Tobii眼动追踪：2025年度研究报告

报告目录关于本报告眼动追踪研究概述6 研究历程：从理论到眼动追踪洞察8 2025年关键数据24 利用眼动追踪测量认知负荷26 2025年启发性、创新性和前沿性的研究36 年度高影响力论文36 心理学与神经科学40 人因研究46 教育研究48 消费者研究50 医学研究培训与评估用户体验研究总结与展望拓展阅读参考文献

关于本报告本报告聚焦其应用领域的关键进展。我们旨在全方位展示研究方法及场景应用中的广度与多样性，并展望其未来增长潜力。本报告精选了2025年使用论文集及书籍章节等英文文献。我们致力于聚焦那些在技术支持下推动科研前沿进展的研究人员。这些研究成果印证了在深化各学科科学理解方面的持续作用——涵盖心理学、神经科学、工程学及教育学等多个领域。年度研究报告是您把握眼动追踪领域变革脉搏、始终走在趋势前沿的权威读本报告，您将更直观地理解眼动追踪如何驱动科研突破与现实创新。我们的目标是为您提供可直接应用于自身工作的实用见解，无论是探索新方法、捕捉新兴趋势，还是从跨学科同行的实践中汲取灵感。最终，我们希望赋予您更深厚的认知与信心，探索眼动追踪在科研与以人为本的设计中所创造的无限可能。|2025年度研究报告|关于本报告 3眼动追踪研究概述及运动轨迹。利用这些核心指标，我们能够深入洞察人类探索环境、视觉交互以及行为反应的深层模式，进而提升系统效率、强化安全性能或创造卓越交互体验。眼动追踪能够衡量眼动行为应用研究领域在强调落地价值的应用研究中，眼动追踪技术已在驾驶、教育及技能迁移等方向取得长足进步。得益于便携式与可穿戴方案的普及，眼动追踪不仅确保了极高的“生态效度”，更成为了开展复杂现实场景研究的理想选择。人因工程应用研究领域在强调落地价值的应用研究中，眼动追踪技术已在驾驶、教育及技能迁移等方向取得长足进步。得益于便携式与可穿戴方案的普及，眼动追踪不仅确保了极高的“生态效度”，更成为了开展复杂现实场景研究的理想选择。人因工程教育研究消费者研究与用户体验培训与评估还有更多眨眼眼睑开合

眼动仪类型屏幕式实验室设置穿戴式基础研究领域基础研究领域多个子领域。在这些学科中，眼动追踪作为一项成熟的科研手关键作用。研究领域包括：认知研究社会研究发展研究语言学与阅读研究医学研究VR虚拟环境研究仪究知仪究知4 |2025年度研究报告|眼动追踪研究概述 |2025年度研究报告|眼动追踪研究概述 5-itH;«iHì-itH;«iHìaü«r Fundamental1Thefundamentalsofeyetrackingpart1:Thelinkbetweentheoryandresearchquestion(Hesselsetal.,2025).Fundamental2Thefundamentalsofeyetrackingpart2:Fromresearchquestiontooperationalization(Hoogeetat.,2025).aeźaeź2:N?bitu,EsuaèùźÂæ.:ś@ËM:ùtsf<ËËx.lüøt.Is@@@(Hoogeetat.,2025)•(Hesselsetat.,2025).Jfin!3:eRze,näè¥iesx.t8ałe«wJn(śnaa fi.vRxs a ›ossHßëaIza‹x'.«n&z—T&zz«re>2tx cr,B4ź4:ÀuSNea.ÜÄa:sŒI>^æÖïz1.øłyfŁRBB(Nyströmetat.,2025).TobiiProLab /ł2Dł?A$J%Wî6iT.xsd,Tobiiłîż]s@æ@@s1Qsis,'/(Niehorsteretal.,2025),Fundamental4Thefundamentalsofeyetrackingpart4:Toolsforconductinganeyetrackingstudy.(Niehorsteretal.,2025).FundamentalSThefundamentalsofeyetrackingpart5:Theimportanceofpiloting.(Hesselsetat.,2025). 72025年关键数据本节将多维度地剖析眼动追踪技术的应用现状：涵盖设备使用方式、应用场景及设备类型的描述性统计，并深度解读各科研领域的产出表现。回望过去十年，全球已有超过15,000篇科研文献选用了Tobii眼动追踪技术。

1604篇新增出版物会议论文书籍章节2025年出版物类型的构成比例使用Tobii眼动追踪解决方案的科研出版物数量年度增长趋势在过去的二十年里，眼动追踪软硬件的技术革新显著降低了科研门槛。这项非侵入性技术凭借高采样率此，眼动追踪已成为主流科研手段，驱动全球学术出版量稳步攀升。

的行业影响力随科学版物数量的持续攀升而日益显著。2025年，共有1,604篇科学出版物选用技术，这不仅为本报告的深度分析奠定了坚实的数据基石，更实现了较2024年同比增长11%，增速显著回升。在具体的样本维度上，学术期刊论文数量增长了7%，会议论文虽有7%眼动追踪技术。人因、心理学和神经科学继续领跑眼动追踪研究

医学研究用户体验研究其他

2025年度使用Tobii眼动追踪的科研出版物领域分布*

703

与2024年相比+33%+33%+21%+23%—+12%+12%+31%—用户体验研究培训与评估用户体验研究培训与评估医学研究消费者研究教育研究心理学和神经科学人因研究作为技术先驱，心理学与神经科学率先将眼动追踪技术应用于人类行为与视觉注意力的探索，为跨学科眼动研究奠定了坚实的概念与方法论基石。这些早期的理论驱动型探索确立了核心准则，至今仍持续赋能当代应用研究。因此，心理学与神经科学依然是该技术的核心阵地，其研究深度与规模正保持稳健扩张。2025年，心理学与神经科学领域的出版物共计668篇，同比增长21%。同期，人因研究领域表现尤为抢眼，以703篇的产出量和33%对数值上首次完成超越，但这并不代表基础学科采用率的下降，而是折射出应用研究更具爆发力的增长势头。目前，两大领域均实现了大幅同比增长，稳居眼动追踪科研版图的双旗舰地位。人因研究的历史性跨越：应用研究步入成熟期人因研究在产出规模上超越心理学与神经科学，标志着眼动追踪已成为应用研究中高度成熟的标准化方法。这一增势精准契合了全球对人机环境交互（HMI）的深度聚焦，有力支撑了优化系统性能、安全性、工效学及用户体验的前沿课题。2025年的科研模式表明，眼动追踪正加速融入现实世界的“人在回路”研究项目，展现出极强的实用化底色。*本报告综合期刊研究范畴、标题与摘要关键词以及作者所属机构信息，将出版物划分至一个或多个相关研究领域。2025年，涉及跨学科领域的文献比例显著提升，导致更多出版物被同时映射至多个领域。因此，各领域出版量及其份额的同比变化，除直观反映底层科研趋势外，可能也部分受到统计分类权重调整的影响。认知研究仍然是心理学和神经科学领域中最大的眼动追踪研究子领域

发展研究：追踪全生命周期的成长轨迹。发展研究横跨从婴儿期至成年期的认知、社交及情感发展历程。眼动追踪广泛用于观察儿童习得阅读、面部识别及社交线索理解等技能，从而帮助绘制发展的完整轨迹。认知研究：探究信息处理的底层逻辑。该领域研究大脑结构与功能如何驱动知觉、记忆及决策等心理过程。通过整合脑电图（EEG）与眼动追踪技术，研究者可深度解码人类处理信息的内在模式。

临床研究：解析神经发育障碍的视觉特征。临床研究聚焦精神与神经系统疾病的诊疗。利用眼动追踪技术研究孤独症（ASD）与多动症（ADHD）等疾病，有助于揭示患者眼动模式与认知/情绪状态间的深层关联。

社会研究：洞察社交互动的心理机制。社会研究探讨个体在社会背景下的相互感知与关联。通过分析对表情及注视方向的反应，研究者能揭示社会认知背后的认知与情感加工流程，从而理解其对社交行为的影响。其他5%情绪研究6%其他5%情绪研究6%社会研究7%语言学与阅读研究13%认知研究39% 临床研究17%认知研究39%临床研究17%发展研究13%心理学与神经科学研究领域内各子领域的分布情况。2024年以来的变化

语言学与阅读研究：解码实时处理效率。此方向旨在探究语言理解与阅读背后的神经及认知机制。眼动追踪是实时监测语言处理流程的关键手段，可提供关于阅读策略与处理效率的核心数据。

其他领域：涵盖非人类灵长类动物研究（侧重跨物种比较认知与脑功能研究）及体育与运动科学（研究运动表现背后的心理与神经机制）等专业方向，各约占出版总数的1%。认知研究-4-14-22

+17+12临床研究发展研究社会研究

+87

2024-2025年心理学与神经科学细分领域产出变动。HMI与驾驶研究领跑人因研究人机交互（HMI）：驱动以人为本的界面优化。专注于提升计算机、智能手机及工业设备等技术系统的设计水平与可用性，旨在强化用户表现、安全性和满意度。通过眼动追踪深度解析用户的注意力分配与认知状态，为优化交互逻辑提供科学依据。

驾驶研究：定义未来出行体验。侧重于通过分析驾驶行为、认知状态及人车交互，协同优化车辆设计、驾驶安全与整体体验。研究覆盖汽车（最核心场景）、摩托车、自行车及其他个人与商用车辆，并广泛应用于自动驾驶分级与道路安全评估。

建筑与导航：科学赋能空间设计。致力于通过优化建筑环境设计来增强人际互动、安全感与通行效率。眼动追踪提供的空间导航与视觉感知客观数据，助力设计师做出更英明的决策。其他领域：涵盖农业研究等不属于上述特定技术细分的研究方向。人机协作4%运动科学4%施工与工程8%医疗保健12%人机协作4%运动科学4%施工与工程8%医疗保健12%航空与航海6%其他6%人机交互31%建筑与导航10%驾驶研究20%人因研究领域内各子领域的分布情况。2024年以来的变化

医疗保健：全方位提升医疗质量。致力于改进医疗系统的设计与运行，保障患者安全、提升护理质量和专业人员表现。

人机协作：构建直观的协同系统。专注于优化人类与机器人间的交互模式，以提升协作安全性、作业性能与系统可用性。基于交互模式的深度分析，设计出更高效、更符合直觉的协作方案。驾驶研究

+26+21+5+2

+42

+99

施工与工程：减少人为错误并提升效能。探讨如何优化工业及建筑环境中的工具、设备与环境设计，以保障安全、提产增效。眼动技术提供的注意力分布、认知负荷及态势感知指标，有助于改进设计并减少人为失误。

运动科学：解码卓越表现的视觉特征。旨在通过研究知觉、注意力和决策机制，提升高强度体力任务中的竞技表现。通过量化视觉搜索行为、预判能力及注视-动作协调性，识别出能提升效率、减少失误、增强态势感知-11-23

施工与工程人机协作

2024-2025年人因研究细分领域产出变动。

的策略。屏幕式眼动追踪领跑2025科研，穿戴式设备稳步增长 软件稳居眼动研究应用首选屏幕式穿戴式VR

Tobii软件兼容Tobii的软件TobiiSDKs/APIs和开源软件未报告2025年研究中采用眼动仪的类型占比 2025年研究中采用软件的类型占比随着研究范畴的不断拓展，科研人员灵活运用屏幕式系统（受控实验室研究）、穿戴式眼动仪（现实世界研究）以及VR方案（沉浸式实验环境）开展多维探索。2025年，屏幕式眼动追踪稳居主流地位，相关出版物达1,042篇；穿戴式与VR研究则分别贡献了450篇121篇。对比2024年数据，屏幕式研究表现出最强劲的增势，其出版份额占比提升了6%动追踪虽然在文章数量的绝对值上有所增加，但由于屏幕式研究的扩张速度更快，其相对份额小幅回落了4%。VR研究在数量与份额上均略有下降。目前，屏幕式眼动仪已应用至绝大多数研究领域，而穿戴式眼动仪则高度集中于人因研究，支持应用型及真实场景的实验设计。

越来越多的眼动追踪研究选用Tobii的软件执行实验设计、数据记录与分析。2025年，采用Tobii官方软件的出版物占比由2024年的35%增至38%，进一步巩固了其应用最广的软件地位。与此同时，兼容Tobii的第三方商业软件略有增加，而TobiiSDK、API及开源工具的占比有所下降，反映出Tobii整体解决方案工作流的增长势头更为强劲。部分研究未指明所用软件，这可能是由于采用了本报告搜索范围外的工具或文中未提及。该比例较去年有所下降，表明学术报告的规范性有所改善。Tobii软件在屏幕式和穿戴式研究中均保持领先，且在穿戴式眼动仪研究中的优势尤为显著；而SDK和开源方案则主要集中于屏幕式研究。2025年Tobii眼动追踪研究被试群体Tobii眼动仪被广泛应用于各类受试群体，其中2025年Tobii眼动追踪研究被试群体Tobii眼动仪被广泛应用于各类受试群体，其中婴幼儿102其他临床疾病患者注意缺陷多动障碍患者眼科疾病患者非人灵长类动物7472包括由于配合度有限、动作较多或受临床及发育因素影响而难以研究的群体。20255眼动追踪：不仅是注视位置2025年，共有209篇出版物将瞳孔大小作为认知或情绪负荷的衡量指标。相较于2024年（136篇，占比10%），2025年该比例增至13%，标志着瞳孔测量法正与眼动追踪技术深度融合，获得更广泛的应用。

注视驱动的人工智能正展现强劲增势

2025年结合AI与眼动追踪的研究领域分布消费者研究2025年结合AI与眼动追踪的研究领域分布消费者研究4%培训与评估5%教育研究7%医学研究11%心理学与神经科学27%人因研究54%1%2025年的分析显示，共有225篇出版物（占研究总数的14%）将眼动追踪与人工智能（AI）方法融合，较2024年的195篇实现了15%的同比增长。这一数据体现了AI技术在眼动追踪科研领域日益增强的融合趋势。在这些研究工作中，两大核心应用方向占据主导地位。主流研究倾向于将AI模型应用于眼动数据，通过将其作为输入特征来预测或分类被试的状态与行为，涵盖注较小但备受关注的研究方向则侧重于测试与评估，利用眼动追踪技术评估AI系统与界面，深入探讨在人机交互场景（含AI辅助及生成式AI工具）中，AI2025年的分析显示，共有225篇出版物（占研究总数的14%）将眼动追踪与人工智能（AI）方法融合，较2024年的195篇实现了15%的同比增长。这一数据体现了AI技术在眼动追踪科研领域日益增强的融合趋势。在这些研究工作中，两大核心应用方向占据主导地位。主流研究倾向于将AI模型应用于眼动数据，通过将其作为输入特征来预测或分类被试的状态与行为，涵盖注较小但备受关注的研究方向则侧重于测试与评估，利用眼动追踪技术评估AI系统与界面，深入探讨在人机交互场景（含AI辅助及生成式AI工具）中，AI性、信任度、决策路径及任务表现的具体影响。按研究领域划分，AI赋能的眼动研究高度集中于人因研究（约占出版物的54%），心理学与神经科学以27%紧随其后。其余贡献则来自医学研究、教育领域，以及培训评估、消费者研究和用户体验（UX）等领域。硬件层面则延续了2025布模式：大多数AI相关研究基于屏幕式设备，穿戴式设备占据了重要的应用份额，而虚拟现实（VR）仍然是集中的细分领域。综合而言，2025年的研究结果表明，注视驱动的预测建模规模正在持续扩大；同时，作为评估新兴AI系统对人类影响的客观衡量标准，眼动追踪的科研价值正日益增强。此外，有39篇出版物记录了眨眼动态，并将其作为认知状态或行为表现的量化指标。相较于2024年的29篇，2025年该领域的出版量显著增长了35%。Nyström,M.,Andersson,R.,Niehorster,D.C.,Hessels,R.S.,&Hooge,I.T.C.(2024).Whatisablink?Classifyingandcharacterizingblinksineyeopennesssignals.BehaviorResearchMethods.眼动追踪：洞察心理状态的窗口

使用眼动追踪测量认知负荷消费者研究3%用户体验研究5%培训与评估消费者研究3%用户体验研究5%培训与评估7%教育研究12%心理学与神经科学22%人因研究49%认知需求在188篇出版物中，研究人员推断了认知需求与资源分配，最常将其表述为“认知负荷”。这占2025年出版总数的12%，突显出学界持续利用眼动指标量化任务需求，以及应对这些需求所需的资源。注意投入在57篇出版物中，科学家评估了注意力投入与流失，涵盖持续注意力、警觉性以及走神等维度。这相当于2025年出版总数的4%，反映出研究人员对任务执行中注意力瞬时稳定性的持续关注。唤醒与警觉在87篇出版物中，研究人员对唤醒水平与警觉状态进行了评估，包括唤醒、疲劳及嗜睡等状态。这占2025年出版总数的5%，表明眼动追踪正越来越多地用于捕捉与激活水平及警觉性降低相关的状态依赖性变化。

医学研究2%点击此处获取认知负荷白皮书 点击此处获取认知负荷白皮书认知负荷研究的热度逐年显著提升。此类研究揭示大脑如何管理有限的认知资源，并解释不同心理努力程度下的个体表现差异。这一理论基础支持实现多项实际目标：管理工作负载、优化界面设计、改良培训方案，以及识别引发错误和安全风险的过载状态。鉴于认知负荷的无形特质，直接测量难度较大。眼动追踪作为一种实用且无创的评估手段，可量化实验室及真实场景中的心理努力程度。测量认知负荷的关键指标包括：眨眼频率与时长、瞳孔扩张、注视时长与频率、眼跳模式与微眼跳，以及扫描路径复杂度。旗下的系列眼动仪支持在受控和自然环境下采集此类数据。ProGlasses3通过捕捉动态注视行为，支持调研复杂、高速任务中的认知负荷演变。ProSpectrum具备高时间分辨率，可检测与心理努力相关的细微眼动。TobiiProFusion则兼具便携与可调采样率的优势，适用于应用性认知负荷研究。更详细的深度解读，请见第24页关于使用眼动追踪测量认知负荷的部分。2025年多模态眼动追踪研究持续扩展 眼动研究多模态传感器构成分布

单一附加传感器多模态眼动追踪传感器集成数量分布多模态解决方案支持眼动追踪与多种互补生理及行为传感器的集成研究，涵盖受控实验室研究与真实环境部署。2025年共有305篇19%，较2024年同比增长25%。但自2024年起，使用两个及以上传感器的比例有所上升，这意味着更为丰富的多传感器设置正变得越来越普遍，而这种改变在人因研究领域尤为显著。脑电图（EEG）仍是最常与眼动追踪技术配对使用的模态，其次是心率和皮肤电（GSR）。采用心率数据的眼动追踪研究在2025年增长显著，而皮肤电（GSR）保持稳定。近红外（fNIRS）和肌电图（EMG）等模态的绝对数量有所增加，正跨越小众领域，更频繁地出现在多模态文献中。最常见的多传感器组合依然是将眼动追踪与心率和皮肤电（GSR）注。在各研究领域中，人因工程学、心理学与神经科学中的多模态技术应用保持领先地位，在基于皮肤电（EEG）和心率的实验设置中表现突出。这一模式凸显了多模态眼动追踪在基础研究与应用研究中探索认知负荷、生理反应以及人机交互的关键作用。

眼动追踪领域多模态研究与附加传感器间的对应关系眼动追踪测量认知负荷不断演进的方法论与新兴多模态模型眼动模式眼动追踪测量认知负荷不断演进的方法论与新兴多模态模型眼动模式为理解认知负荷提供了额外维度，在视觉引导型任务中尤为显著。Li等人（2025）利用TobiiProGlasses2（50Hz）穿戴式眼动仪的研究指出，注视点离散度随任务需求增长而增加；在任务难度提升及全身运动状态下，注视模式变得更分散且聚焦度降低。眼跳行为呈现相似模式：任务难度增加导致眼跳过冲频率上升，反映出个体在挑战性或不稳定情境中存在更多的补偿性眼动。Yu等人（2025a）针对空中交通管制的研究也提供了佐证，水平与垂直方向的眼动速度随工作负载系统性增加，表明高认知需求触发了更活跃的扫描行为（TobiiX2-30眼动仪）。综上所述，这些指标揭示了用户随认知负荷强度增加而调整视觉策略的规律。近期关于眼动追踪评估认知负荷的研究呈现出3种互补的路径，包括：•基于眼动生理指标，如瞳孔扩张和眨眼活动•基于眼动模式，追踪用户在任务中的眼动模式•基于多模态机器学习模型，整合注视数据与其他生物信号本综述涵盖的6项研究揭示了眼动追踪在认知负荷测量中的两种路径：作为独立评估手段，或将其集成于生理学框架中。眼生理学提下，瞳孔测量法为观察工作负载相关变化提供了一种微细且可靠的手段。Orti等人（2025）的研究论证异的能力。动态任务环境中的研究结果进一步验证了这一模式。Li等人（2025）指出，在全身运动状态下执行精细动作瞄准任务时，被试的瞳孔尺寸增大且变异性增强，体现了感知与运动处理需求的提升。该研究利用屏幕式眼动仪记录眼动指标，证实了瞳孔测量在实验室及复杂运动场景中的普适性。综上，这些研究论证了利用瞳孔指标跨场景分析认知负荷的可行性，并强调了在解读此类细微变化时实验控制的关键作用。眨眼被视为衡量认知努力的可靠指标。这一研究趋势越来越显著。听觉研究表明，在困难的听觉任务中，眨眼频率会显著降低，尤其是由于信噪比降低导致言语清晰度下降时更是如此。Coupal等人（2025）利用ProGlasses2开展的实验证明了这一点。这种眨眼抑制只出现在刺激呈现阶段，且不受光照条件影响，表明眨眼行为可作为听力努力的标志物，且这一指标对光照条件不敏感。由于在瞳孔数据含有噪声或数据质量较差的情况下仍能观察到眨眼抑制现象，该指标为工作负荷的评估提供了关键的补充渠道。

多模态融合第三种方法论侧重于整合眼动追踪与其他生物信号，从而优化工作负荷评估。在一项空中交通管制员研究中，Yu等人（2025a）利用半监督集成模型整合了注视数据（由TobiiX2-30采集）、行为数据与生理数据。即使在标注数据有限的情况下，该方法仍能实现对操作员需求的持续、态势感知评估。进一步的研究通过双注意力架构算法，同步对比眼动和脑电信息，精准抓取能够有效表征认知负荷的信号。此类集成在轻度、中度及重度认知负荷分类准确率上一致优于单模态基准，这些结果在利用Tobii屏幕式眼动仪采集的数据中已得到证实。作为多模态系统的补充，近期研究论证了单模态眼动追踪即可表征实时认知负荷，并提供即时支持。此类基于注视的自适应系统无需依赖多重生理输入，而是通过瞬时眼动数据识别用户的处理困难。Minas等人（2025）开发的自适应翻译辅助工具论证了这一路径：系统通过监测读者的实时注视行为，在其阅读受阻或在生词处停留时自动触发翻译辅助，证明了眼动追踪在无需额外传感器的情况下实现即时干预的能力。眼动追踪在工作负荷评估中的角色演变综合上述方法论，这一领域的发展趋势十分明确：眼动追踪正从独立指标演变为多模态、情境感知认知负荷模型的核心组成部分，同时其作为独立、非侵入式工作负荷评估方法在现实应用中依然具备显著潜力。多模态路径并非取代眼动追踪，而是拓宽了现有工具集；对于追求无干扰及商业可行性评估的场景，基于注视的单模态测量依然不可或缺。Coupal,R.A.,Zhang,R.,&Deroche,M.L.D.(2025).Reducedeyeblinkingduringsentencelisteningreflectsincreasedcognitiveloadinchallengingauditoryconditions.TrendsinHearing.Li,Y.,Zheng,B.,Grant,P.,&Li,X.(2025).Assessingcognitiveloadthrougheyemetricsinin-motionvs.stationaryenvironments.AppliedErgonomics,129,104598.Minas,C.,etal.(2025).Adaptivereal-timetranslationassistancethrougheye-tracking.Orti,M.,etal.(2025).Cognitiveloadinswitchingbetweenegocentricandallocentricspatialframesofreference:Apupillometrystudy.Yu,X.,etal.(2025a).Cognitiveworkloadquantificationforairtrafficcontrollers:Anensemblesemi-supervisedlearningapproach.AdvancedEngineeringInformatics,64,103065.Yu,X.,etal.(2025b).Humanoperators’cognitiveworkloadrecognitionwithadualattention-enabledmultimodalfusionframework.«@@&'I1B@cl9Ğ%&nÜTg*6&ĞBč@Œt?P@P +=aJPëïI75J‹°JS«6=Ï?1 ëF0Rtl'ÏY6Px?ß%8ù@Ï1.TittaLSL:—@ŞJ@Tobii@@ZÊ,ÊgQQ Python@MATLABØ@@@Niehorster&Nyström,2025,BehaviorResearchMethods27具有远见的临床应用此类文章聚焦临床及医疗场景中眼动追踪的创新应用。所展示的研究论证了利用视觉行为数据强化诊断能力、揭示专家决策逻辑并优化患者预后的路径。此类研究推动了眼动追踪与临床实践、医疗AI及精密医疗技术的深度融合。深度学习量化病理学家视觉模式实现全切片图像诊断Nanetal.,2025,NatureCommunications本年度“具有远见的临床应用”类别聚焦一项通过眼动追踪整合人类专业知识与人工智能的研究。该研究旨在减轻医务人员压力并提升诊断表现。视觉注意模式正深度融入诊断建模，本研究即为这一前沿趋势的典型例证。东北大学与中国医科大学合作开发了病理学专家经验获取网络（PEAN）。PEAN是一套深度学习系统，利用TobiiProSpectrum屏幕式眼动仪采集病理学家观察数字化全切片图像时的眼动数据并完成训练。通过解码专家视觉模式，该模型学习识别具有诊断价值的区域，在5类皮肤病变的分类中实现了96.3%的准确率及0.992的曲线下面积（AUC）。该方法将标注时间缩短至传统方法的5%以下，论证了利用注视点数据将诊断经验有效迁移至AI模型的路径。本研究为计算病理学设定了新标准：利用高精度屏幕式眼动追踪系统不仅加速了数据标注，还增强了诊断算法的可解释性与临床可靠性。

卓越眼动追踪研究综述此类文章聚焦深度综述，整合了特定眼动追踪领域的技术、方法论及科学进展。此类文章旨在阐明新兴趋势，发掘转化潜力，并作为重要参考资料支撑该领域及其应用的持续发展。眼动追踪技术及其在中风诊断与评估中的应用综述Zhangetal.,2025,Measurement在本年度眼动追踪研究综述中，JunZhang及其同事的研究将眼动科学的基础进展与临床及技术创新连接起来。该研究系统分析了238篇论文，首次全面概述了眼动追踪技术在中风诊断与评估中的应用。作者解析了从核心原理与算法到数据采集、特征提取以及临床症状评估的全流程，并进一步阐明了注视时长、眼跳幅度及前庭眼反射等眼动指标作为中风严重程度定量指标的作用。作者等人同时探讨了利用基于摄像头的眼动追踪及新兴机器学习注视分析技术，将中风诊断转化为客观、无创且具备居家筛查潜力的手段。面向未来的章节重点介绍了研究前沿，包括虚拟现实（VR）集成、穿戴式传感器以及多模态数据融合。综述据此将眼动追踪定义为下一代神经评估框架的核心组件，该框架融合了精密传感与智能数据解读技术。中风研究中基于眼动仪的诊断装置：数据采集流程与数字化适配眼动测试（仅限上图）。引自Hassanetal.,2025,FrontiersinNeurology,遵循CCBY4.0许可，/licenses/by/4.0/基础眼动追踪研究的突破性进展此类研究增进了对眼动行为与神经、认知或生理过程关联的基础理，深化了对脑-眼交互模式的洞察，优化理论模型，并引入拓宽眼动及瞳孔动力科学认知的研究范式。瞳孔自我调节对皮层兴奋性和唤醒的调控Weijsetal.,2025,NatureCommunications基础眼动追踪研究探讨眼球信号与核心神经机制的交互规律。Weijs等人在研究中论证，被试能够利用来自TobiiProNano的实时生物反馈自主调节瞳孔大小，同时利用经颅磁刺激（TMS）、脑电图（EEG）及听觉Oddball任务测量其大脑活动。该研究证明了自主控制瞳孔直径会影响多项神经功能指标。瞳孔扩张时，TMS产生的运动诱发电位（MEP）增加，表明皮层兴奋性提升。EEG数据显示，与瞳孔收缩相比，扩张期间的频谱斜率（一项关联觉醒度及兴奋-抑制平衡的指标）变得更平缓。在Oddball任务中，较小的瞳孔产生更强的P300反应，表明紧张性觉醒的降低增强了时相性注意信号。该研究将眼动追踪定义为兼具测量与调节功能的工具，并论证了瞳孔动力学影响大脑功能关键维度的机制。

发展研究前沿该类别聚焦前沿眼动研究，旨在阐明婴儿期及儿童期知觉、认知或社会能力的发展过程。此类研究通过精准的注视测量手段揭示早期能力，描绘发展轨迹，并阐明学习与社会认知的内在机制。婴儿对提问信息寻求功能的认知：疑问句关联及与陈述句的区分Bernardetal.,2025,ChildDevelopmentCyannBernard及其同事的研究揭示了幼儿理解语言社交目的的逻辑。针对14、18及30月龄婴儿开展的两项眼动实验中，婴儿观看相关视频：演讲者在发出涉及新标签的疑问或陈述时，仅能看到其中一个物体。研究利用Tobii屏幕式眼动仪测量婴儿对可见及隐藏物体的注视轨迹，据此推断其关联的话语指称对象。结果表明，婴儿将疑问句视为获取信息的信号，而非对环境的描述。婴儿能专门将该功能与疑问句关联，并区分疑问句和陈述句。注视模式显示，听到提问时，婴儿更多关注演讲者视线外的隐藏物体；听到陈述时，则更多关注可见物体。这论证了婴儿对交际意图的早期敏感性。通过对注视行为的精确测量，本研究阐明了婴儿在具备语言能力前解析语言结构并参与社交沟通的路径。瞳孔生物反馈范式——联合TMS与EEG探究瞳孔自主调节下的皮层兴奋性与觉醒度。引自Weijsetal.,2025,NatureCommunications，遵循CCBY4.0许可，/licenses/by/4.0/.FigurecreatedinBioRender.前沿的多模态研究此类研究整合了眼动追踪与多种认知及生理传感器模态，以捕捉现实场景中人类行为的细节。此类研究将注视数据与互补信号融合，构建综合数据集或模型，从而推动具身认知、机器人技术及人机交互领域的发展。利用多模态感知数据增强机器人技能获取：面向厨房任务的新型数据集Renetal.,2025,ScientificData研究团队发布了多模态数据集KaiwuKitchen，记录了个体在自然厨房环境中执行精细操作任务的过程。实验涉及20名成年人在30个场景中与17种日常物品的交互。同时，7种传感模态同步记录了其行为数据，包括RGB-D视频、动作捕捉、肌电图（EMG）、音频、Tobii穿戴式眼动仪，以及来自智能手套的精细手部运动学与力传感器数据。这些数据提供了关于切菜、开启容器及清洁等常规任务中注意力分配、力度控制、肌肉激活及全身协调的高分辨率信息。包含680个标注片段和超过56,000个标签，所有模态均实现了时间对齐，详细记录了注视模式、抓握类型、动作阶段及物体交互。文中的视觉示例展示了手部运动轨迹、兴趣区（AOI）及抓握力分布揭示自然厨房动作结构与变异性的路径。通过将多样化信号整合至统一框架，该数据集为训练与评估旨在现实场景中学习类人技能的机器人系统奠定了坚实基础。

振奋人心的真实场景眼动应用此类研究聚焦在眼动追踪技术在实验室外的真实操作场景中的创新应用。此类研究论证了注视数据结合先进模型支撑复杂任务表现（如驾驶飞机或在高压下解决问题）的路径。需要帮助吗？利用眼动追踪与大语言模型识别并响应飞行员的排障需求LyuandLi,2025,InternationalJournalofHuman–ComputerStudies该研究通过整合穿戴式眼动追踪技术与GPT-4模型，提出了一种检测并支持飞行员排障活动的新方法。Lyu与Li引入了“视觉注意力矩阵（VisualAttentionMatrices）”，这是一种表征驾驶舱仪表注视时长与转换关系的精简方式，旨在将高频注视数据转化为适用于GPT-4推理过程的结构化格式。该方法应对了一项关键操作挑战：即使是保持高度参与的飞行员，在同时处理监控与故障排除任务时仍可能面临认知过载。研究者在空客A320高保真模拟机中验证了该方法，利用ProGlasses3采集眼动数据，并捕获了驾驶舱内7个兴趣区（AOI）气系统故障、TCAS错误及起落架问题等事件的主动排障行为。实验结果表明，“视觉注意力矩阵+GPT-4”方案表现最优，能够精准识别相关信息需求，并为飞行员生成简洁且具备态势感知的支持信息。本研究论证了眼动追踪结合尖端语言模型在提升情境意识及优化真实航空场景中人机协作方面的潜力。 合作伙伴案例揭示对情感自适应界面的无意识反应：多模态探索研究亮点：Tobii在EEG与生物识别领域的合作伙伴Bitbrain

情感计算（AC）能够检测并响应人类的情绪，是人机交互领域极具潜力的前沿方向。尽管AI系统日益精密，关键研究空白依然存在。当技术实时适配情绪状态时，用户的潜意识反应尚不明确。这些生理反应（如注意、认知负荷或情绪唤醒的变化）在用户感知之前便已定义了交互质量。鉴于情感计算的创新性与潜力，揭示此类信号对于设计下一代具备同理心的情感智能系统至关重要。纳瓦拉公立大学与马德里自治大学的研究团队探索了用户对两类情感计算驱动交互原型机的反应。首个原型机包含一个能根据用户表情实时调整自身面部表情的角色；第二个原型机则提供情感响应式叙事体验，在该原型机中，儿童互动故事仅在系统检测到快乐情绪时才会推进。该研究旨在超越自我报告的局限，通过测量实时生理反应，捕捉潜意识层面的感知与处理过程。为此，研究人员整合了三类生物识别技术：脑电图（EEG）、皮肤电活动（GSR）与眼动追踪。该多模态方案集成了TobiiProNano屏幕式眼动仪（60Hz）、BitbrainDiadem12导脑电及BitbrainRing生物信号传感器（GSR/BVP），所有数据均通过BitbrainSennsLab和SennsMetrics软件实现同步记录与处理。这使团队能够在被试与自适应原型机及对照组互动时，实时考察其认知负荷、情绪唤醒、参与度及视觉注意。Saavedra,A.,Chocarro,R.,Cortinas,M.,&Rubio,N.(2025).Exploringunconscioususerresponsestoaffectivecomputingininteractiveprototypes:aconsumerneurosciencestudy.Behaviour&InformationTechnology,1-20.

同步的生理及注视测量结果表明，相比非自适应版本，情感自适应界面能产生更强的参与度、更高的认知负荷、更佳的记忆效果及更强烈的情绪反应。眼动追踪数据揭示了不同情绪下的视觉注意力模式差异，尤其在面对严肃或悲伤等模糊、负性表情时更为显著。在故事讲述任务中，儿童表现出持久稳定的参与度，证明了情感响应系统在维持注意力方面的效能。综上所述，整合多元生物信号能深度解析情感计算对用户体验的塑造作用，并证实情感自适应界面可创造更具沉浸感的深度交互。为何深入了解人类反应对下一代技术至关重要？“通过整合眼动追踪与BitbrainEEG置，我们为观察用户无意识反应开启了全新的可能性。眼动追踪揭示了视觉注意力的分配规律并提供行为指标，而EEG则深入洞察其背后的神经机制。通过同步这些信号，研究者能实时掌握用户对自适应系统的底层反馈，从而推动以人为本的技术设计，彻底重塑我们与数字世界的交互逻辑。“AlmudenaRobledoBitbrain是一家神经技术公司，致力于为人类行为研究提供高质量的脑电图（EEG）与生物识别方案。其穿戴式脑电仪、生理传感器及软件平台支持在实验室与自然环境中进行多模态同步数据采集，助力前沿的认知与情感研究。Bitbrain助理产品经理Bitbrain是一家神经技术公司，致力于为人类行为研究提供高质量的脑电图（EEG）与生物识别方案。其穿戴式脑电仪、生理传感器及软件平台支持在实验室与自然环境中进行多模态同步数据采集，助力前沿的认知与情感研究。年度高影响力论文2025年度热门研究领域精选文献

生理监测驱动的AI数字干预能够有效减少创伤后侵入性记忆deBettencourt,M.T.,Sakthivel,S.,Holmes,E.A.,&Chevillet,M.|npjDigitalMedicine屏幕式 临床研究心理学与神经科学心理学与神经科学是眼动相关研究的基础领域。作为许多学科的基石，心理学和神经科学领域的研究者致力于揭示人类意识与行为的内在规律。由于眼动表现与注意力、记忆、感知、决策及问题解决等认知过程高度相关，心理学家与神经科学家在多个学科中应用眼动追踪技术，从而剖析视觉注意力的底层机制。他们的愿景在于精准量化这些机制对认知与行为的影响，从而深化人类对自身心智运作逻辑的理解。创伤在全球范围内具有极高的普遍性。虽然循证数字疗法已展现出显著的应用价值，但由于大多依赖人工指导提供定制化反馈，其规模化普及始终面临可扩展性的瓶颈。针对这一瓶颈，研究者们致力于探索生成式人工智能与神经技术的融合，力求构建出一套高效、可扩展的替代方案。本研究首次评估了ANTIDOTE系统。该系统整合了AI引导与瞳孔测量技术，实现了“意象竞争任务干预”（ICTI）的自动化实施与动态监测。ICTI是一种旨在减少创伤后侵入性记忆的有效手段，此前一直由人工指导实施。在针对100名健康被试的随机对照实验中，干预组在观看创伤性视频一周后，其报告的侵入性记忆显著更少。更具深远意义的是，研究发现瞳孔直径的变化能够表征被试的干预投入度，且与症状减轻程度相关。这一发现不仅为心理干预提供了理想的候选生物标志物，更为开发具备可扩展潜力的AI智能诊疗体系指明了方向。心理学与神经科学心理学与神经科学是眼动相关研究的基础领域。作为许多学科的基石，心理学和神经科学领域的研究者致力于揭示人类意识与行为的内在规律。由于眼动表现与注意力、记忆、感知、决策及问题解决等认知过程高度相关，心理学家与神经科学家在多个学科中应用眼动追踪技术，从而剖析视觉注意力的底层机制。他们的愿景在于精准量化这些机制对认知与行为的影响，从而深化人类对自身心智运作逻辑的理解。基于眼动及生理指标的英语二语文本难度自动分类Melo,J.,Fernandez,L.,&Ishimaru,S.|IEEEAccess眼动行为对人类海马体神经兴奋、信息编码及网络连接的调控作用Leszczynski,M.,Espinal,E.,Smith,E.,Schevon,C.,Sheth,S.,&Schroeder,C.E.|Progressin

屏幕式

心率

语言学与阅读研究Neurobiology屏幕式

EEG 认知研究

阅读是成年人习得第二语言的关键途径，但外语阅读困难往往会诱发学习焦虑。从读者视角精准识别文本难度有助于实现个性化语言教学；然而，目前针对二语（L2）模态研究尚处于起步阶段。本研究（N=30）整合了语言熟练度、客观文本难度及多维生理数据来量化二语阅读过程中的主观难度感知。研究对比了融合眼动、皮肤电及心脏传感器数据的自然视觉通过频繁眼动对环境进行采样，其本质上是一种主动感知过程。研究者们致力于突破传统被动注视模式的局限，探索眼动在真实的活跃感知中驱动神经活动的方式。本研究针对癫痫手术患者，利用实时响应的眼动追踪技术、眼跳触发刺激及同步颅内记录技术，验证了眼动信号在海马体及海马-杏仁核回路处理自然视觉信息时的关键作用。既往研究表明，眼跳会引起皮层及皮层下区域神经兴奋性波动的“相位重置（PhaseResetting）”。在此基础上，本研究进一步证实，这种与眼跳相关的重置机制能系统性地调节神经元集群对视觉输入的反应，实现跨眼跳-注视周期的信息相位编码，并调控海马体与杏仁核间的网络连接。这些发现体现了科学界对揭示大脑底层运作逻辑的追求：眼跳-注视周期已不仅是物理层面的眼球运动，更构成了神经系统的基本采样单元，统合了输入表征、网络连接及信息编码等神经过程。

多模态机器学习分类器与单一模态模型的表现，并评估了旨在补偿生理反应延迟的数据平移处理对模型性能的影响。模型针对低、中、高3个主观难度级别进行了检测。实验结果表明，该模型在面对新被试（AccLoPo=0.434）及新文本（AccLoDo=0.521）时均展现出良好的泛化能力。相比单一模态，全模态数据融合显著提升了预测准确率。值得注意的是，数据平移处理并未能进一步优化模型的表现。这些发现为优化主观难度检测模型及其在自适应学习系统中的应用提供了实证支撑。此外，该工作通过为认知状态检测提供创新路径，为认知科学与技术领域做出了重要贡献。两岁幼儿的视觉探索行为能够预测一年后的元记忆监测能力Leckey,S.,Selmeczy,D.,&Ghetti,S.|NatureCommunications

评估用于恐惧检测的多模态生理信号：瞳孔测量、心率与EEG的相对效用Ebato,Y.,Saki,T.,Wakita,I.,Ueno,A.,Ishibashi,T.,Takahashi,T.,&Nobukawa,S.|FrontiersinHumanNeuroscience屏幕式

发展研究

穿戴式 心

EEG

情绪研究记忆状态的内省引导着个体决策，但我们对这一能力的发展规律知之甚少。幼儿在面临困难记忆决策时表现出的行为（如信息寻求），表明他们早期就具备监测不确定情境的能力。但此类行为与后期演化出的元记忆监控（即对记忆准确性的内省能力）之间的关联尚待明确。一项针对176名25至34月龄幼儿的纵向研究显示，在初始阶段（时间点1），被试需对图像进行编码并在干扰阵列中识别熟悉目标；一年后（时间点2），157名被试完成了类似的记忆任务并报告了决策信心。实验数据表明，实验数据表明，时间点1表现出的频繁注视转移（预示评估过程）、较短的反应潜伏期及更强的记忆力，显著预测了时间点2的元记忆监控水平，即能更清晰地通过信心差异区分决策的准确性。此外，时间点2的注视转移与较低的整体信心相关。综上所述，本研究揭示了元记忆监控能力发展的潜在基础。面对面互动注视行为的跨文化对比：日本与荷兰的实证研究Hessels,R.S.,Iwabuchi,T.,Niehorster,D.C.,Funawatari,R.,Benjamins,J.S.,Kawakami,S.,Nyström,M.,Suda,M.,Hooge,I.T.,Sumiya,M.,Heijnen,J.I.,Teunisse,M.K.,&Senju,A.|Cognition

引言：恐惧作为人类生存演化中的基本本能，其过度表达往往诱发焦虑障碍及其他不良后果。监测恐惧状态对及时干预和改善心理健康至关重要。虽然功能性磁共振成像（fMRI）有力地揭示了恐惧相关的神经通路，但其成本与应用环境限制了在日常生活中的普及。脑电图（EEG）虽具易用性，却难以直接捕获深层脑活动。瞳孔动力学与心率等生理指标可作为深层神经过程的间接表征，但过往研究多聚焦于单一模态。基于此，本研究旨在突破单一手段的局限，整合瞳孔、心率与EEG（高时间分辨率的皮层反应指标），评估多模态融合在恐惧检测中的实操效能与边界。方法：研究同步采集了40名健康男性被试在暴露于恐惧诱发及中性视觉刺激时的EEG、瞳孔及心率数据，并评估了他们的心理状态。结果：实验数据表明，恐惧诱发刺激引起了显著的生理响应，具体表现为枕叶Theta波功率增加、瞳孔扩张及心率下降。尽管虽多模态融合对分类准确率的提升相对有限，但在各指标中，瞳孔直径是最敏感的。讨论：本研究论证了多模态生理监测在恐惧识别中的可行性，并强调了在实际应用中进一步完穿戴式

社会研究

善的必要性。既往研究多认为，与西方文化相比，东亚文化存在“注视回避”模式，但近期面对面交谈的眼动证据并未证实这一点。一般认为，东亚与西方文化在非语言沟通方式以及认知策略（分析型vs.整体型）等方面存在差异。利用穿戴式眼动追踪技术与自动化处理流程，本研究深入探讨了日本与荷兰个体在非结构化对话及协作互动中，从信息采集与传递视角出发的注视行为差异。实验对比了两组被试在面部注视、注视-手势耦合及注视-动作耦合方面的表现。结果显示：在各类互动场景中，日本被试对脸部的注视时长均显著低于荷兰被试；此外，日本被试表现出的指向性手势较少，且手部置于桌面下的时长较长。尽管两组在即时视觉运动协调（如手动操作注视耦合）上表现一致，但在长期的注视-动作模式中展现出显著差异，这反映了整体型与分析型文化认知策略及错误导向风格的深层区别。综上所述，虽然基础的视觉运动协调具有跨文化一致性，但复杂的协作注视模式深受文化背景塑造。这一发现强调了在真实互动而非孤立场景中评估注视行为的必要性，并为开发具备对个体和文化差异敏感性的虚拟化身与社交机器人提供了参考。人因研究人因工程是一门探索人与系统（如产品、工具、环境或技术）交互规律的多学科领域。其目标在于优化设计与操作，旨在提升人类福祉、表现及安全性，并增强系统整体效能。眼动追踪能深入解析注意力、问题解决及认知负荷等认知能力，这对于构建适配人类认知优势、弥补行为短板的系统至关重要。基于眼动追踪的实时自适应翻译辅助研究人因研究人因工程是一门探索人与系统（如产品、工具、环境或技术）交互规律的多学科领域。其目标在于优化设计与操作，旨在提升人类福祉、表现及安全性，并增强系统整体效能。眼动追踪能深入解析注意力、问题解决及认知负荷等认知能力，这对于构建适配人类认知优势、弥补行为短板的系统至关重要。Minas,D.,Theodosiou,E.,Roumpas,K.,&Xenos,M.|AI屏幕式 人机交互

具备风险预测与症状缓解功能的可穿戴前庭电刺激研究Wu,K.,Bertin,K.M.,Liang,Z.,Wang,H.,&Mo,F.|IEEETransactionsonIntelligentTransportationSystems本研究介绍了一种眼动追踪翻译软件（ETS），该系统通过整合眼动数据与实时翻译技术，旨

穿戴式 心

驾驶研究在优化非母语使用者阅读复杂技术文本的流畅度。系统通过监测注视时长识别认知负荷状态，并选择性提供翻译支持，在保障语言学习效果的同时维持了阅读连贯性与参与感。其核心架构由桌面式眼动仪与自定义Python应用程序构成。依托以用户为中心的设计理念，ETS能动态适配个体阅读需求，通过按需提供词级翻译减轻认知压力。针对53名被试的实证研究评估了该软件对阅读速度、注视时长及用户体验的影响，结果表明该系统能提升理解力与阅读效率。基于注视行为的动态适配显著改善了阅读体验并降低了认知负荷，被试者对系统易用性给予积极评价，并提出了关于弹窗位置及句级翻译等个性化定制偏好。后续研究将引入人工智能驱动的适配机制，使系统能依据用户熟练度与阅读习惯实现自主调节。本研究进一步论证了眼动追踪在教育及专业领域的应用潜力，为平衡语言接触与实时支持提供了灵活且个性化的辅助阅读方案。

随着自动驾驶及新能源汽车的普及，晕动症（MS）的发生率显著上升，亟需一种快速且低副作用的缓解方案。本研究开发并验证了一款新型穿戴式前庭电刺激（GVS）设备，该设备集成了晕动症风险预测与症状缓解双重功能。研究提出了一种修正后的晕动症指数（MSI），旨在针对不同场景发生风险的个性化评估。主客观实验数据论证了该设备的有效性：被试的平均耐受时间提升了40%，MSI耐受度增强超过42%，瞳孔直径未见缩小且注视分散程度降低。生理指标与主观评分一致表明，该设备在提升个体晕动症耐受水平方面优势显著。其在长途驾驶、飞行员培训等多元场景中的应用价值值得进一步探索。眼动追踪揭示物理治疗师评估平衡时的决策逻辑Nigrelli,E.,Carender,W.,Sienko,K.H.,&Stirling,L.|IEEETransactionsonNeuralSystemsandRehabilitationEngineering

利用心率变异性与眼动特征监测热暴露环境下建筑工的心理负荷：一项针对管道工的研究He,S.,Qi,D.,Guo,E.,Wang,L.,Ouyang,Y.,&Zheng,L.|Sensors穿戴式

医疗保健

穿戴式 心

施工与工程关其视觉行为如何随患者表现变化而动态调整。本研究利用穿戴式眼动仪记录了11名治疗师过量化头、躯干、上肢和下肢等兴趣区（AOI）的注视行为发现：治疗师对下肢的注视次数最向的平衡评估模型奠定了基础。

监测建筑工人的心理负荷是识别安全风险的有效手段，旨在预防认知过载引发的作业安全隐患。本研究整合心率变异性（HRV）与眼动特征，旨在定量评估热暴露对工人心理负荷的影响。实验选取30名缺乏经验的管道工，分别在常温（26°C，50%RH）与高温（33°C，50%RH）环境下执行安装任务，并将采集的心率变异性（HRV）和眼动数据输入监督学习模型。通过对比支持向量机（SVM）、K最近邻（KNN）、线性判别分析（LDA）及随机森林（RF）等算法的分类性能，构建两种热环境下心理负荷状态的分类模型。结果表明：利用KNN算法处理8项HRV特征可获得最高90.00%的分类准确率（召回率0.933，精确度0.875，F1=0.903，AUC=0.887）。这一成果为建筑行业在炎热作业条件下动态监测工人心理状态提供了新的技术支撑与研究思路。寻路设计的空间认知可视化：咨询服务环境下的移动眼动研究Kwon,J.,Schmidt,A.,Luo,C.,Jun,E.,&Martinez,K.|InternationalJournalof

基于心肺耦合的飞行疲劳检测：常氧与轻度低氧环境下的对比研究Feng,J.,Li,C.,Piao,D.,Zhang,Y.,Yu,L.,Shi,W.,Fang,M.,Gong,W.&Liu,X.|ResultsinEngineeringGeo-Information

屏幕式 心

航空与航海穿戴式

建筑与导航

随着长航时飞行任务的增加，飞行员疲劳已成为威胁航空安全与效率的关键因素。心电图（ECG）虽为疲劳监测提供了便携式手段，但除心率变异性（HRV）外，领域内仍缺乏可靠的高效寻路对降低陌生环境下的认知负荷与情感压力至关重要。本项准实验研究以一栋集咨询中心与学术部门于一体的大学建筑为对象，深入探讨其中的寻路障碍。研究通过穿戴式眼动仪、出声思维法及认知地图绘制，采集了24名初次到访者的多模态数据，并对其预设导航任务中的视觉注意模式进行了深度分析。结果发现，被试频繁注视缺乏信息价值的建筑特征，却往往忽略了现有的寻路线索；这种高频的无效注视反映出视觉搜索策略的失效。通过对口语报告的主题分析，研究识别出空间混淆、审美单调及标识不足等八大核心障碍。被试普遍反映该环境具有误导性，并将其类比为医院等“机构化场所”。据此，结合研究发现、利益相关者需求和优先级，提出了针对性的寻路设计方案，并利用高感知逼真度的体验式数字孪生模型对设计成本进行了评估。本研究建立了一套整合注视模式与口语报告的通用方法论框架，验证了利用实证发现指导精准设计干预的可行路径。

生物标志物。本研究旨在探究心肺耦合（CRC）在疲劳演进中的动态变化，并评估其在常氧及轻度低氧（模拟3000米海拔）环境下的检测效能。通过对8名健康男性被试（年龄：20.6±1.8岁）分别在两种环境下开展6小时的模拟飞行实验发现：疲劳状态下的CRC功率显著高于清醒状态，且高频成分与疲劳的相关性最为显著。进一步分析显示，随疲劳程度加深，呼吸序列对RR间期的格兰杰因果耦合（Grangercausalcoupling）显著下降。模型验证表明，整合CRC与HRV特征的疲劳检测模型优于单一HRV模型，在常氧环境下，其随机森林分类器的训练准确率提升了8.4%，测试准确率提升了4.4%。综上所述，本研究将心肺耦合机制引入航空疲劳研究，揭示了其随疲劳状态演变的规律，为复杂环境下飞行员的疲劳动态监测提供了新的技术路径。面向人机交互的新型人在回路多模态意图融合方法Jiang,S.,Zhang,W.,Liu,J.,Li,H.,Wang,Z.,Zhou,Y.,&He,B.|IEEETransactionsonAutomationScienceandEngineering穿戴式 人机协作理解人类意图在服务机器人人机交互中发挥着关键作用。尽管多模态感知方法在特定场景下已展现出良好成效，但现有融合策略难以灵活适应用户偏好及动态环境变化。针对此类局限，本文提出一种人在回路的多模态意图融合（HIL-MIF）算法，通过引入动态权重因子来评估各模态的重要性，并基于用户反馈动态调整权重分配，从而实现更高的意图理解准确率，提升交互的个性化水平与可靠性。此外，研究还构建了一套支持视线、语音、手势三模态灵活配置的服务机器人系统。通过目标物体抓取任务开展验证实验，并收集了用户主观评价。实验结果显示，HIL-MIF方法在准确率与可靠性方面均优其他常用融合方法。本研究为未来“三共”智能图是影响交互成败的关键。然而，单模态感知易受环境干扰，适用范围十分有限；现有多模态方法则面临多源异构数据难以统一表征、准确率较低等难题。此外，用户对交互模式存在个人偏好，而现有多模态方法对此缺乏深入研究，难以提供高度可靠且个性化的交互体验。针对上述问题，本研究提出一种人在回路多模态意图融合（HIL-MIF）算法，融合来自注视、手势与语音的多模态信息，引入权重因子以适配个体偏好，采用组合规则对多模态数据进行融合，并从中确定最终意图。此外，本文采用人在回路策略，依据用户对融合结果的反馈动态更新权重因子。本研究的核心目标在于解决多模态意图理解方法准确率低、个性化不足的问题，同时兼顾对会议、低光照环境等交互场景的适应能力。通过采用多模态意图融合方法控制机械臂完成目标物体抓取任务，本研究实现了94%互系统，未来还将推广至更复杂的人机交互任务，以应对更精细的意图理解挑战。

高水平击剑运动员注视行为与竞技表现：攻防阶段的认知视角Vincze,A.,Iacob,A.F.G.,Radu,I.,Iliescu,D.,&Jurchiş,R.|Cortex穿戴式 体育研究在高速竞技运动中，高效获取并精准利用视觉信息是提升竞技水平的核心。本研究旨在探究击剑运动中视觉加工与表现的内在关联，重点分析动态实战场景下各项注视指标的特征。通过穿戴式眼动追踪技术，研究监测了国家级佩剑运动员在10分钟对抗中的注视行为。我们假设，“静眼（QuietEye,QE）”时长、注视频次及扫描位置数量等视觉行为会显著影响运动员的攻防效果。结果表明，得分动作前的静眼时长显著长于失分动作；同时，防守时的注视次数和扫描位置数均显著高于进攻阶段。这些发现揭示了实战语境下击剑运动的认知加工过程，论证了多样化视觉行为模式的价值，并为制定训练方案提供了启示。教育研究教育研究领域的学术研究旨在深入剖析教学过程、实践模式及其产出结果。研究者广泛探索教学方法、课程设计、学生学习规律及评估体系等核心环节。近年来，眼动追踪技术在教育研究中的应用日益广泛，主要用于分析学生在课堂中的参与度与认知负荷，观测教师在教学过程中的视觉行为，以及师生间共同注意的演进过程。这些实证研究能够驱动教学材料的设计优化，并为学习环境的评估与改进提供科学依据。生成式AI与多模态数据在教育反馈中的应用：基于具身数学学习的研究教育研究教育研究领域的学术研究旨在深入剖析教学过程、实践模式及其产出结果。研究者广泛探索教学方法、课程设计、学生学习规律及评估体系等核心环节。近年来，眼动追踪技术在教育研究中的应用日益广泛，主要用于分析学生在课堂中的参与度与认知负荷，观测教师在教学过程中的视觉行为，以及师生间共同注意的演进过程。这些实证研究能够驱动教学材料的设计优化，并为学习环境的评估与改进提供科学依据。Cosentino,G.,Anton,J.,Sharma,K.,Gelsomini,M.,Giannakos,M.,&Abrahamson,D.|BritishJournalofEducationalTechnology

教学视频中的双模态线索阻碍了学习：来自眼动研究的证据Jing,B.,Ma,H.,Zhang,Y.,Zhou,Y.,&Dong,Y.|InternationalJournalofHuman–ComputerInteraction穿戴式

屏幕式准确生成形成性反馈是提升儿童数字化学习成效的关键。本研究旨在探究生成式人工智能（GenAI）在数学教育中提供反馈的效用。实验中，儿童通过大尺度具身数轴（Body-scalenumberline）进行交互，学习正负整数运算。研究采用组间设计，对比分析了人类导师与GenAI提供反馈的差异，并利用眼动数据及交互日志评估学生的视觉加工策略与认知负荷。结果表明，尽管两组被试在任务表现上无显著差异，但GenAI反馈组的认知负荷更低，且学生在两种条件下展现出截然不同的视觉信息加工策略。这一发现证实了GenAI通过结构化、自适应反馈辅助传统教学的可行性。研究强调了人工与AI融合的“混合智能”模式在提升教学协同效应方面的重要性，为设计高效的人机协同学习环境提供了重要启示。

教师在教学视频中常通过视觉和言语提示来引导注意力，但视觉线索与言语线索的结合对学习的影响仍不明确。研究分析了基于韵律特征（如音高、停顿、重音）的言语线索，是否会干扰由颜色和粗体强调的视觉线索，从而导致学习效果的下降。采用2×2（无/有视觉线索×无/有言语线索）被试间实验设计，利用眼动追踪技术分析了128名大学生的信息加工过程。实验结果显示，双模态线索降低了学习效果。眼动数据揭示，当两种线索同时出现时，被试在文本处理上的注视时长更短、频率更低，外部负荷增加，而用于加工核心知识的相关负荷则随之下降。这一发现证实了不同模态提示之间存在干扰效应，强调了在多媒体学习中采用单模态提示的优势。消费者研究消费者研究的目标在于构建关于消费者行为的科学知识，并对相关行为逻辑进行解释与预测。眼动追踪技术能够深度解析影响购买意向及用户体验的关键行为特征，为产品早期设计提供核心洞察。此外，该技术在量化营销活动效果、优化包装设计以及评估货架陈列策略等方面也具有显著的实证价值。信任还是怀疑？AIGC广告对消费者响应的传播机制消费者研究消费者研究的目标在于构建关于消费者行为的科学知识，并对相关行为逻辑进行解释与预测。眼动追踪技术能够深度解析影响购买意向及用户体验的关键行为特征，为产品早期设计提供核心洞察。此外，该技术在量化营销活动效果、优化包装设计以及评估货架陈列策略等方面也具有显著的实证价值。Jiang,S.,Zheng,W.,&Kong,H.|JournalofTheoreticalandAppliedElectronicCommerceResearch

绿色雇主标签重要吗？一项关于环境责任宣传对招聘影响的研究Pfiffelmann,J.,DePelsmacker,P.,Guillot-Soulez,C.,&Soulez,S.|InternationalJournalofAdvertising屏幕式 屏幕式生成式人工智能（AIGC）正深刻重塑广告生态，但学界尚缺乏关于其塑造消费者响应机制的系统探讨。本研究整合注意力分配理论与精细加工可能性模型（ELM），通过眼动实验与问卷调查，旨在揭示关联型与发散型AI广告在双重认知加工中的影响机制。研究发现，关联型AI广告主要通过引导被试对产品区域的注意力分配，有效提升了感知有用性（PU）并增强购买意愿；而发散型AI广告则凭借非产品相关的创意元素激发感知娱乐性（PE），从而优化广告态度。此外，产品卷入度（PI）在这一过程中具有调节作用：高卷入度强化了感知有用性在中心路径中的主导地位，而低卷入度则放大了感知娱乐性在边缘路径中的效应。本研究构建的双路径认知模型，弥合了AI广告中隐性注意机制与显性感知结果之间的理论差距，为广告主平衡技术实用性与创意吸引力、实现精准化智能营销提供了关键的策略指导。

越来越多的企业开始利用第三方认证的“绿色雇主标签”来强化雇主品牌。本研究基于信号理论与自我一致性理论，对142名青年被试开展眼动实验与问卷调查。实验在虚拟领英招聘页面上展示不同广告版本，分析了被试对11个兴趣区的视觉注意分配。研究发现，绿色雇主标签的引入使被试对领英搜索区域的注意力分配显著增加，而对雇主Logo及横幅的关注度则有所下环境关注度较高的个体，这种契合感的提升尤为显著，并进一步转化为更高的广告可信度与雇主品牌好感度。PlBB%@B99t5@8NO@BRShah,H.A.,Andberg,S.,Koivisto,A.M.,&Bednarik,R.|IEEETransactionsonNeuralSystemsandRehabilitationEngineering

Hassan,M.A.,Zhuang,Y.,Shifat-E-Rabbi,M.,Aldridge,C.M.,Southerland,A.M.,&Rohde,G.K.|FrontiersinNeurologyai8z¥:9@,w1KRcs@e@:alia:.a5a”eTt3Pz(.:+‹J:› H:+‹J:Rtx«'K(OKN) Iñ ,@@1§§ @@@§§ @, @@@Radon.@,^. @(DRCDT)—1@1T1i•0(is› Nt£,:ñ:*I.'JUG'JfBaal,«1cs,@—1Bs11J4t8.R ,s@x‹:+‹J:6SeNts st5Ja‹26s1(96%)—c:xR (88%›.*—@ (EMS)—1,iaf4(ED)sI:eiPaR‹yKT.^.I1 eN&6.9Aa,6@3°.a@:8RReJ&@t9D@f‹n@.50 Tobii 51培训与评估培训与评估研究聚焦于优化各行业（如工业、航空或体育）迁移机制。其核心目标在于缩短培训周期，并确保专业经验能从专家高效传递给新专家经验。专家医生与医学新手在模拟接诊中的注视行为差异成因：一项混合方法研究Yamada,R.,Xu,K.,Kondo,S.,&Fujimoto,M.|PLoSOne穿戴式人类认知过程深刻表现在注视行为之中。在自然交互中，视线不仅承担着信息获取的功能，还发挥着社交信号的传递作用。虽然既往研究已关注到专家视线在信息采集中的价值，但其底层的认知加工机制尚不明确。本研究采用探索性序列混合方法设计，利用分层贝叶斯模型对比了专家医生与医学生在模拟接诊过程中，对患者眼部、面部、躯干、病历及问卷等5个区域的注视模式差异，并通过半结构化访谈揭示了行为背后的心理动机。实验结果显示，专家在交互中注视患者眼部的频次显著低于医学生。定性分析揭示了两者动机的本质区别：专家医生虽认可眼部在诊断中的价值，但为避免引起患者不适而有意识地减少了对视；与之相对，新手则倾向于通过增加对视频率来提升患者满意度，而非出于诊断信息的获取需求。这种认知与行为的关联揭示了专家与新手在临床互动中截然不同的动机，强调了在医学教育中融入注视策略培训的必要性，有望提升患者诊疗质量与医学生学习效果。

用户体验（UX）研究用户体验（UX）是个体在与产品、服务或系统交