基于眼动追踪的视觉行为分析实验教学设计-以硕士研究生教育技术学专业为例

基于眼动追踪的视觉行为分析实验教学设计——以硕士研究生教育技术学专业为例

一、课程背景与教学设计理念

本课程设计基于“新文科”与“新工科”交叉融合的背景，面向教育技术学硕士研究生二年级开设。课程旨在超越传统质性观察与量化问卷的局限，引导学生掌握利用精密仪器（眼动仪）与数据分析软件，对人类视觉注意力的分配、认知加工过程及社会互动中的视觉行为模式进行科学监测与解读。【核心前沿】该设计体现了心理学、计算机科学与教育学研究的深度融合，强调循证实践与数据驱动的教学改进。教学设计的核心理念是“做中学”与“研究性学习”，将课堂转变为研究工坊，让学生在真实的科研项目中掌握视觉行为监测的全流程。【重要】我们不仅关注技术的操作，更关注从“视觉数据”到“教育洞见”的转化过程，即如何通过“视觉”这个窗口，窥见学习者的认知负荷、兴趣点以及学习策略。

二、教学目标的精细化分层

依据布鲁姆教育目标分类法，结合工程教育认证的毕业要求，本课程的教学目标被精确划分为四个递进层次：

（一）知识与理解【基础】

学生能够准确复述眼动追踪的基本生理原理，如角膜反射原理、瞳孔-角膜反射向量法。能够解释并区分关键的视觉行为指标，包括但不限于注视（Fixation）、眼跳（Saccade）、追随运动（Pursuit）、眨眼（Blink）、回视（Regression）、首次注视时间（TFF）、总注视时长（TFD）、兴趣区（AOI）内的注视点个数、热点图（HeatMap）及轨迹图（GazePlot）的生成逻辑。理解视觉注意与认知负荷、学习效果之间的理论关联。

（二）应用与分析【重要】

学生能够独立操作便携式或遥测式眼动仪，完成从设备校准、实验范式设计、被试指导到数据采集的全过程。能够使用配套的数据分析软件（如TobiiProLab或类似平台），对采集到的原始数据进行清洗、降噪，并生成可视化的分析报告。通过对视觉数据的分析，能够识别出不同个体或不同教学材料（如图文排版、视频剪辑、课件设计）所引发的视觉行为差异。

（三）评价与综合【非常重要】

学生能够基于视觉行为数据，批判性地评价现有的教学媒体设计、教学环境布局或师生互动模式。能够将视觉行为数据与访谈、测试成绩等多元数据进行三角互证，提出有理有据的教学优化方案。通过小组项目，学生需要综合运用所学知识，针对一个具体的教育问题（如慕课视频的注意力保持、智慧教室的座位排布与师生视线交互、特殊儿童视觉注视训练等），设计并实施一项完整的视觉行为监测研究。

（四）元认知与创新【高频考点】

培养学生对自身研究过程的反思能力，能够识别研究中的干扰变量，并对实验设计的效度进行自我评估。鼓励学生在理解现有算法的基础上，提出关于视觉数据挖掘的新思路，例如将视觉数据与脑电数据（EEG）进行多模态融合分析，探索更为深层的学习机制。

三、教学重点与难点突破策略

（一）教学重点

1.关键眼动指标的心理学含义：理解数据背后的认知过程。不仅仅是记住缩写，更要理解TFF短意味着吸引还是困惑。

2.实验范式的标准化设计：如何控制无关变量，确保采集到的数据是“纯净”的。

3.基于AOI的数据解读与可视化呈现：将枯燥的数据转化为有说服力的图表和结论。

（二）教学难点

1.设备校准的精确性与被试个体差异的处理：例如眼镜、睫毛、瞳孔颜色对校准的影响。【难点】

2.数据的噪声识别与剔除：如何区分生理性眼动与数据漂移。

3.视觉行为数据与高阶认知活动（如思维、理解、情感）的对应关系推断，避免过度解读。

（三）难点突破策略

针对校准问题，采用“双人互助校准法”，即两位同学一组，互相作为主试与被试，反复练习针对不同眼部特征的校准技巧。针对数据解读的主观性问题，引入“专家盲评+小组研讨”机制，将同一组数据匿名后，交由不同小组分别解读，然后进行交叉验证和辩论，由教师引导，揭示数据解读的多重可能性与严谨性要求。【热点】

四、教学准备与环境创设

（一）物理环境

配备移动式眼动追踪实验室。核心设备为三台高采样率（如120Hz或更高）的遥测式眼动仪，分别固定在可调节支架上，用于静态刺激（如图片、网页）的呈现。另配备两套头戴式眼动仪，用于动态场景（如模拟课堂、购物环境）的视觉行为采集。实验室内照明需恒定，避免强光直射，墙壁采用中性色，减少视觉干扰。

（二）数字资源

1.预装TobiiProLab或同等级别分析软件的计算机终端，学生拥有独立账户。

2.自建的“视觉行为监测案例库”，包含往届学生的优秀实验设计、典型错误数据样本、经典论文的原始数据集。

3.教学刺激材料库：涵盖不同学科的课件PPT、不同版式的教科书扫描页、不同剪辑风格的微课视频、虚拟现实（VR）教学场景录屏等。

（三）课前预习任务【基础】

学生需提前阅读教师上传至学习通平台的2-3篇综述性文献，包括一篇关于眼动追踪在教育领域应用的中文核心期刊论文和一篇英文SSCI论文的方法部分。同时，观看一段15分钟的微课视频，内容是“眼动仪校准的标准操作流程”。学生需以小组为单位，提交一份预习报告，列出至少3个关于校准或指标解读的疑问。

五、教学实施过程详解（核心环节）

本教学实施过程共计4学时，每周2学时，持续两周，形成一个完整的项目周期。我们将以“探究不同PPT背景色对学习者阅读注意力的影响”作为贯穿始终的载体项目。

（一）第一课时：理论与校准实战

1.情境创设与导入（约10分钟）【重要】

教师首先展示两张内容相同但背景色不同（白色与深蓝色）的PPT幻灯片，并提问：“请大家凭直觉判断，哪一张看起来更累？为什么？”学生基于经验回答后，教师随即展示一段利用头戴式眼动仪采集的真实学生阅读这两张幻灯片的视频对比，视频中清晰显示了热点图的分布差异。这种直观的冲击立刻将学生从感性认知带入科学探究的情境。教师由此引出本单元的核心任务：我们将不再依赖猜测，而是用科学手段“看见”视觉行为。

2.核心概念精讲与指标辨析（约20分钟）

教师结合PPT动态图示，讲解核心指标。特别注意，不是单纯罗列，而是通过对比加深理解。例如，同时展示两个阅读者的轨迹图：一个阅读流畅，轨迹呈线性顺滑移动；另一个阅读困难，轨迹充满回视和长时间驻留。教师引导学生自己归纳出“注视”与“眼跳”的关系，并引入“回视率”作为衡量材料难度的潜在指标。【高频考点】教师重点讲解“兴趣区（AOI）的动态划分”，指出对于动态视频刺激，AOI需要随时间轴变化，这是本课的一个高阶思维点。

3.实验设计解析（约15分钟）

教师详细拆解载体项目的实验设计。自变量：PPT背景色（白、深蓝、米黄三个水平）。因变量：总注视时长、平均注视时长、兴趣区内注视点个数、主观疲劳问卷得分。控制变量：文本内容、字体字号、环境亮度、被试视力水平。教师强调双盲实验的必要性，即被试不知道实验目的，主试在采集数据时也不带有预设偏好。这个环节旨在让学生理解一个科学的视觉行为研究是如何构建的。

4.设备实操：校准技术专项训练（约45分钟）【难点突破】

学生分组进入实验区。每组3人，轮流担任主试、被试和记录员。

（1）主试引导被试就座，调整座椅高度与眼动仪距离，确保眼睛位于追踪框内最佳位置。

（2）主试启动5点校准程序，引导被试依次注视屏幕上的红点。记录员观察校准软件实时反馈的质量图（通常显示为各点的偏差值）。

（3）关键训练点：当校准质量不佳时（如某个点偏差超过1度），主试需判断原因。是头动？是眼睛干涩眨眼？还是眼镜反光？主试需尝试调整设备位置、提醒被试、甚至更换被试眼镜角度，反复尝试直至获得高质量校准结果。

（4）每位同学都必须至少完成两次成功的校准操作。教师巡回指导，针对“角膜反光点丢失”等常见故障进行现场排故演示。此环节强调操作的肌肉记忆与问题预判能力，是后续一切数据准确性的基石。

（二）第二课时：数据采集与初步分析

1.正式实验数据采集（约30分钟）【重要】

基于上一课时的练习，各小组正式开始为载体项目采集数据。每小组招募一名“新手被试”（可从其他专业邀请志愿者）。小组严格按照实验流程操作：

（1）向被试说明指导语，签署知情同意书。

（2）进行高精度校准（9点校准）。

（3）播放实验刺激材料：三种背景色的PPT页面，以拉丁方顺序呈现，以平衡顺序效应。

（4）每张PPT呈现后，请被试进行短暂的主观难度评分（1-5分）。

（5）数据自动保存至软件。整个过程要求全组肃静，主试仅用规范手势引导。

2.数据导出与预处理（约15分钟）

小组回到分析工位。教师演示如何将原始数据导入分析软件。重点讲解数据滤波（Filter）的设置，例如选择I-VT滤波器，设定注视速度阈值（如30度/秒），剔除眨眼导致的无效数据。教师强调，预处理参数的统一是保证组间数据可比性的前提。【基础】

3.兴趣区（AOI）的划定与数据提取（约35分钟）

这是本课时的核心技能点。

（1）教师首先演示静态图片的AOI划定：将PPT页面划分为标题区、文本区、图片区，软件自动计算出每个AOI内的各项指标。

（2）进阶演示：针对同一张PPT，动态划定AOI。例如，如果PPT有动画，元素分步出现，AOI也要随之分时段创建。

（3）学生实操：各小组对采集到的数据进行AOI划定。小组内需讨论如何划分更科学——是将整个文本块作为一个AOI，还是按段落划分？教师引导大家思考研究目的，指出如果关注的是阅读流畅性，分段AOI更有价值；如果关注的是整体吸引力，大AOI即可。

（4）数据提取：运行分析脚本，导出包含TFF、TFD、注视次数等指标的Excel表格。学生首次面对自己亲手采集的原始数据，感受到从“现象”到“数字”的转化。

4.数据可视化初探（约20分钟）

学生利用软件自动生成热点图叠加图和蜜蜂眼图（轨迹图）。教师引导学生观察不同背景色条件下的热点分布差异。通常，白色背景下热点可能更分散，深蓝色背景下热点更集中于中心，而米黄色背景下热点分布可能更均匀。教师鼓励学生提出初步的视觉假说，例如“高对比度可能导致注视更聚焦但也更容易疲劳？”为下一课时的深入分析埋下伏笔。

（三）第三课时：多维数据分析与解读

1.数据统计与假设检验（约30分钟）

将上节课导出的数据汇总至全班共享文档。教师引入统计分析方法，但重点不在公式推导，而在方法选择与结果解读。

（1）教师演示如何用SPSS或JASP进行单因素重复测量方差分析。

（2）引导学生判断数据是否符合球形假设，若不满足如何进行校正。

（3）输出结果中，重点解读组间差异的显著性（p值）和效应量（partialη²）。

（4）学生分组对自己的小样本数据进行统计尝试，虽然可能不显著，但重点在于理解分析流程。教师展示一份往届的“标准答案”数据，让学生看到当样本量足够大时，不同背景色在首次注视时间上的确存在显著差异。

2.数据三角互证与深度挖掘（约25分钟）【非常重要】

教师指出，单纯的眼动数据是“冰冷”的，必须结合其他数据。

（1）眼动数据与主观评分结合：对比被试注视时间最长的PPT与其主观评分的一致性。如果看的时间最长但评分却说“最简单”，可能存在矛盾，这恰恰是值得探究的点——是吸引了深度思考，还是因为看不懂而停留？

（2）眼动数据与回放视频结合：调出被试的眼动轨迹视频，同步回放给被试看，进行“追述访谈”。例如问：“你刚才在这里停留了很久，当时在想什么？”这种将客观数据作为刺激物，引发被试内省的方法，能获取极其宝贵的质性资料。

（3）教师展示一个高级案例：将多名被试的数据叠加，生成“集体热点图”，识别出群体视觉注意的共性规律，用于指导PPT模板的优化设计。【高频考点】

3.小组研讨：从数据到洞见的转化（约25分钟）

各小组围绕“PPT背景色究竟如何影响视觉行为”展开研讨。研讨必须基于本组数据，并参考教师提供的全班数据集。研讨提纲：

（1）我们的数据支持哪种背景色更优？依据是什么？

（2）是否存在个体差异？例如，不同阅读能力的学生对背景色的敏感度是否不同？

（3）如果我们要为学校教师提供PPT配色建议，我们的数据能支撑什么样的结论？又有哪些局限？

教师穿梭于各组之间，以研究伙伴的身份参与讨论，适时引导学生注意数据的“灰色地带”，避免二元对立的简单结论。

4.批判性思维训练：识别伪相关与过度解读（约20分钟）

教师展示一份存在误导性的研究报告，其中将注视时间的增长直接等同于学习效果更好。引导学生辨析：注视时间长，可能是认知负荷过大导致加工困难，也可能是深度加工的表现。如何区分？必须结合后测成绩。通过这种案例分析，强化学生作为研究者的严谨性，这是科研伦理的一部分。

（四）第四课时：成果汇报与项目迭代

1.小组可视化报告设计（约30分钟）

各小组利用剩余的课堂时间，将本组的研究发现制作成一份学术海报（PPT格式）或简短的汇报PPT。要求必须包含：研究问题、实验设计、核心可视化结果（热点图、柱状图）、主要结论、教学启示及研究反思。特别强调“研究反思”部分，要求坦诚地分析本组实验过程中的不足，如校准偏差、被试疲劳等。

2.成果汇报与同行评议（约45分钟）【热点】

采用“模拟学术会议”的形式。每个小组有5分钟汇报时间，3分钟问答。

（1）汇报组展示其核心发现，例如“我们发现，在深蓝色背景上，被试对文本区的首次注视时间显著晚于白色背景，且注视点更分散，我们推断深蓝色背景可能具有视觉抑制效应，不利于快速定位关键信息”。

（2）评议组（由其他小组担任）基于汇报内容提问，例如“你们如何排除文本内容的难度差异对首次注视时间的影响？”或“你们的热点图显示边缘区域有热点，这是否与被试的习惯性扫视有关，而非背景色效应？”

（3）教师作为会议主席，引导提问聚焦于研究设计和数据解读的严谨性，并对精彩的提问和回答进行即时点评。这种互评机制极大地激活了高阶思维。

3.教师总结与知识体系重构（约15分钟）

教师对各小组的研究进行综述性评价，肯定亮点，更要点出共性问题，例如“对回归率的忽视”、“对兴趣区边界效应的忽略”。随后，教师将本单元的知识点串联成一个闭环：理论假设——实验设计——设备校准——数据采集——AOI划定——统计分析——三角互证——结论反思。教师强调，视觉行为监测不是终点，而是理解学习、优化教学的起点。它为我们提供了一扇通往学习者内心世界的窗户，但打开窗户后，还需要我们用多元的视角去观察和对话。

4.项目迭代与拓展任务（约10分钟）

教师发布下一阶段的拓展任务（课后完成）：基于本次课的经验和评议反馈，各小组需重新审视并优化自己的实验设计，尝试更换一种刺激材料（如微课视频），再次进行一轮完整的视觉行为监测研究，并提交一份正式的研究报告，要求达到可投稿院刊的水平。同时，教师推荐几个前沿研究方向，如“AR/VR环境下的视觉注意力分配”、“在线协作学习中成员间的视线相互关注度监