学习在某种程度上是本能的。我们吸收信息、消化信息并将其存储在大脑中的方式一直以来都是科学研究的课题，研究人员致力于解读被教育的大脑的内部运作。通过脑电图和其他实验室技术，我们能够读取大脑模式，但通过眼动追踪，我们可以获得额外的、隐含的见解，而无需依赖侵入性的方法。我们可以观察儿童的认知负荷，了解学术上有天赋的学生如何处理信息，并发明与对学习大脑的更深入理解相一致的教学方法。以下是眼动追踪在教育研究中被用于进一步理解学习过程的一些主要方法。
当你还是个婴儿的时候，你并不知道这一点，但是当你的父母指着一个苹果并说出这个词时，你的大脑里发生了很多事情。首先，你接收到了声音，然后你在标签和所指对象之间进行了联系的映射。每当这个词被重复时，它在你的大脑中会形成更强的联想，但是在整个过程中还有一些其他的帮助因素。你和你的父母共同关注的焦点是苹果，这意味着你知道她不是在说你的洋娃娃、玩具车或刚刚进来的猫。目光的关注点在于苹果，所以你轻而易举地学会了这个词。这种现象被称为共同关注，它是我们儿童学习的基本原则。
教育领域的研究人员对这一概念已有所了解，但是通过眼动追踪技术，我们对婴儿学习过程的理解大大扩展了。我们不仅能够评估共同关注在早期语言习得和理解交流中的作用程度，还能够应对共同关注缺失或极度受限的情况。
在教室里保持30个孩子的注意力长到足以教授知识已经是一个难题，更不用说广泛采用远程学习了。在整个COVID-19疫情期间，世界各地的学校和学习机构不得不关闭，通过新的数字媒体进行教学。在通常情况下，你会在教室前面有一位老师吸引学生的注意力指向黑板，但是现在学生们在视频通话中必须通过自己的直觉来判断老师在看什么和参考了哪些材料。这可能看起来只是一个小小的不便，但它颠覆了人类学习的一个至关重要的基础。
通过眼动追踪，教育研究人员正在寻找方法重新设计学习实践和资源，以适应远程学习时代，以及不可避免地重返教室的情况。在孩子们继续在家学习的同时，改编的演示工具和显示教师注视模式的在线教程可以帮助弥补共同关注情景的缺失。在视频课堂中，更加关注教师而不是课程材料也被证明会引发共同关注的学习时刻，提高教学效果。眼动追踪的见解正不断为这些概念在现实世界中的构想和测试铺平道路。
即使在普及远程学习之前，眼动追踪已经被用于评估如何优化学生的学习环境。自从近20年前开始研究教师的“专业视觉”以来，我们已经了解到教育界的老将们如何从真实的教室经历中读取视觉线索，从有效的教学技巧中提取真实数据。
自从眼动追踪进入教育研究领域以来，这些教学方法的详细图景已经清晰可见。通过分析教师的注视模式，研究人员可以了解他们如何寻找潜在的干扰因素，发现有困难的个体，并追踪教室中内容的接受情况。教育研究人员Halszka Jarodzka解释道：“在这个互动、动态的环境中，教师对教室的视觉感知在课堂管理和教学中起着关键作用”（Jarodzka:2020）。这些对经验丰富的教师注意力的眼动追踪研究可以帮助新教育工作者确保他们班级的学生专注和善于接受，提高他们发挥能力的机会。
这个研究领域还有很长的路要走，Jarodzka还解释说：“更多的行动眼动研究将使我们能够了解教师的视觉感知是如何在教学过程中发挥作用的”（Jarodzka:2020）。这是一个令人兴奋的观点，它让我们能够想象一个全新的心理学研究领域，其中教学的行为可以被隔离、分析和理解！
教师并不是发展心理学家，但历来他们被期望要做出复杂的判断，例如对阅读和理解能力作出判断，这可能对孩子的学习产生持久影响。当这些决定能够准确和及早地做出时，孩子们可以接受专门的学习计划，帮助他们在离开学校时达到最高的阅读水平。另一方面，延迟做出决定会剥夺孩子们在学习上取得领先的机会。
缓解这种危险的一个解决方案是使用眼动追踪技术来测量阅读模式。过去，你可能会密切观察孩子的阅读速度和流畅程度，眼动追踪技术使你能够分离出特定的认知负荷区域、确切的停顿以及特定的词汇困难。通过这种方式，现在能够更准确地区分一个孩子真正反复在阅读完整句子时遇到困难的情况，和另一个在孤立的词或在评估时分心的孩子。
眼动追踪技术正在推动这些发展，而像Tobii新的阅读眼动指标和Tobii Pro Lab等自动分析工具，势必会在未来在这一领域发挥作用。
我们都曾经处于这样的情境中，那就是复杂的文本严重拖慢了我们内化信息的能力。术语、复杂的措辞和行业术语都在阅读过程中起着作用，使某些人无法真正受到启发。这在学术界非常常见，但幸运的是有研究人员正在研究如何使科学论文更容易理解，而不会淡化内容。
一个令人兴奋的新例子是关于文本摘要增强的过程，这个过程可以追踪读者的注视并评估认知负荷。当记录到对某个单词或科学术语的较高负荷时，德国人工智能研究中心的概念软件会认为这是一个犹豫的时刻，并以一种有用且不显眼的方式介绍该术语的定义。读者不需要离开屏幕自己去搜索含义，就能理解术语，它在句子中的上下文，并在不打断自己的集中注意力的情况下继续阅读。
这个软件背后的团队追求的是智能阅读解决方案，它们可以消除读者的次要责任，使他们专注于信息本身。他们的算法意味着可以识别出“低信心”时期(Vadiraja、Dengel、Ishimaru: 2021)，并提供最合适的帮助，引导他们朝着正确的方向前进。
我们只需想象一下，这种软件在各种情况下的潜在应用：从早期发展阅读资源到辅助有学习障碍的人，能够了解阅读困难并实时作出响应的算法有无尽的现实世界应用。
化学学生在初次深入学习这门学科时面临着一个独特的障碍。与其他科学学科不同的是，化学始终是抽象的。由于学生对所探索的现象有限的真实世界经验，因此更难内化。化学需要在亚微观、宏观和符号水平上理解；而专业的化学家可以同时将它们编织在一起，新手发现这是一道难以逾越的高墙。
这自然导致了在化学领域可视化工具的兴起。静态图像和粗糙动画构成的这些工具已经尽力传达化学所提供的复杂概念。眼动追踪正在拓宽我们对专家和初学者如何吸收化学事件视觉表现的一般了解，从而使像Jessica R. Vandenplas这样的研究人员能够理解为什么新生觉得它们无用，尽管专家一直推荐它们的使用。在Vandenplas的研究中，眼动追踪数据显示了专家在与材料互动时所看到的内容与新手所看到的内容之间的脱节。这使得在老师进一步解释的帮助下，能够填补这一差距并引起他们对视觉资源的不同领域的注意。
素材由 VisChem项目提供。
Herrington和他的同事（2008年）的另一项研究分析了学生在参与模拟实验时的凝视数据，这些模拟实验允许他们操纵微观变量并观察结果。研究显示，在没有专家指导的情况下，学生会依靠自己有限的知识和算法思维，而不是提供给他们的资源。在这种情况下，对初学者如何利用他们获取的信息来改变教学方法加快学习速度有了更深入的了解。教师也可以自主调整教材，使其更适合化学学生学习该科目的方式。
在现代软件开发技术中，代码审查是流程的必要组成部分。代码的质量保证在某种程度上与代码的编写本身同样重要，及早发现错误可以节省大量资金和人力。这就是为什么确保新代码编写人员接受最佳培训如此关键。
德国雷根斯堡的教育研究人员开始使用眼动仪来可视化经验丰富的编码人员与相对新手在查找错误方面的差异。研究的目标是了解新手和经验丰富的编码人员在审查技术上是否有差异，以及这些见解如何可以应用于教导未来一代编码人员一种更有效的审查策略。该研究的主要研究人员Nick Schor总结道：“在错误检测方面，高级和专家程序员的表现明显更好，眼动数据意味着更高效的审查策略”（Schor et al: 2020）。
虽然如今的代码审查得到软件系统的辅助，消除了大部分繁重的工作，但该流程仍需要大量的人工努力和在关键时刻的人为决策。眼动追踪能够帮助理解这些决策的制定方式，审查者获得信息的来源，以及审查者如何构思简化代码本身的方法。在一个日益技术化的社会中，对现有编码实践的关键见解将对寻求领先地位的企业来说至关重要。
获得对不同个体学习方式更深入的理解，将带来研究者们目前甚至还无法想象的可能性。目前，眼动追踪技术正在引领解读那些受试者本人难以解释或理性化的思维过程，帮助我们理解学习行为中最本能和自然的部分。尤其是在分析幼儿行为时，眼动追踪的洞察力使我们能够特别获得学习习惯的独特了解，这些了解在交流发展的晚期阶段才能获得。无论是初入学习旅程的幼儿，还是即将结束学习生涯的成年人，眼动追踪为我们提供了一个实时观察大脑学习过程的机会。
请访问我们的研究页面，了解有关眼动追踪在教育和阅读研究领域的应用。
Vandenplas, J. R. (2008). Animations in chemistry learning: Effect of expertise and other characteristics. The Catholic University of America.
Jarodzka, H., Skuballa, I. & Gruber, H. (2021). Eye-Tracking in Educational Practice: Investigating Visual Perception Underlying Teaching and Learning in the Classroom. Educ Psychol Rev 33, 1–10.
Vadiraja, P. Dengel, A. Ishimaru, S. (2021). Text Summary Augmentation for Intelligent Reading Assistant. In Augmented Humans International Conference (AHs ’21), February 22–24, 2021, Rovaniemi, Finland. ACM, New York, NY, USA, 4 pages.
Hauser, Florian & Schreistter, Stefan & Reuter, Rebecca & Mottok, Jurgen & Gruber, Hans & Holmqvist, Kenneth & Schorr, Nick. (2020). Code Reviews in C++: Preliminary Results from an Eye Tracking Study. 1-5. 10.1145/3379156.3391980.
Researchers and entrepreneurs from BrainLeap and Lexplore share their eye tracking research in fields of reading and education, as well as how they applied their findings to establish themselves commercially in the EdTech space.
In this success story, we cover the journey from research and innovation to commercialization of EdTech startup BrainLeap Technologies, and how they have leveraged scientific findings in their game-based attention training solution.
David Henderek talks about the education PC built by Intel, Tencent, and Kylinsoft, and how Tobii's attention computing supports digital wellbeing.
Subscribe to our stories about how people are using eye tracking and attention computing.
