以及更多的回視。這進一步佐證了Jared等的觀點，即嫻熟閱讀者通常顯示出更短的注視時間和聚焦到搜尋單詞的時間[17]。此外，MVD Schoot等基于小學生的研究也表明，相對于嫻熟閱讀者，慢速閱讀者存在更長的注視時間，但重要信息上，嫻熟閱讀者的注意時間更長[18]。

過去的十年中，閱讀中的眼動行為得到了系統(tǒng)的研究，提出了諸多眼動閱讀模型，包括：IA模型[19]，SWIFT模型[20]和E-Z reader模型[21]等。各模型整合了視覺處理、字符確認、注意力轉移和眼球控制等過程，以揭示眼動和注意力、單詞辨認、閱讀之間的直接的聯系。根據以上模型的觀點，詞語辨析是閱讀中眼部運動的核心驅動力，包括驅動眼球運動的熟悉檢查以及詞匯接通過程。此外，理解單詞在上下文中的意思以及整合學習者在長時記憶中的相關知識會影響學習者的回視[22]。

(四)信息加工過程

該類研究主要對學科認知機制、概念圖學習與學習建模過程展開探索。Hegarty等利用眼動技術分析了數學學習中理解過程的相關策略[23]。研究發(fā)現，學習者對解決問題的關鍵因素(數字及變量名)擁有更長的注視時間，高精度(High-accuracy)學生更多地傾向使用問題建模策略(Problem-model Strategy)，而低精度(Low-accuracy)的學生更多地使用直接轉變策略(Direct-translation Strategy)。Berrin等研究了專家和新手在概念圖學習過程中的認知過程[24]。結果表明，對于專家學習者，雖然可能未有預設想遵循某種策略，但實際操作過程會運用各種演繹策略。新手在整個學習過程以及特殊點的注視時間上高于專家。再次佐證了注視次數的增加意味著認知過程的線索提取不夠或對某一區(qū)域感興趣這一觀點。

Yu-chu Yeh等聚焦在多媒體環(huán)境下注意力以及工作記憶容量如何影響頓悟問題解決(Insight Problem Solving)[25]。研究發(fā)現，學習者工作記憶越高，具備更多的注視時間和次數。此外，反應正確的學習者會在目標區(qū)域擁有更多的注意時間及注視次數。研究構建了工作記憶能力對頓悟問題解決的影響過程模型，如圖1所示。由該模型可知，當與洞察力問題相關的刺激吸引眼球時，會引起工作記憶互動，從而進一步影響工作記憶的表現能力。具有更好工作記憶容量的學習者會采用自上而下的搜索流程并關注關鍵信息，從而更有效地解決頓悟問題。相反，那些具有較差工作記憶容量的學習者很難積極地選擇相關信息，多采用更耗時間的自下而上搜索進程，導致低效率的頓悟問題解決能力。

圖1 工作記憶對問題解決能力的影響過程模型

(五)學習分析

該類研究主要聚焦于搜集學生學習過程產生的眼動數據，建立分析模型以改善學習過程及環(huán)境。Pivec等致力于應用眼動技術提升對認知過程的理解，提出了基于眼動的學習分析和自適應的“AdeLE”理論框架[26]。該框架闡明了基于眼動系統(tǒng)實時動態(tài)捕捉用戶的行為，據此分析學習者的個性特征，為其提供實時的教學策略、教學內容等。眼動指標(眨眼、眼跳、注視、瞳孔直徑)可用于辨別學生的學習行為，包括瀏覽文本、簡單的閱讀文本、學習的文本內容、在文本中尋找信息等，進而從學習者的注視行為中抽取學習風格和認知風格，該框架能夠整合到學習管理和知識管理系統(tǒng)，為學習者提供個性化的自適應解決方案。

Chen等探索了眼動指標與不同多媒體呈現形式(文本、圖像)的考試成績之間的關系[27]，眼動指標包括平均注視時間(MFD)、平均眼跳距離(MSD)和重復閱讀的時間比例(RRTp)。研究發(fā)現眼動指標可預測考試成績，在圖像呈現形式下，三者均有顯著的預測作用，MFD預測力最大、RRTp次之，MSD具有顯著負向預測作用。在文本呈現形式下，MFD具有最顯著的預測作用、RRTp次之，MSD沒有顯著預測作用。研究進一步探究發(fā)現眼動注視順序、注視時間、重復注視點的頻次對學生的答題準確性有顯著的影響。圖2給出了圖形呈現形式的考試中，回答正確(A圖)和錯誤的學生(B圖)第5次注視熱點圖。由圖2可見，回答正確的學習者落在上方滑輪上的停留時間顯著高于回答錯誤的學習者，而在重物上的停留時間顯著低于回答錯誤的學習者。研究還發(fā)現眼跳時間負向預測知識成功檢索的可能性。因此在設計圖文表征內容時，重要的概念與內容應被突出描述并緊湊排列，以產生較短的視覺移動從而增加信息提取的精確性。該研究對未來實時人機接口的預警設計具有借鑒價值，對設計有效圖文表征提供了方向指引。

圖2 學習者第5次注視點位置和停留時間熱點

四、研究分析與趨勢

眼動技術可以深入評估多媒體學習效果和閱讀過程，量化注意力、認知過程和學習結果之間的關系。豐富的眼動指標使得描述學習行為更具有時空的立體性。為了更真實地還原學習者的認知和學習行為，一般將眼動研究與訪談、問卷等分析結果相互結合。根據研究流程，眼動在學習測量的應用可以分為前測階段、記錄(干預階段)和后測階段三部分。前測階段主要了解被試人口學特征與已有知識掌握情況。國際通常的做法是根據知識體系，通過5點打分的形式獲取相關信息；記錄階段，呈現刺激材料，眼動系統(tǒng)記錄學習者眼動過程。考慮學習者在“自然條件下”做出反應和判斷以及研究場景相對穩(wěn)定兩方面的要求，通常會采用包含一定數量學生和教師的實驗室來模擬真實課堂，提供PC與移動學習終端、“應用型”與“高精度型” 眼動設備以體現優(yōu)勢互補；后測階段則會進行信息留存度、知識遷移水平、技術接受度、認知負荷、學習動機等測試，通過選擇題、半結構化問卷以及開放性問題展開。

學習測量的關鍵在于測量指標的獲取和篩選。先前闡述的研究均考慮了較基本的眼動指標，例如注視次數、注視時間、興趣區(qū)的過度時間等。通常來講，眼動注視位置反映了注意力分布情況，注意時間反映了信息處理的難度以及注意的次數。兩者共同揭示了個體閱讀策略以及原有的知識和經歷。越多的視覺注視(注視次數、總計注視時長以及平均注視時間)表明學習者對概念的理解程度越高，小范圍內注視次數還反映了注意力以及有效信息的搜集能力[28]。對眼跳路徑的歸類分析可以揭示不同學習者信息加工模式的類型，眼跳次數和長度可反映信息整合或信息搜索能力。此外，根據研究文獻[29-32]，對于學習個體，同一學習者在不同難度、題型的問題解決過程存在不同的眼動模式；對于學習群體，不同學習成績群體在表征“關鍵信息”(數字、符號或語句)和注意力分配上存在差異。

從研究趨勢上看，迄今還鮮有系統(tǒng)討論e-Learning環(huán)境(尤其是移動學習環(huán)境和智慧學習環(huán)境)不同學習特質、文化、情緒、認知水平、歸納推理能力學習個體的眼動模式差異。有限的研究圍繞眼動指標與注意力、信息加工能力、學習表現之間展開分析，限于樣本數量、學科內容的限制，以及缺乏聚類分析、回歸預測、中介變量等定量統(tǒng)計方法，其結果的信效度還有待進一步檢驗。個別研究嘗試將眼動技術與自適應教學系統(tǒng)整合，用于記錄學生在學習和考試過程中的眼動指標，并通過學習分析技術挖掘學習者的個性特征(學習策略、學習風格、學習偏好等)。對于這類前瞻性的研究，如何能突破理論層面的討論，在實踐中落地需要后續(xù)的嘗試與驗證。此外，未來的研究應加強對眼動“過渡指標”(Eye Movement Transitions)和“細粒度”(Finer-grained Indices)指標的運用，以從更加微觀的層面闡釋問題、對比數據、發(fā)現新規(guī)律。其中，眼動“過渡指標”通常被用來反應不同興趣區(qū)域之間的信息整合程度，或利用圖文之間眼跳路徑、注視時間與次數的比較等揭示學習者整合文字和圖片內容的認知過程；眼動“細粒度指標”包括第n次注視時間、從左(上)到右(下)的注視時間以及重新閱讀某個片段上的回視時間等。

未來研究的另一個重點是探索e-Learning環(huán)境表征關鍵信息的眼動指標，尤其是何種眼動指標可以正(負)向預測學習者的學習能力、應答正確性，以及如何構建眼動指標與學習結果之間的預測模型。此類研究不僅對設計有效的e-learning評估系統(tǒng)具有借鑒價值，而且對有效學習環(huán)境創(chuàng)設具有指導意義，應重點關注。可根據研究需要將眼動指標分類為注視指標(某個區(qū)域的時間與次數、總時間與總次數等)和軌跡指標(眼跳、回視等)兩類，其中注視指標為定長數據，軌跡指標是由位置和時間組成的變長序列數據。利用機器學習算法對眼動數據進行學習與建模，可以預測不同眼動特征學習者的學習行為。例如，隨機森林和支持向量機可分析定長記錄數據，隱馬爾科夫模型擅長分析以“位置”形式表征的變長序列數據。此外，國內的相關研究應盡快突破傳統(tǒng)“媒體界面”的禁錮，在移動終端與信息可視化方面尋找新的增長點。例如，學習分析儀表盤的數據可視化設計以及移動學習終端的有效信息設計等。

五、結束語

相對于LMS系統(tǒng)中行為數據抽取與鼠標移動記錄方法，眼動數據能夠精確量化學習者的認知過程與注意力分配情況，眼動數據與LMS系統(tǒng)的結合有助于獲取具備“大數量、全樣本、實時性、微觀指向”特性的教育大數據，可以深化對學習行為與認知規(guī)律的理解，并有可能形成基于生物數據驅動學習與評價的研究新領域。后續(xù)，研究團隊將圍繞不同學習階段及個體差異（特質、學習風格、已有知識水平等）的眼動模式展開研究，嘗試建立混合眼動數據的學習者個性化學習與預測模型，以推動“數據驅動教學”的深入應用，提升e-Learning環(huán)境設計的有效性。

[1]Johnson, L., Adams Becker, S., et al. NMC Horizon Report: 2016 Hig her Education Edition[R].Austin, Texas: The New Media Consortium,2016.

[2]Ana I.Molina,Miguel A.Redondo,Carmen Lacave,Manuel Ortega.Assessing the effectiveness of new devices for accessing learning materials: An empirical analysis based on eye tracking and learner subjective perception[J].Computers in Human Behavior,2014,(31):475-490.

[3]Berry,D.C.,Broadbent,D.E..On the relationship between task performance and associated verbalizable knowledge[J].The Quarterly Journal of Experimental Psychology,1984,(36A),209-231.

[4]Daniel G.Bobrow,Donald A.Norman.On Data-limited and Resourcelimited Processes[J].Congnitive Psychology,1975,(7):44-64.

[5]Atkinson,R.C.,Shiffrin,R.M..Human memory:A proposed system and its control processes[A].K. W.,Spence,J.T..The psychology of learning and motivation[C].New York:Academic Press,1968.89-195.

[6]Paivio,A..Dual coding theory: retrospect and current status[J].Canadian Journal of Psychology,1991,(3):255-287.

[7]Richard E.Mayer.The Cambridge handbook of multimedia learning[M].Cambridge:Cambridge University Press,2005.

[8]賈義敏.多媒體學習的科學探索——Richard E.Mayer學術思想研究[J].現代教育技術,2009,(11):5-9.

[9]Rayner, Keith.Eye movements and attention in reading, scene perception, and visual search[J].The Quarterly Journal of Experimental Psychology,2009,(62):1457-1506.

[10]Soussan Djamasbi,Marisa Siegel,Tom Tullis.Generation Y,web design,and eye tracking[J].International Journal of Human-Computer Studies,2014,(5):307-323.

[11]S Laqua,P Brna.The Focus-Metaphor Approach: A Novel Concept for the Design of Adaptive and User-Centric Interfaces[J].Lecture Notes in Computer Science,2005,(3585):295-308.

[12]Kunhee Ha,Hyun Jo,Sohye Lim.Tracking Students’Eye-Movements on Visual Dashboard Presenting Their Online Learning Behavior Patterns[A].G.Chen et al.Emerging Issues in Smart Learning,Lecture Notes in Educational Technology[C].Berlin Heidelberg:Springer Verlag,2015.371-376.

[13]Chien K P, Tsai C Y, Chen H L, et al. Learning differences and eye fixation patterns in virtual and physical science laboratories[J].Computers & Education, 2015,(3):191-201.

[14]Hector R.Ponce,Richard E.Mayer. Qualitatively different cognitive processing during online reading primed by different study activities[J].Computers in Human Behavior,2014,(1):121-130

[15]Erol Ozcelik,Turkan Karakus,Engin Kursun,Kursat Cagiltay.An eyetracking study of how color coding affects multimedia learning[J].Computers & Education,2009,(2):445-453.

[16]Mallorie Leinenger,Keith Rayner. Eye Movements while Reading Biased Homographs: Effects of Prior Encounter and Biasing Context on Reducing the Subordinate Bias Effect[J].Journal of cognitive psychology.2013,(6):665–681.

[17]Jared,D.,Levy,B.A.,Rayner,K..The role of phonology in the activation of word meanings during reading:evidence from proofreading a n d e y e m o v e m e n t s[J].J o u r n a l o f E x p e r i m e n t a l Psychology:Learning,Memory,and Cognition,1999,(3):219-264.

[18]MVD Schoot,Alain L.Vasbinder,Tako M.Horsley.The role of two reading strategies in text comprehension:An eye fixation study in primary school children[J].Journal of Research in Reading,2008,(2):203-223.

[19]McClelland,J.L.,Rumelhart,D. E..An Interactive Activation Model of Context Effects in Letter Perception:Part 1. An Account of Basic Findings[J].Psychological Review,1981,(9), 375-407.

[20]Engbert,R.,Longtin, A.,Kliegl,R..A dynamical model of saccade generation in reading based on spatially distributed lexical processing[J].Vision Research,2002,(5):621-636.

[21]Reichle,E.D.,Warren,T.,McConnell,K..Using E-Z reader to model effects of higher-level language processing on eye movements during reading[J].Psychonomic Bulletin & Review,2009,(1):1-21.

[22]Reichle ED,Pollatsek A,Rayner K.Using E-Z Reader to simulate eye movements in non-reading tasks: A unified framework for understanding the eye-mind link[J].Psychological Review,2012,(1):155-185.

[23][30]M Hegarty,RE Mayer,CA Monk.Comprehension of Arithmetic Word Problems:A Comparison of Successful and Unsuccessful Problem Solvers.Journal of Educational Psychology,1995,(1):18-32.

[24][31]Berrin Dogusoy-Taylan,Kursat Cagiltay.Cognitive analysis of experts’and novices’concept mapping processes:An eye tracking study[J].Computers in Human Behavior,2014,(7):82-93.

[25][32]Yu-chu Yeh,Jie-Li Tsai,Wei-Chin Hsu,Chun Fu Lin.A model of how working memory capacity influences insight problem solving in situations with multiple visual representations: An eye tracking analysis[J].Thinking Skills and Creativity, 2014,(9):153-167.

[26]Pivec M,Trummer C,Pripfl J.Eye-Tracking Adaptable e-Learning and Content Authoring Support[J].Informatica, 2006,(1):1-6.

[27]Chen S C,She H C,Chuang M H,et al.Eye movements predict students’ computer-based assessment performance of physics concepts in different presentation modalities[J].Computers &Education, 2014,(5):61-72.

[28]Cowen,L.,Ball,L.J.,Delin,J..An Eye Movement Analysis of Webpage Usability[A].Xristine Faulkner,Janet Finlay,Francoise Detienne. People and Computers XVI-memorable yet invisible [C].London:Springer Verlag Ltd.,2002.317-335.

[29]Fang-Ying Yang, Chun-Yen Chang,Wan-Ru Chien.Tracking learners’ visual attention during a multimedia presentation in a real classroom[J].Computers & Education,2013,(3):208-220.

Learning Measurement Progress and Trends in e-Learning—Based on Eye Movement Application Perspective

Zhang Qi, Yang Lingyu
(School of Educational Technology, Beijing Normal University, Beijing 100875)

“Increasingly concerned about learning measurement” has become an important trend in the future of education reform，the characteristics of multi dimension, realistic situation and real time are increasingly highlighted. This paper analyzes the progress and trends of learning measurement in e-Learning environment from eye movement perspective. Explaining the role of eye movement in information extraction, processing, integration and meaning construction based on Information Processing Theory, “Immediacy Assumption” and “Eye-mind Assumption”. Summarizing the research context, fi ndings and trends from fi ve aspects of multimedia interface e ff ectiveness, multimedia learning, digital reading, information processing and learning analysis. The study suggests that eye movement technology has facilitated access to “l(fā)arge quantities, full sample, real-time, microscopic” of learning data, which deepen understanding of learning behavior, cognitive process and the relationship between attention, cognitive process and learning outcomes, it provides a guidance of expanding research methods and applications fi eld in educational technology.

e-Learning; Data-driven Instruction; Learning Measurement; Eye Movement Research Paradigm

G434

A

張琪：在讀博士，副教授，研究方向為數字化學習技術與學習環(huán)境設計(zqzqhata@sina.com)。

楊玲玉：在讀碩士，研究方向為數字化學習環(huán)境與學習分析(paobayly@163.com )。

2016年7月22日

責任編輯：趙云建

1006—9860(2016)11—0068—06

* 本文系2014年全國教育科學“十二五”規(guī)劃教育部重點課題“基于教育大數據的學習分析工具設計與應用研究”(課題編號：DCA140230)研究成果。