數字化時代文本閱讀眼動控制模型研究

21 世紀以來，面對飛速發展的技術手段和多元化的欣賞品味，信息和知識載體的樣式及其傳播方式都發生了顯著變化，人們借助手機、電腦、電子閱讀器等終端工具在各種新興數字出版平臺瀏覽信息和獲取知識，這已成為數字化時代的一種閱讀常態。無論是“讀書”還是“讀屏”，看似簡單的閱讀行為實則是一個非常復雜的認知加工過程；在閱讀過程中，視覺信息的獲取通過眼睛運動來實現，眼動不僅是一種外在的行為表現，同時也受多種認知因素的影響，是反映閱讀過程非常重要的指示器。眼動技術能夠對閱讀過程進行實時記錄，提供了一種比命名法和詞匯判斷法等認知加工方法更自然、更有效且干擾更小的研究手段，因此，眼動記錄技術近些年來被越來越多的國內外研究者應用到閱讀研究中。

1 閱讀中的眼動現象

關于閱讀的眼動研究迄今已有百余年歷史，事實上，早在19 世紀末，法國學者Lamare、Jaral以及Huey 就開始以眼動為指標探討認知過程[1]。1975 年，美國著名學者Rayner 在研究中將讀者的眼動軌跡進行記錄，以此來探討語言的認知加工過程[2]。在此之后，研究者們對眼動研究的范式和手段做了大量的補充和更新，在閱讀認知研究領域取得了豐碩的研究成果。國內的閱讀眼動研究相對來說起步較晚，但隨著眼動記錄技術的不斷進步、眼動數據分析技術的快速發展以及心理語言學相關研究的不斷深入，近20 多年來，眼動技術開始被大量地應用到文本閱讀研究中。大量研究表明，在文本閱讀的過程中，讀者總是試圖通過不斷移動眼睛在文本上的位置，以此來獲取必要的信息，進而辨識字詞，理解文本意義。眼動記錄技術可以實時追蹤閱讀過程中讀者的眼動軌跡，獲得閱讀加工過程的精確眼動數據，提供諸如讀者注視了哪里、注視了多久等大量信息，從而揭示讀者對文本內容加工的難易程度以及讀者對于文本的理解程度，在此基礎上進一步研究文本閱讀中的認知加工現象。

從眼球的生理構造來看，讀者在閱讀文本時取決于3 個區域：即視網膜中視覺最敏銳的中央凹區域（the fovea centralis）、視覺敏銳度較低的副中央凹區域（the parafovea belt）、以及視覺敏銳度更差的外周視覺區（the perifovea outer region）。由于眼睛的注視范圍有限，讀者在閱讀時不得不通過移動眼球讓閱讀內容進入中央凹視覺區，以完成正常的閱讀和理解。就主觀感受而言，人們往往感覺眼睛的注視點在閱讀過程中是在文本材料上平滑移動的。而事實并非如此，在閱讀過程中，眼睛會在注視點之間產生一系列快速而短暫的跳躍式運動。眼跳（saccade）所需時間的長短與眼跳的距離呈正相關，眼跳行為受中樞神經系統控制，其距離存在很大的變異性。在兩次眼跳之間，眼睛會保持大約250ms 左右的短暫停留，這種相對靜止的狀態被稱為注視（fixation）。因為眼跳過程中視覺是被抑制的，閱讀中信息的獲得主要是在注視期間完成，但注視的時間同樣也存在很大的變異性。在閱讀過程中，多數眼跳的方向都是從已知區域朝向未知區域，但有些時候，眼跳會朝向相反的方向，對已閱讀過的信息重新進行加工，這種與眼球移動相反方向的眼跳稱為回視（regression）。回視大多數是針對緊鄰的前一個詞，但當理解不充分時，長距離的回視會指向較早出現的詞語上。簡單來說，眼睛在閱讀的過程中并不是連續地向前移動，讀者借助兩次眼跳之間的短暫注視獲取信息，而文本的不同語種、讀者個體能力的差異以及文本的加工難度等方面都會成為影響注視點位置、注視持續時間、眼跳距離及眼跳方向的重要因素。

在正常的閱讀中，眼睛的移動使文本進入到中央凹視覺區中進行有效的加工，但詞之間的注視時間和眼跳幅度卻存在很大的波動。在閱讀的眼動研究中，盡管眼動的分析指標非常復雜，但總的來看，閱讀眼動控制主要被用來解釋眼動中的兩個基礎問題：其一是決定讀者何時開始移動眼睛的因素有哪些（when），即閱讀中與眼動有關的時間維度指標；其二是決定讀者的眼睛移向何處的因素有哪些（where），即閱讀中與眼動有關的空間維度指標。這兩個問題構成了閱讀眼動控制研究的基本內容。注視時間主要受閱讀加工過程的控制，而眼跳則主要取決于眼動限制和文本視覺特征。

在閱讀認知領域的研究中，為了試圖解釋閱讀中眼動過程與讀者心理活動過程的對應關系，研究者們運用計算機模擬技術在大量數據的基礎上整合已有的實驗證據，通過研究閱讀中眼動控制機制，為解釋眼動與認知加工的關系提供了理論框架。在各種眼動控制認知加工模型中，E-Z 讀者（E-Z reader）模型和SWIFT（Saccade-generation with inhibition by foveal targets）模型是被廣泛接受的最有影響的兩種計算模型。這些模型并非一成不變的，為了更加充分解釋閱讀過程中的詞匯識別、認知加工、注意資源分配和眼動控制，每個模型都會隨著研究的不斷深入去逐漸修改和完善理論框架和計算公式。

2 文本閱讀中詞切分的依據

閱讀是從文字材料中獲取信息的一種認知活動，這一過程從辨識字詞開始，到理解篇章意義截止，而詞匯識別無疑是這中間最為關鍵的一環。進行詞匯識別之前，讀者首先要識別文本中的語言符號，并將其組合成詞、詞組、短語和句子等不同層次的語言單位，在明確各語言單位之間關系的基礎上理解文本所要表達的意義。詞切分（word segmentation）的過程也就是語言符號組織的過程，對文本中詞切分的研究有助于理解閱讀的本質與規律，也對閱讀眼動控制模型的構建有重要意義。

對于大多數的拼音文字（如英語、德語等）而言，其書寫形式都有一個顯著的特點，即詞與詞之間有空格作為界限。例如，當看到“Das ist eine gute Idee”這句話時，即便文本中有個別不認識的詞，讀者憑借經驗也會很容易判斷這句話由5 個單詞組成。因此，詞間空格在拼音文本的閱讀中為讀者提供了一種清晰自然的物理線索，在很大程度上促進了詞匯識別，具有標記詞邊界的作用，提高了詞匯加工的速度。與此同時，詞間空格也有助于眼跳目標的選擇和確定[3]。

與拼音文字不同，中文作為一種表意文字以“字”為基本的書寫單位，除了用極少的標點符號來標注停頓外，所有方塊漢字有著相同的間隔，沒有明確的視覺標記來表示語義的停頓和劃分。拼音文字有不同的詞長，德語中“Sonne”和“Erscheinung”因字母長度不同而明顯具有不同的形狀；而在漢語中，無論是筆畫數差異巨大的“一”和“贏”，還是構成部件上差異巨大的“火”和“燚”，它們在文本的空間分布上是一致的，即所占的詞長是相同的。換言之，中文的詞間空間長度與詞內空間長度是相同的。

根據詞的定義可知，詞是漢語中最小的意義單位。但對于大多數以漢語為母語的學習者而言，“詞”的概念往往是朦朧的，甚至在語言學界對詞的界定都存在不小的爭議。在語言學學者所做的一項研究中，母語漢語被試者對“詞”的認同率只有70%左右[4]。同樣，由于缺少明顯的邊界信息，經常導致待切分文本中的文字存在多個切分結果，此類歧義的存在加大了中文分詞的難度。例如，在“網球拍賣光了”這句話中，由于缺乏詞長線索，可以將其切分為“網球/拍賣/光了”，也可將其切分為“網球拍/賣/光了”。在兩種情況下，句子所表達的意義完全不同。在對這種句子進行認知加工時，讀者明顯需要花費更多的時間。

就語法知識而言，漢語詞匯沒有明顯的形態變化，單復數、時態，詞性等在英語文本中顯而易見的形態變化在漢語中缺失，對此類詞的語法知識的識別高度依賴于語境。盡管如此，所有這些詞切分上的特征并未影響日常的漢語閱讀，可見漢語中有著與拼音文字中詞間空格起相同作用的特殊的詞切分依據[5]。漢語這些獨有的特點使研究者開始重新思考閱讀眼動控制模型的適用性，即之前的眼動控制模型大多是建立在相關的拼音文字研究數據之上，那么，對于中文這種特殊的文本材料，眼動控制的模型是否仍然適用？

3 閱讀眼動控制模型

正如前文所言，研究者們為了解讀文本閱讀中詞切分與眼動行為之間的關系，迄今為止已經建立了多種模型。這些模型深入探討了閱讀中的語言因素和眼動生理控制因素之間的相互作用，為解釋人類閱讀過程中的基本問題提供了理論框架。

早期的眼動控制模型分為眼球運動模型（the oculomotor model）和認知加工模型（the processing model）兩類。眼球運動模型考察閱讀中眼動現象的主要焦點在于視覺和物理屬性的角度，其支持者要么是將低水平的視覺線索視作決定眼動行為的關鍵因素，要么認為眼跳系統的自身特點是影響眼動的關鍵因素，而高水平的認知詞匯加工只能起到調節作用。與此相對，認知加工模型的支持者則認為是認知加工驅動著閱讀中的眼動行為。此外，認知加工模型將詞看作文字識別過程與眼動控制過程的基本線索，詞匯加工不僅能夠決定或影響眼跳何時發動，還能影響眼跳落點。綜上可知，眼球運動和認知加工兩種模型的爭論點在于：認知詞匯加工過程是否是導致眼動的原因？以及認知詞匯加工過程在多大程度上影響眼睛運動？隨著研究的不斷深入，在探討閱讀過程中眼動機制的問題上，越來越多的證據支持認知加工模型的合理性[6]。

在拼音文字的文本閱讀研究中，根據對視覺注意分配觀點的不同，目前基于認知加工理論的眼動控制模型可分為兩類：即支持視覺注意序列分配的E-Z 讀者模型和支持視覺注意平行分配的SWIFT 模型。兩者都試圖以詞作為文本閱讀中的基本加工單元來解釋眼動行為的特點，不同的是，E-Z 讀者模型主張序列加工（serial lexical processing）。該模型支持者認為，在早期的視覺加工階段，視網膜開始獲取視覺特征，隨后讀者在注意資源的參與下對加工詞視覺信息進行編碼，并在此基礎上進行隨后的詞匯加工。在認知加工過程中，促使注意移動到詞上的信號和促使眼睛移動到詞上的信號并非同一個。在此基礎上，詞匯編碼的過程被分為兩個不同的激活階段：第一階段（L1）釋放信號給眼動系統，將眼睛轉移到下一個詞，第二階段（L2）釋放信號給注意系統，將注意轉移到下一個詞。但這兩個階段并不是完全獨立的，而是在時間上有所重合。簡言之，讀者是按照序列的方式對閱讀知覺廣度內的詞依次進行加工，注意資源會在當前詞加工完成之后序列性地轉換到下一個加工詞上。

SWIFT 模型則主張平行加工（parallel lexical processing），該模型主要采用詞匯激活（Lexical Activity）的概念描述詞匯加工的實時狀態。研究者認為，在閱讀知覺廣度內的所有詞匯加工呈空間分布，詞匯所組成的激活性質的集合的值隨著時間的推移實時地發生改變。閱讀知覺廣度內每個詞被分配的注意并不均等，換言之，注意資源的分配是一個動態變化的過程，詞的加工水平和加工速度與注意資源的分配成正比。也就是說，讀者對閱讀知覺廣度內所有的詞并非機械地按照既定序列依次加工，而是分布式地進行平行加工，注意可同時分布在所有被加工詞上。詞匯加工難度是影響詞匯激活狀態的參數，所有詞匯當前相對的激活狀態影響當前注視點的持續時間和下一眼跳的落點位置。SWIFT 模型雖然與E-Z 讀者模型基于不同的概念假設，但也采用了一些相似的概念，例如詞匯加工的階段性，以及詞頻和預測性效應對詞匯加工難度的影響。

4 結語

當前主流的眼動控制模型都是基于拼音文字閱讀研究的基礎上產生的，而與之對應的中文閱讀眼動控制模型還處在發展階段。盡管拼音文字的眼動控制模型是建立在詞的基礎之上的，中文閱讀的相關研究也證實了詞加工的整體性，但上述模型能否用來解讀中文閱讀中的眼動行為和文字識別加工過程還有待大量研究數據的支持。事實上，由于中文存在不同于拼音文字的諸多特性，以及漢字成詞的復雜性和多樣性，在未來研究中都有必要在考慮以詞為基本加工單元的同時，也將單個漢字的加工考慮在內，在此基礎上構建適合于中文閱讀的眼動認知加工控制模型，從而進一步解釋閱讀的本質和規律。