認知神經科學在數字閱讀研究中的應用與展望

諸廉

[摘 要] 采用認知神經科學研究數字閱讀，本質上是通過獲取讀者認知過程與情感體驗的神經數據，實現數字出版從創作、閱讀、發行到傳播全過程的科學研究。本文梳理認知神經科學常用的技術方法與多領域的研究應用，以及當前在數字閱讀體驗、效果、過程、機制研究四個方面應用的現狀與不足;進而圍繞數字閱讀研究中讀者偏好、作品優化、發行預測、傳播規律四大難點問題，提出全新的研究方法、研究思路，構建基于認知神經科學的數字閱讀研究框架，以期打開“黑箱”，探索“神經出版學”的理論創新與學科發展。

[關鍵詞] 數字閱讀 認知神經科學 讀者體驗 出版發行 數字出版

[中圖分類號] G237[文獻標識碼] A[文章編號] 1009-5853 （2021） 03-0092-10

[Abstract] Cognitive neuroscience is used in digital reading research to map the cognitive processes employed by the human brain during digital reading and also to seek insights into readers emotional experience. This paper introduces commonly used techniques and methods of cognitive neuroscience， as well as the current status and shortcomings of research into digital reading. The paper addresses four main issues in digital reading， namely， reader preference， product optimization， distribution prediction and communication rules. It suggests new research methods and ideas， constructs a framework for digital reading research based on cognitive neuroscience， and explores theoretical breakthroughs and innovations.

[Key words] Digital reading Cognitive neuroscience Reader experience Publication and distribution Digital publishing

1 引 言

信息技術的發展推動數字出版日新月異，我國已有近三分之一民眾成為數字閱讀用戶[1]。相比于傳統的紙質閱讀，數字閱讀不僅內容呈現媒介的不同，更具有移動、互動、便捷、即時等特征[2]。但是，在數字出版實踐中也產生了一些亟需解決的現實問題，需要從理論層面進行探索，例如數字閱讀的習慣與偏好、出版發行預測、傳播規律等。傳統研究手段的局限導致研究瓶頸的產生，需要用新的技術方法來實現突破。認知神經科學技術方法作為一種新的研究手段[3]，具有客觀精確、高度可視化、可以測量過程等特點，為我們全面、客觀、深入、科學地研究數字閱讀，實現理論突破與創新提供了可能。

2 認知神經科學及其應用領域

2.1 認知神經科學概述

認知神經科學是一門利用神經科學的理論、方法與工具研究人類認知過程中大腦機制的學科[4]，研究對象為感知覺、注意、記憶、語言、思維、表象與意識等[5]。常用技術包含眼動跟蹤技術（Eye-Tracking）、腦電圖（EEG）、功能性核磁共振成像技術（fMRI）、功能性近紅外光譜成像技術（fNIRS）等。這些技術的測量對象及原理、優缺點、測量指標見表1。

如表1所列，認知神經科學技術基于對人腦以及人類心理認知過程的客觀、準確、科學、實時測量來開展研究，能夠捕捉用戶自己無法準確意識到的內隱生理和心理過程，彌補以往訪談法、調查問卷法、實驗法等研究方法的不足。這些優勢催生認知神經科學與經濟學、管理學、新聞學、影視學等眾多與人有關的學科的交叉研究，形成了神經經濟、神經管理、神經新聞、神經影視等新興交叉學科，并推動這些學科向科學化方向發展。

2.2 認知神經科學應用領域

當前，認知神經科學的方法被廣泛地應用于管理學、經濟學、新聞學、影視學等學科的研究中。首先，避免了由于個體無法準確表達潛意識偏好所引起的“無意曲解”的問題，提高研究科學性、可重復性和穩定性。其次，避免了由于社會規范、偏見等原因帶來的“有意造假”的問題，提高結果的真實性。再次，對情感、態度等內隱心理變量的實時、準確、客觀測量，解決了“測量難”的問題。最后，對行為背后深層認知和情感機制的探測，解決了“解釋不深入”的問題。

在管理學中，人們利用認知神經科學的方法研究營銷、人力資源、信息系統、財務問題。如通過關聯腦區活動的測量，發現了品牌、價格信息加工的認知機理[6];使用腦數據客觀測量內在工作動機、消費感知價值和在線信任等與管理活動相關的內隱心理變量[7];將管理活動相關的神經數據加入原有管理模型中，改善了原有模型的預測效力、提升對消費行為預測的準確度[8]。這些研究加深了對管理行為的深層理解，幫助企業制定直接、有效、針對性強的管理策略。經濟學中則將認知神經科學的方法應用于金融學、公共經濟學、產業經濟學等研究領域。如通過與個體經濟偏好直接相關的腦區活動，揭示親社會、風險等非理性經濟行為產生的機制[9];利用腦數據客觀測量內在懲罰動機、誠實度、道德感知等經濟決策中難以量化的心理變量[10];將神經數據運用于對個體經濟行為和市場反應的預測，改善傳統行為決策模型的預測效力[11];跟蹤個體決策全過程，深入了解個體決策的思維模式和推理過程，驗證和優化決策模型等[12]。這些研究加深了對經濟行為的深層理解，幫助政府制定更有效的經濟政策，以提高社會效率和社會福利。

新聞學中，認知神經科學方法主要應用于融媒體時代新聞內容制作與分發、受眾體驗與反饋等研究領域。如根據大腦神經數據，揭示受眾媒介體驗的機制，優化新聞類產品設計[13];通過眼動技術，發現受眾對新聞報道呈現方式的認知偏好，提升新聞效果[14];使用神經指標反映受眾的情感體驗，補充新聞類消費的評價標準，避免發行量與收視率等單一指標的簡單評價等[15][16]。這些研究更為準確地發現受眾偏好機制，推動新聞學研究向理性評估、科學測量的方向發展，幫助媒體設計更易被受眾接受和喜愛的產品與平臺，提高傳播效果與效率。

在影視學中，認知神經科學的方法用于影視傳播從制前準備、拍攝制作、后期包裝到市場投放的全流程。如通過神經數據與主觀數據相結合，發現觀眾偏好特點，有效降低經驗判斷與二手數據分析帶來的誤差;通過神經數據指標揭示觀眾觀影感受和認知加工反應，進而對作品創作和后期制作進行指導和改進[17][18][19];將腦電數據用于提升電影消費行為預測的準確性，從而實現影視作品的精準投放和利益最大化[20]。這些研究推動影視學研究的定量化、科學化發展，提高影視作品的質量、助力精準傳播，使作品“叫好又叫座”。

3 認知神經科學在數字閱讀領域的應用現狀

閱讀從傳統的紙媒閱讀發展到以在線、移動為特征的數字閱讀，催生了很多新的研究問題。為了更好地研究數字閱讀中讀者體驗以及出版發行等問題，部分學者開始尋求運用認知神經科學的工具來對相關問題進行研究。

在科學網（Web of Science）以檢索式 {“Digital Read” or “Screen Read” or “Online Read” or “Mobile Read” } and {“Cognitive Neuroscience” or “Eye-Tracking” or “Eye-Movement” or “Eye Tracking” or “Eye Movement” or “fMRI” or “fNIRS” or “EEG”or“ERPs”}，對運用認知神經科學方法進行數字閱讀研究的文獻進行檢索，總共搜索到50篇相關文獻。在中國知網上，以檢索式{“數字閱讀”或“屏幕閱讀”或“在線閱讀”或“移動閱讀” 或“電子閱讀”或“電子書閱讀”}和{“認知神經科學”或 “眼動” 或“fMRI”或“fNIRS” 或“EEG” 或“ERPs”}，總共檢索到30篇文獻。

本研究發現，采用認知神經科學進行數字閱讀的研究起始于 2004年，之后發表量呈現上升趨勢， 且從2017年起增幅加大。這些論文發表于心理學、教育學、語言學、計算機科學、新聞出版以及綜合領域的期刊;其中心理學和教育學領域的論文最多，合計33篇，新聞圖書出版領域最少，僅11篇。 在全部80篇已發表的論文中，有65篇采用眼動跟蹤技術，僅有5篇采用EEG技術，尚未發現有數字閱讀研究運用fMRI、fNIRS等技術。就研究主題和研究內容而言，10篇為研究綜述，65篇聚焦于對閱讀體驗、閱讀效果以及閱讀機制的研究，另有5篇則關注閱讀預測方法和系統設計等技術問題。

目前對于閱讀體驗的研究，主要通過測量讀者閱讀數字產品的各項眼動指標來了解讀者的閱讀體驗偏好[21]和優化呈現形式[22]，以提升讀者閱讀體驗[23]。現有研究將瞳孔直徑和主觀報告作為疲勞度的測量指標[24]，將眼球的移動軌跡和眨眼頻率來判斷讀者的舒適區[25][26]，注視時長、眼跳以及掃視路徑等單個或者多個指標整合作為閱讀體驗偏好的指標[27][28]，根據這些指標的反饋變化，來對數字閱讀中文字位置、間距、大小、色彩、頁面文本數量等進行調整，設計數字閱讀界面，提升閱讀體驗。這些研究的主要貢獻在于，通過眼動跟蹤技術實現了在閱讀全過程中對讀者進行實時、準確的測量，突破了以往此類研究中無法追蹤閱讀過程的局限，更全面、準確地了解讀者的閱讀體驗，更好地回答了“讀者是如何閱讀”的問題。

對于閱讀效果的研究，主要通過眼動跟蹤技術找到句子理解[29]、二語閱讀[30]、閱讀參與度[31]等與閱讀效果相關表現的影響因素，以此評估并提升閱讀效果。現有研究將眼動指標作為評估在線閱讀行為和內容理解之間關系的指標[32]，將圖片和文字之間的掃視路徑作為文字和圖片信息整合度的指標[33]，將注視時長、注視點作為閱讀加工速度的指標[34][35][36]。近年來也有研究將EEG和眼動整合指標用于測量閱讀時的認知努力[37]，由此了解讀者閱讀效果，對比數字閱讀和紙質閱讀體驗的差異，理解信息載體、年級、年齡等因素對閱讀效果的影響，以提升閱讀效果。這些研究的主要貢獻在于通過眼動、EEG甚至多模態神經方法，實現了對閱讀效果的客觀、定量化評估，解決了以往研究中自報告誤差帶來的研究結果不穩定和相互矛盾等局限，豐富了閱讀效果評估的維度，保證了研究結果的可信性、穩定性和科學性，更好地回答了“什么影響了讀者閱讀效果”的問題。

對于閱讀機制的研究，主要通過眼動和腦電數據探究注意力分配[38][39]、認知參與度[40]、閱讀的認知加工[41][42]等閱讀行為相關的認知機制，以了解數字閱讀行為背后的內在機制。現有研究將頭動和眼球持續注視時長作為認知參與度的指標[43]，用首次注視時間、注視時長、重讀時間以及眼跳等多個眼動指標聯合揭示閱讀加工過程[44][45];也有研究將 EEG的α波作為閱讀過程認知負荷的指標[46]，N2腦電成分作為注意力指標[47]，從生理和神經機制層面解讀數字閱讀的內在機制。這些研究的主要貢獻在于揭示了數字閱讀的生理和神經機制，打開數字閱讀行為背后的“黑箱”，更好地回答了“讀者為什么如此閱讀”“為什么會產生這樣的閱讀效果”的問題。然而現有研究尚處于起步階段，還未在深入理解機制的基礎上，探索提升閱讀體驗和閱讀效果的新途徑，這也是此類研究未來發展的重要方向。

除以上三方面研究之外，還有部分文獻運用認知神經科學技術對閱讀預測方法和系統設計等技術問題進行研究。這些研究主要通過眼動或者腦電數據來改善原有的預測方法或數字閱讀系統，或將數字閱讀時的眼動注視點或腦電測量的心理負荷作為被預測變量，構建數字閱讀模型[48][49][50]。這些研究的主要貢獻在于為數字閱讀的發展，尤其是人機交互閱讀的發展，提供了技術基礎。

總之，現有研究已在閱讀感知測量、閱讀體驗優化、閱讀效率提高等方面做出了理論創新。大部分研究通過眼動指標刻畫讀者閱讀特征和偏好，實現對閱讀行為背后機制的深入理解，以優化呈現形式，提升閱讀體驗和閱讀效果。也有少量研究通過EEG比較讀者在閱讀過程中的注意模式等產生差異的大腦加工機制，尋找原因。但這些研究的局限也很明顯。首先是研究廣度不足。現有研究以文字閱讀行為為主，對于讀者偏好、出版預測、傳播規律等研究甚少。其次是研究深度不夠。眼動跟蹤技術的測量指標比較單一，僅能探測到閱讀時的眼球運動路徑、注視偏好等信息。這些信息雖能反映閱讀特征，但缺乏對認知特征的反映。EEG技術的運用也只解釋某項指標或者行為差異產生的腦機制。最后是研究系統性不強。現有研究僅關注數字閱讀階段的研究問題，缺乏對內容創作、閱讀體驗、市場推廣、作品傳播等全流程的系統研究。造成以上局限的原因還是在于技術的限制。比如目前常用的眼動跟蹤技術屬于測量周邊神經系統、非常淺層的神經工具，接近行為測量儀器。運用該技術獲得的眼動軌跡不能完全反映人腦閱讀過程中信息加工的機制[51]，因此無法完全打開“黑箱”。

在未來對數字閱讀的研究中，可以借鑒認知神經科學方法應用于管理學、經濟學、影視學和新聞學領域的成功經驗，將認知神經科學技術更廣泛而深入地應用于數字閱讀中，以探索解決數字閱讀研究的廣度、深度和系統性不足帶來的局限，完善數字閱讀理論，促進數字出版行業發展。

4 認知神經科學在數字閱讀研究中的應用前景

根據以往數字閱讀研究中的關鍵科學問題、研究現狀以及認知神經科學的優勢，本研究基于fMRI、EEG、fNIRS和多模態神經技術，提出針對讀者偏好、作品優化、市場預測、傳播規律這4個具有發展潛力的細分領域開展認知神經科學和數字閱讀的交叉研究。第一，研究讀者偏好，通過單一神經工具或者多模態神經技術探測閱讀中的情感體驗和認知加工過程，實現對讀者偏好全面而深入的理解。第二，研究數字作品優化，通過神經指標實現對數字閱讀時心理情感數據的客觀、科學、定量化測量，實現對作品內容呈現形式和內容的個性化、動態優化。第三，研究數字作品市場預測，通過神經數據與歷史大數據結合對數字作品市場規模、改編價值進行預測，實現精準度的提升。第四，研究數字閱讀群體傳播規律，通過神經計算方法構建適用于數字閱讀作品群體傳播的模型，加深對社會化閱讀傳播規律的了解，實現在線傳播的速度與力度的提升。

4.1 數字作品讀者偏好研究

使用認知神經技術探測讀者閱讀過程中認知和情感的動態變化過程，可以對讀者偏好有更立體深入的了解。認知神經科學技術包括通過fMRI和fNIRS獲取腦區激活的準確空間位置，EEG獲取毫秒級時間進程上大腦神經元放電，以及眼動跟蹤獲取眼球注視時長、掃視路徑和瞳孔大小等神經生理數據。現有的讀者偏好研究除了運用問卷、訪談等方法之外，已經有較多的研究使用眼動追蹤技術實時記錄讀者眼球的運動數據與軌跡，識別閱讀瀏覽特征和行為結果，描述閱讀狀態。但是，僅有眼球運動數據不足以刻畫完整的閱讀體驗，解碼信息加工過程，且容易導致理解不深入，甚至產生誤解，影響研究結果，引發錯誤偏差的建議。運用fMRI、fNIRS和EEG等工具可以獲得讀者閱讀某一數字作品時的大腦神經數據，提取信息加工過程中情感和認知偏好相關的神經指標，了解讀者在數字閱讀過程中的行為偏好形成的內在機制。在此基礎上，還可以運用多種認知神經科學工具聯合采集數據的多模態技術來獲得多維神經生理信息，如讀者數字閱讀的過程中，可以利用眼動儀與腦電圖（EEG）同步采集眼動軌跡和腦電數據，獲取讀者注視某一具體內容時的實時大腦神經數據，構建眼動和神經數據之間的耦合關聯，彌補單一工具的不足，實現對讀者行為背后的機制更加全面、深入的了解，打開偏好形成的“黑箱”。

4.2 數字作品優化研究

使用神經指標研究讀者閱讀體驗與情感激發，可以更科學地優化數字作品的呈現形式，提出內容修改建議。神經指標是指能夠反映大腦活動時認知和情感狀態的指征，例如不同大腦區域的激活，代表加工信息時所使用的大腦認知功能，或者當前信息誘發個體處于某種情感狀態。在優化數字作品呈現形式方面，現有問卷、訪談、眼動等研究手段無法實現對閱讀疲勞、閱讀效果等在內的閱讀感知的立體全面的測量。運用認知神經科學技術，探究同一作品通過不同形式呈現時，不同讀者在不同閱讀階段的大腦活動，提取與認知效果和閱讀體驗相關的關鍵神經指標，根據對優化效果的神經反饋調整作品呈現形式，可以實現針對不同讀者、閱讀內容和閱讀階段的科學優化，提升閱讀體驗和閱讀舒適度。在優化作品內容方面，以往研究大多依賴專家的主觀經驗，存在著缺少統一、科學、可量化標準的問題;尤其目前的技術無法在讀者閱讀過程中實時地對內容提出優化修改建議。運用認知神經科學技術能夠探測數字內容誘發的大腦活動，了解閱讀全過程中認知和情感的實時動態影響，發現影響數字作品偏好的關鍵要素，以及這些要素影響閱讀體驗和閱讀效果的內在機制，進而對數字作品內容提出優化建議。

4.3 數字作品市場預測研究

采用神經數據結合歷史數據的方法對數字作品進行分析判斷，可以更精準地進行市場預測，判斷可能的市場規模、IP影視改編價值等。神經數據是指大腦活動的區域、強度，大腦神經元放電的相位、頻率，事件誘發電位的振幅和潛伏期等，可以客觀反映大腦信息加工的過程。現有的數字作品市場預測研究主要依靠經驗和歷史數據。由于讀者在不同時期，對某一作者同一主題的作品也可能存在不同偏好，導致預測準確性不高，可能產生偏差明顯，甚至完全相反的預測結果。使用神經數據和歷史數據相結合的預測方法，可以有效提高預測準確度。具體而言，以同一時期相似作品的發行下載大數據，結合實驗室小樣本的認知神經科學實驗探測到的，讀者閱讀相似作品以及當前作品時的大腦神經活動，并將三個層面的數據有機整合，可以有效彌補依靠歷史數據和經驗進行判斷的不足，克服讀者偏好疲勞、興趣突變導致的判斷偏差，提高對數字作品市場規模和市場潛力預測判斷的準確性，進而有效評估作品價值，優化版稅分賬模式設計、IP影視改編選擇的精準度，指導企業合同洽談和版稅商定，提升數字類作品市場規模。

4.4 數字閱讀群體傳播規律研究

使用神經計算方法研究數字閱讀的群體現象，可以更準確地了解社會化閱讀的傳播規律，制定有效的發行推廣策略。神經計算是使用數學分析和計算機模擬，通過神經、行為和歷史數據等對個體、群體行為進行模擬和研究，能夠反映、預測個體和群體的行為規律。數字作品的群體間傳播比紙質閱讀更便捷，尤其是基于社交媒體的數字閱讀更是如此。已有研究關注社會化閱讀、閱讀推廣策略[52][53][54][55]等領域，但這些研究還停留在對現象的描述上，對傳播的內在機制和傳播規律的研究尚未開展。了解數字作品的傳播規律能更好地發現感興趣的閱讀人群，制定合理的推廣策略，有效激發讀者對作品的付費閱讀、轉發、評論、推薦等積極行為，促進數字作品的傳播和數字出版業的發展。數字作品的傳播規律比傳統紙質作品更為復雜，需要運用復雜的算法建模來發現。本研究認為，在已有輿情傳播、病毒傳播等可以借鑒的模型基礎上，可以構建適用于數字閱讀作品群體傳播的模型，然后運用認知神經科學方法測量讀者在數字閱讀過程中的認知與情感偏好，并將多模態神經數據融合到數字閱讀的傳播模型中，對其進行優化，由此構建基于神經計算技術的數字閱讀群體傳播規律模型，從而更加準確地描述社會化閱讀的傳播規律，制定有效的傳播推廣策略。

5 結 語

認知神經科學的方法可以彌補以自報告和行為結果為基礎的研究方法帶來的“無意曲解”“有意造假”“心理過程難測量”“解釋不深入”等問題[56]，實現對心理過程的準確測量。現有的研究運用眼動跟蹤技術，在一定程度上實現了對閱讀體驗和閱讀效果的科學測量，揭示了閱讀過程和閱讀機制，為數字閱讀理論建設和實踐做出了重要貢獻。在未來的研究中，運用認知神經科學的理論與方法對數字閱讀進行全面而系統的研究具有重要意義。這不僅能推動我們從理論上解釋數字閱讀的讀者偏好，并優化內容、預測出版發行量、理解傳播規律，也能從實踐上促進數字出版行業的發展;不僅能夠拓展數字閱讀研究的視域，打開數字閱讀研究的“黑箱”，也有利于我國在該領域的理論研究創新。

然而，在數字閱讀領域運用認知神經科學的理論與方法開展研究依然存在以下難點，需要不斷探索和克服。第一，逆向推理。由于數字閱讀存在共情激發、邏輯理性、文化宗教影響等相對復雜的認知過程和機理，容易存在“多因一果”的現象。因此，在對研究結果的解讀中，就會出現逆向推理的問題，使研究者對大腦數據分析結果的解讀帶有較強的主觀性，因此需要多模態數據、多套數據相互印證解釋。這就需要較高的數據采集與分析技術。第二，生態效度。認知神經科學的研究屬于實驗室研究法，對實驗環境、實驗材料都要求“干凈”，而數字閱讀尤其是社會化閱讀，由于表現形式多樣、呈現模式動態，相對比較復雜。如何針對復雜的具體問題設計研究方案，并選擇與之匹配的神經科學技術方法，提高研究的可重復性與顯著性，解決生態效度問題，是該領域研究的難點之一。第三，依托基礎學科的發展。認知神經科學屬于新興學科，人類對于大腦功能的探索也是剛剛起步，很多解釋并不系統、完整，因此需要對研究視角、方法等不斷進行完善、補充、更新。同時，實驗儀器設備也在不斷發展完善中，如為了克服功能性核磁共振成像儀（fMRI）時間分辨率低，腦電圖（EEG）空間分辨率低等問題，發展出了多模態神經數據收集方法。但是，這些對研究的實驗設計、數據采集、數據分析以及對研究者的專業能力與水平，都提出了更高要求。

注 釋

[1] ?《2019年度中國數字閱讀白皮書》發布 [J]. 國家圖書館學刊， 2020， 29（3）：10

[2] 潘文年， 董丹鈺. 數字化背景下全民閱讀路徑深化與拓展 [J]. 中國出版， 2017 （2）：9-12

[3] 馬慶國， 王小毅. 認知神經科學、神經經濟學與神經管理學 [J]. 管理世界， 2006（10）：139-149

[4][56] 潘煜， 萬巖， 陳國青， 等. 神經信息系統研究：現狀與展望 [J]. 管理科學學報， 2018， 21（5）：1-21

[5] 喻國明. 認知神經傳播學：范式創新與研究框架 [J]. 浙江傳媒學院學報， 2018， 25（1）：9-13+140

[6] Mcclure Samuel M.， Li Jian， Tomlin Damon， et al. Neural Correlates of Behavioral Preference for Culturally Familiar Drinks [J]. Neuron， 2004， 44（2）：379-387

[7] Murayama K.， Matsumoto M.， Izuma K.， et al. Neural basis of the undermining effect of monetary reward on intrinsic motivation [J]. Proceedings of the National Academy of Sciences， 2010， 107（49）：20911-20916

[8] Knutson Brian， Rick Scott， Wimmer G. Elliott， et al. Neural Predictors of Purchases [J]. Neuron， 2007， 53（1）：147-156

[9] Quervain Dominique J. F. De， Fischbacher Urs， Treyer Valerie， et al. The Neural Basis of Altruistic Punishment [J]. Science， 2004， 305（5688）：1254-1258

[10]Sun Delin， Chan Chetwyn C. H.， Hu Yang， et al. Neural correlates of outcome processing post dishonest choice：an fMRI and ERP study [J]. Neuropsychologia， 2015， 68：148-157

[11]Smith A.， Lohrenz T.， King J.， et al. Irrational exuberance and neural crash warning signals during endogenous experimental market bubbles [J]. Proceedings of the National Academy of Sciences， 2014， 111（29）：10503-10508

[12]Chen Chun-Ting， Huang Chen-Ying， Wang Joseph Tao-Yi. A window of cognition：Eyetracking the reasoning process in spatial beauty contest games [J]. Games and Economic Behavior， 2018， 111：143-158

[13]程思琪， 喻國明. 用戶既有經驗對聚合類新聞APP使用體驗的影響：一個基于EEG頻域分析的研究設計 [J]. 新聞戰線， 2018， （15）：52-57

[14]閆玉榮， 陳梓鑫， 劉柯瑾. 用豎視頻講好新聞故事：基于眼動實驗的新聞報道呈現方式研究 [J]. 新聞愛好者， 2019 （5）：84-87

[15]Laaksonen Salla-Maaria， Falco Alessio， Salminen Mikko， et al. Brand as a cognitive mediator：investigating the effect of media brands as a structural feature of textual news messages [J]. Journal of Product & Brand Management， 2019， 28（1）：1-14

[16]Moravec Patricia L.， Minas Randall K.， Dennis Alan R. Fake News on Social Media：People Believe What They Want to Believe When It Makes No Sense at All [J]. Mis Quarterly， 2019， 43（4）：1343-1360

[17]Rao Hengyi， Wang Danny， Tang Kathy， et al. Imaging brain activity during natural vision using CASL perfusion fMRI [J]. Human brain mapping， 2007， 28（7）：593-601

[18][20]Barnett Sam， Cerf Moran. A Ticket for Your Thoughts：Method for Predicting Content Recall and Sales Using Neural Similarity of Moviegoers [J]. Journal of Consumer Research， 2017， 44（1）：160-181

[19]Smith Tim， Henderson J. M. Edit Blindness：The Relationship Between Attention and Global Change Blindness in Dynamic Scenes [J]. Journal of Eye Movement Research， 2008， 2（2）：1-17

[21]Slade Emma， Williams Michael， Dwivedi Yogesh. Consumers intentions to use e-readers in the United Kingdom [J]. Journal of Computer Information Systems， 2014， 54（2）：66-76

[22][28]Al-Samarraie Hosam， Sarsam Samer Muthana， Umar Irfan Naufal. Visual perception of multi-column-layout text：insight from repeated and non-repeated reading [J]. Behaviour & Information Technology， 2017， 36（1）：75-84

[23]Moustafa Khaled. Improving PDF readability of scientific papers on computer screens [J]. Behaviour & Information Technology， 2016， 35（4）：319-323

[24][27]姜哲， 張強， 鄧作兵， 等. 不同電子文本的對比度極性和顏色組合對閱讀疲勞的影響：來自眼動追蹤實驗的證據 [J]. 心理學探新， 2015， 35（1）：18-23

[25]姜婷婷， 高芳. 淺析手機閱讀的眼動研究現狀及建議 [J]. 中國傳媒科技， 2017（4）：92-93

[26]段莉莉， 施笑畏， 萇道方. 數字閱讀中界面布局對閱讀效果的影響研究 [J]. 圖書館理論與實踐， 2020 （5）：105-109

[29][32]Andrews Sally， Veldre Aaron. Wrapping up Sentence Comprehension：The Role of Task Demands and Individual Differences [J]. Scientific Studies of Reading， 2020：1-18

[30]Ouyang Jinghui， Huang Lingshan， Jiang Jingyang. The effects of glossing on incidental vocabulary learning during second language reading：based on an eye-tracking study [J]. Journal of Research in Reading， 2020， 43（4）：496-515

[31]Park Seung Won， Kim Chanmin. The effects of a virtual tutee system on academic reading engagement in a college classroom [J]. Educational Technology Research and Development， 2016， 64（2）：195-218

[33]Kao Gloria Yi-Ming， Chiang Xin-Zhi， Foulsham Tom. Reading behavior and the effect of embedded selfies in role-playing picture e-books：An eye-tracking investigation [J]. Computers & Education， 2019， 136：99-112

[34]周鈺， 王娟， 陳憬， 等. 信息載體影響文本閱讀的實證研究：基于數字閱讀與紙質閱讀的比較 [J]. 中國遠程教育， 2015（10）：21-26+79-80

[35]Christianson Kiel， Luke Steven G.， Hussey Erika K.， et al. Why reread？ Evidence from garden-path and local coherence structures [J]. Quarterly Journal of Experimental Psychology， 2017， 70（7）：1380-1405

[36]Kim Young-Suk Grace， Petscher Yaacov， Vorstius Christopher. The Relations of Online Reading Processes （Eye Movements） with Working Memory， Emergent Literacy Skills and Reading Proficiency [J]. Scientific Studies of Reading， 2020：1-19

[37]Kretzschmar Franziska， Pleimling Dominique， Hosemann Jana， et al. Subjective Impressions Do Not Mirror Online Reading Effort：Concurrent EEG-Eyetracking Evidence from the Reading of Books and Digital Media [J]. Plos One， 2013， 8（2）：e56178

[38]馮佳. 借助翻譯進程圖的譯者注意資源分配研究 [J]. 外語與外語教學， 2019（3）：85-97+146

[39][47]Peng Ming， Chen Xianke， Zhao Qingbai， et al. Attentional scope is reduced by Internet use：A behavior and ERP study [J]. Plos One， 2018， 13（6）：e0198543

[40][43]Ballenghein Ugo， Kaakinen Johanna K.， Tissier Geoffrey， et al. Cognitive engagement during reading on digital tablet：Evidence from concurrent recordings of postural and eye movements [J]. Quarterly Journal of Experimental Psychology， 2020， 73（11）：1820-1829

[41][44]Ponce Hector R.， Mayer Richard E. Qualitatively different cognitive processing during online reading primed by different study activities [J]. Computers in Human Behavior， 2014， 30：121-30

[42]柯青， 丁松云， 秦琴. 健康信息可讀性對用戶認知負荷和信息加工績效影響眼動實驗研究 [J]. 數據分析與知識發現， 2021，5（2）：70-82

[45]Chen Minglei， Chen Chiahsing. Do readers adjust their lower-and higher-level language skills according to text structures？ Evidence from eye movements in Chinese text reading [J]. Journal of Research in Reading， 2020， 43（2）：180-200

[46]Scharinger Christian， Kammerer Yvonne， Gerjets Peter. Pupil Dilation and EEG Alpha Frequency Band Power Reveal Load on Executive Functions for Link-Selection Processes during Text Reading [J]. Plos One， 2015， 10（6）：e0130608

[48]Andreessen Lena M.， Gerjets Peter， Meurers Detmar， et al. Toward neuroadaptive support technologies for improving digital reading：a passive BCI-based assessment of mental workload imposed by text difficulty and presentation speed during reading [J]. User Modeling and User-Adapted Interaction， 2021，31（1）：75-104

[49]張賽男， 王瑜， 劉恩濤， 等. 基于眼動追蹤技術的數字閱讀系統設計與應用 [J]. 圖書館學刊， 2020， 42（4）：73-81

[50]王曉明， 趙歆波. 基于深度神經網絡的個體閱讀眼動預測 [J]. 清華大學學報（自然科學版）， 2019，6（59）：468-475

[51]范琳， 劉振前. 閱讀理解過程的眼動研究 [J]. 外語與外語教學， 2007 （4）：35-40

[52]王蕾， 夏穎. 媒介訴求、閱讀場景、社交依賴：老年群體的微信閱讀 [J]. 當代傳播， 2020 （6）：58-61

[53]徐升國. 全民閱讀走向高質量發展路徑探究 [J]. 科技與出版， 2020 （7）：6-13

[54]茆意宏. 數字閱讀推廣的概念、機制與模式 [J]. 圖書情報知識， 2020（2）：51-59

[55]馬坤坤， 茆意宏等. 深度數字閱讀推廣的內容營銷機制研究 [J]. 圖書情報工作， 2020， 64（8）：32-40

（收稿日期： 2021-01-17）