Tobii眼动追踪：2025年度研究报告

关于本报告本报告聚焦Tobii眼动追踪解决方案，全面盘点眼动追踪技术在推动科学研究及其应用领域的关键进展。我们旨在全方位展示Tobii解决方案在当今科研环境、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Tobii设备进行数据采集与分析的同行评议文章、会议论文集及书籍章节等英文文献。我们致力于聚焦那些在Tobii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Tobii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。Tobii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指南。报告梳理了过去一年全球的科研进展，并萃取为清晰的行业洞察。通过阅读本报告，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。报告目录3

关于本报告4

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52

培训与评估53

用户体验研究54总结与展望55

拓展阅读56

参考文献Tobii|

2025年度研究报告

|关于本报告

3科学研究中的眼动追踪决策屏幕式眼动追踪是一项传感器技术，可精确捕捉并记录人眼的位置及运动轨迹。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瞳孔尺寸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•

还有更多基础研究领域心理学与神经科学构成了基础研究的核心版图，涵盖了图示中的多个子领域。在这些学科中，眼动追踪作为一项成熟的科研手段，在揭示注意力、认知及视觉信息处理等底层机制方面发挥着

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4

Tobii

|2025年度研究报告|眼动追踪研究概述

Tobii|2025年度研究报告|眼动追踪研究概述

5眼动追踪研究概述基础语

研眼动仪能够揭示什么穿戴式真实环境研究VR虚拟环境研究屏幕式实验室设置眼动仪类型眼动仪类眼睑开合人因人类视觉应用研究领域言究领域认知负荷学记忆认知研究医学研究穿戴式与社教认感知知用户体验研究会培阅读眨眼育消费者与训研究研究研究与过生理过程评估程发展研究型态势临床究感研研知究VR原则

1：明确研究问题，构建理论关联。首先需制定清晰的研究问题，并界定眼动追踪如何揭示知觉、认知或行为机制。研究者应明确：目标是单纯描述注视行为，还是将其作为心理过程的量化指标。建立稳固的理论联系，能确保眼动数据产出具有针对性且可验证的见解，并与研究假设保持一致。原则2：科学操作化，转化为可测变量。将抽象理论转化为注视、眼跳、瞳孔大小、眨眼或眼睑开合度等可测量指标。

需评估这些变量是作为认知状态的直接度量，还是作为代理指标。透明地报告算法与参数设置，不仅能提升研究的可重复性与跨研究的可比性，更能强化研究结果的解释效力。原则

3：精准选型，匹配研究场景。根据研究环境（如受控实验室、沉浸式VR或真实世界）选择最匹配的眼动仪。在屏幕式与穿戴式方案间权衡时，应综合对比设备的采样率、精度及便携性，以确保在特定实验条件下获取可靠数据。原则4：工具协同，优化分析路径。选择能够实现高效记录、可视化及数据解读的软件工具。高度集成的工具链有助于确保工作流的透明度与同步性，将复杂的原始数据高效转化为科研见解。Tobii

Pro

Lab深度支持从刺激物设计、数据采集到指标分析的全流程，适用于屏幕式与穿戴式研究。此外，Tobii硬件具有良好的开放性，可兼容主流开源科研软件。原则

5：迭代预研，确保严谨品质。在大规模采集数据前，务必通过预实验（Pilot

Study）完善实验设置、指导语及分析方案。预实验是发现潜在错误、优化设计的关键环节。将其视为一个“测试-评估-改进”的迭代过程，能有效节省时间成本并提升科学严谨性。研究历程：从理论到眼动追踪洞察开展眼动追踪研究通常遵循一套严密的系统流程，即从初期的理论构建出发，贯穿数据采集至最终的深度分析。2025年初，权威学术期刊《行为研究方法》（Behavior

ResearchMethods）刊发了“眼动追踪基本原则”（Fundamentalsofeyetracking）专题系列，业内专家在该系列中系统性地阐述了设计并执行严谨眼动研究的核心方法论原则。无论您是该领域的科研新人，还是寻求精进研究方法的资深学者，我们都建议您深度研读这5篇系列文章。Fundamental1

Thefundamentals

ofeyetracking

part

1:The

link

betweentheory

and

research

question(Hessels

et

al.,

2025).Fundamental2

Thefundamentals

ofeyetracking

part

2:

From

research

questionto

operationalization(Hooge

et

al.,

2025).Fundamental3

Thefundamentals

ofeyetracking

part

3:

Howto

choose

an

eyetracker.(Nyström

et

al.,

2025).Fundamental4

Thefundamentals

ofeyetracking

part4:Toolsfor

conducting

an

eyetracking

study.

(Niehorster

et

al.,

2025).Fundamental5

Thefundamentals

ofeyetracking

part

5:The

importance

ofpiloting.

(Hessels

et

al.,

2025).明确研究问题定义研究问题，评估眼动追踪是否为探索相关认知或知觉过程的适用方法(Hessels

et

al.,

2025)。深度分析直达科研洞察设备校准与数据采集选用支持可靠采集、可视化及分析的软件工具，确保研究全流程的透明性与可重复性

(Niehorsteretal.,

2025)。6

Tobii

|2025年度研究报告|研究历程：从理论到眼动追踪洞察

Tobii|2025年度研究报告|研究历程：从理论到眼动追踪洞察

7将理论构想转化为注视、眼跳等可测变量，并建立研究假设与可观察行为之间的逻辑关联(Hooge

et

al.,

2025)。实验方案设计硬件选型与部署根据研究目标、实验环境及精度需求，匹配最合适的眼动仪设备(Nyström

et

al.,

2025)。被试筛选与招募回望过去十年，全球已有超过

15,000篇科研文献选用了Tobii

眼动追踪技术。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与高精度，可精确捕捉从婴幼儿到成年人、乃至非人灵长类动物的全生命周期和跨物种眼动数据。得益于此，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。2025年出版物类型的构成比例作为全球科研眼动追踪技术的领军者，Tobii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Tobii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%的小幅回调，但书籍章节依然保持稳健。这一系列增长数据精准映射出跨度十年的宏观行业趋势：迄今为止，全球已有逾1.5万篇科研文献信赖并采用了Tobii眼动追踪技术。8

Tobii

|2025年度研究报告|2025年关键数据

Tobii|2025年度研究报告|2025年关键数据

91604篇新增出版物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。2025年关键数据学术期刊论文会议论文书籍章节2025年度使用Tobii眼动追踪的科研出版物领域分布*人因研究与心理学/神经科学领跑眼动研究作为技术先驱，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%的高增速，一举成为眼动追踪增速最大的研究领域。尽管人因研究在份额与绝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。人因研究心理学和神经科学教育研究消费者研究医学研究培训与评估用户体验研究10

Tobii

|2025年度研究报告|2025年关键数据

Tobii|2025年度研究报告|2025年关键数据

11人因研究心理学与神经科学教育研究消费者研究医学研究培训与评估用户体验研究其他*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。与2024年相比+33%+21%+23%

+12%+12%+31%

人因、心理学和神经科学继续领跑眼动追踪研究703认知研究39%临床研究语言学与阅读研究发展研究17%13%13%认知研究其他语言学和阅读研究-4

-14

-22

+8712

Tobii

|2025年度研究报告|2025年关键数据

Tobii|2025年度研究报告|2025年关键数据

13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。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。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。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。社会研究7%情绪研究：评估情感状态对行为的导向作用。该领域探究情绪体验、表达与调节的内在机制。眼动追踪可用于调查对情绪刺激的注意偏向，洞察情绪状态如何重塑人类的信息处理策略与决策过程。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2024年以来的变化

+17

+12临床研究发展研究社会研究2024-2025年心理学与神经科学细分领域产出变动。心理学与神经科学研究领域内各子领域的分布情况。情绪研究6%其他5%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。航空与航海：保障高风险作业安全。聚焦空运与海运的安全性、效率与运行表现。通过对视觉注意力、认知负荷及态势感知的深度洞察，赋能模拟训练、界面设计及操作程序优化，重点提升飞行员的专业表现与安全。2024年以来的变化人机交互

+42

+26

+21I

+5+2施工与工程人机协作人机协作：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。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、增强态势感知的策略。14

Tobii

|2025年度研究报告|2025年关键数据

Tobii|2025年度研究报告|2025年关键数据

15人机交互（H

MI）：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。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。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。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。医疗保健其他驾驶研究建筑与导航航空与航海HMI与驾驶研究领跑人因研究其他领域：涵盖农业研究等不属于上述特定技术细分的研究方向。-11

-23

2024-2025年人因研究细分领域产出变动。航空与航海6%建筑与导航10%施工与工程8%人因研究领域内各子领域的分布情况。驾驶研究20%人机交互31%运动科学4%人机协作4%医疗保健12%其他6%+992025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。婴幼儿其他临床疾病患者孤独症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102

20

25

574722025年研究中采用Tobii眼动仪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篇与

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%。穿戴式眼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。2025年研究中采用Tobii软件的类型占比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。16

Tobii

|2025年度研究报告|2025年关键数据

Tobii|2025年度研究报告|2025年关键数据

17Tobii软件兼容Tobii的软件TobiiSDKs/APIs和开源软件未报告屏幕式眼动追踪领跑2025科研，穿戴式设备稳步增长Tobii软件稳居眼动研究应用首选2025年Tobii眼动研究数量：涵盖发育、临床及有研究难度的群体。屏幕式穿戴式VR2025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，涵盖注意力分布、视觉策略、认知负荷、疲劳程度、情绪反应以及安全相关的表现。此类方法已广泛应用于驾驶与操作环境、临床筛查及医疗决策支持等场景。另一组规模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赋能的系统与界面，深入探讨在人机交互场景（含AI辅助及生成式AI工具）中，

AI对可用性、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年的整体分布模式：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。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。在

103篇出版物中，科学家通过测量眼跳或微眼跳来表征视觉探索、注意力转移及动眼控制。与2024年（89篇，占比6%）相比，虽然出版绝对值有所上升，但受总出版量增长的影响，其2025年的市场份额保持在6%，基本持平。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%。人因研究54%18

Tobii

|2025年度研究报告|2025年关键数据

Tobii|2025年度研究报告|2025年关键数据

19心理学与神经科学27%Nyström,

M.,Andersson,

R.,

Niehorster,

D.

C.,

Hessels,

R.

S.,

&

Hooge,

I.T.

C.

(2024).What

is

a

blink?

Classifying

and

characterizing

blinks

in

eye

openness

signals.BehaviorResearchMethods.眼动追踪：不仅是注视位置医学研究11%2025年结合AI与眼动追踪的研究领域分布用户体验研究教育研究7%培训与评估5%注视驱动的人工智能正展现强劲增势消费者研究4%1%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。Tobii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。Tobii

ProGlasses

3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。Tobii

ProSpectrum具备高时间分辨率，可检测与心理努力相关的细微眼动。Tobii

Pro

Fusion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。点击此处获取认知负荷白皮书

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。

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。用户体验研究5%2025年眼动追踪用于评估认知负荷的研究领域分布。眼动追踪：洞察心理状态的窗口Tobii|

2025年度研究报告

|2025年关键数据

2120

Tobii

|2025年度研究报告

|

2025年关键数据教育研究12%心理学与神经科学22%消费者研究3%医学研究2%使用眼动追踪测量认知负荷培训与评估7%人因研究49%Tobii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篇出版物采用多模态眼动追踪技术，占出版物总数的19%，较2024年同比增长25%。与往年一致，多数多模态研究依赖于相对精简的配置。尽管大部分研究仅结合单一额外传感器，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）配合施测，反映出研究者对关联注视行为与生理状态的持续关注。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。22

Tobii

|2025年度研究报告

|

2025年关键数据眼动追踪领域多模态研究与附加传感器间的对应关系Tobii|

2025年度研究报告

|2025年关键数据

2360%50%40%30%20%1

0%0%48%EEG

Heart

Rate

GSR

fNIRSEMG

FacialExpression2025年多模态眼动追踪研究持续扩展

单一附加传感器

两个及以上传感器多模态眼动追踪传感器集成数量分布眼动研究多模态传感器构成分布Motion

captureother眼动模式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Tobii

ProGlasses2（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。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。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。眼生理学眼生理指标能反映对心理努力的瞬时、非自发反应，因此仍是评估认知负荷的核心要素。在控制光环境的前提下，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）的研究论证了这一路径：当个体处理复杂的空间表征，尤其是从自我中心向他我中心参考系切换时，高强度的认知转换需求会导致任务诱发型瞳孔扩张显著增加。该研究揭示了在严控视觉环境中，瞳孔动态表征处理负荷细微差异的能力。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Tobii

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。Coupal,

R.A.,Zhang,

R.,

&

Deroche,

M.

L.

D.(2025).Reducedeyeblinkingduring

sentencelisteningreflectsincreasedcognitiveloadinchallengingauditoryconditions.TrendsinHearing.Li,Y.,Zheng,

B.,

Grant,

P.,

&

Li,X.(2025).

Assessingcognitiveloadthrougheyemetricsinin-motionvs.stationaryenvironments.

Applied

Ergonomics,

129,

104598.Minas,

C.,

etal.(2025).

Adaptivereal-timetranslationassistancethrougheye-tracking.Orti,

M.,

etal.(2025).

Cognitiveloadinswitchingbetweenegocentricandallocentricspatial

framesofreference:

Apupillometry

study.

Yu,X.,

etal.(2025a).

Cognitiveworkloadquantification

forairtrafficcontrollers:

Anensemblesemi-supervisedlearningapproach.Advanced

EngineeringInformatics,64,

103065.Yu,X.,

et

al.(2025b).Human

operators’

cognitive

workload

recognition

with

a

dual

attention-enabled

multimodal

fusion

framework.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24

Tobii

|2025年度研究报告|眼动追踪测量认知负荷

Tobii|2025年度研究报告|眼动追踪测量认知负荷

25•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：2025年启发性、创新性和前沿性

的研究2025年，眼动追踪研究在一系列具有启发性、创新性及前沿性的技术突破推动下持续发展。我们确定了7个核心类别，并为每个类别遴选出一篇最具代表性的文章，本章节将深入探讨这些类别并对这些研究进行简要介绍。26

Tobii

|2025年度研究报告|2025年启发性、创新性和前沿性的研究TittaLSL：一种利用Tobii屏幕式眼动仪在

Python和

MATLAB中构建网络化眼动追踪实验的工具箱Niehorster

&

Nyström,

2025,

Behavior

Research

Methods隆德大学的

DiederickC.

Niehorster与

Marcus

Nyström在研究论文中推出了开源工具箱TittaLSL，旨在简化利用Tobii屏幕式眼动仪构建网络化眼动追踪实验的过程，从而降低多被试及共享注视实验的技术门槛。该工具箱基于实验室流层（LSL）框架，支持研究人员以极低的编程工作量实现跨系统注视点数据的实时流式传输与同步。实验数据显示其平均延迟仅为3.05毫秒，证明网络化注视点共享的性能几乎媲美本地追踪水平。通过兼容

MATLAB与

Python，并实现与

EEG、fNIRS等

LSL设备的无缝集成，TittaLSL为共同注意和协作研究奠定了灵活且可扩展的基础。该工具箱降低了多用户及实时眼动追踪研究的门槛，为行为科学中复杂的实验设计创造了更多可能。富有启发性的复杂眼动追踪实验设置该类别研究强调旨在扩展眼动追踪系统功能的实验配置。该配置支持多用户、实时及其他复杂实验条件，并论证了创新方案拓宽行为、感知及协作研究维度的路径。Tobii|2025年度研究报告|2025年启发性、创新性和前沿性的研究

27深度学习量化病理学家视觉模式实现全切片图像诊断Nan

et

al.,

2025,

Nature

Communications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Tobii

ProSpectrum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。眼动追踪技术及其在中风诊断与评估中的应用综述Zhang

et

al.,

2025,

Measurement在本年度眼动追踪研究综述中，Jun

Zhang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。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。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。28

Tobii

|2025年度研究报告|2025年启发性、创新性和前沿性的研究

Tobii|2025年度研究报告|2025年启发性、创新性和前沿性的研究

29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,

Frontiersin

Neurology,遵循CC

BY4.0许可，/licenses/by/4.0/瞳孔自我调节对皮层兴奋性和唤醒的调控Weijs

et

al.,

2025,

Nature

Communications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Tobii

Pro

Nano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。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Bernard

et

al.,

2025,

Child

DevelopmentCyann

Bernard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,Nature

Communications，遵循

CC

BY4.0许可，/licenses/by/4.0/.

Figurecreatedin

BioRender.30

Tobii

|2025年度研究报告|2025年启发性、创新性和前沿性的研究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。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。Tobii|2025年度研究报告|2025年启发性、创新性和前沿性的研究

31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Lyu

and

Li,

2025,

International

Journal

of

Human–Computer

Studies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（Visual

Attention

Matrices）”,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Tobii

ProGlasses

3采集眼动数据，并捕获了驾驶舱内7个兴趣区（AOI）的注视行为。在涉及持证飞行员的案例研究中，系统成功区分了正常监控行为与针对氧气系统故障、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。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Ren

et

al.,

2025,

Scientific

Data研究团队发布了多模态数据集Kaiwu

Kitchen，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。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。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。32

Tobii

|2025年度研究报告|2025年启发性、创新性和前沿性的研究

Tobii|2025年度研究报告|

2025年启发性、创新性和前沿性的研究

33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Tobii

Pro

Nano屏幕式眼动仪（60Hz）、Bitbrain

Diadem

12导脑电及Bitbrain

Ring生物信号传感器（GSR/BVP），所有数据均通过Bitbrain

SennsLab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。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Tobii眼动追踪与Bitbrain

EEG等多模态设置，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。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Bitbrain34

Tobii

|2025年度研究报告|2025年启发性、创新性和前沿性的研究

Tobii|2025年度研究报告|

2025年启发性、创新性和前沿性的研究

35Saavedra,A.,

Chocarro,

R.,

Cortinas,

M.,

&

Rubio,

N.(2025).

Exploring

unconscious

user

responsesto

affective

computing

in

interactiveprototypes:a

consumer

neurosciencestudy.Behaviour&Information

Technology,

1-20.AlmudenaRobledoBitbrain助理产品经理计，彻底重塑我们与数字世界的交互逻辑。“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。阅读全文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）学习者主观难度的多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。阅读全文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（Phase

Resetting）”。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。阅读全