眼動追蹤技術與嬰幼兒研究：程序、方法與數據分析

王福興　童鈺　錢瑩瑩　謝和平

摘要 眼動技術在嬰幼兒研究中成為一種流行的研究工具。如何合理地選擇和使用眼動儀進行數據收集及分析，是嬰幼兒眼動研究者需要考慮的重要問題。本文從眼動儀使用的流程出發，主要對嬰幼兒眼動研究過程中所涉及的四個方面的問題進行了梳理和分析：（1）正確選擇儀器；（2）合理校準；（3）提高數據質量；（4）有效分析和挖掘數據。同時。針對這些方面提出了相應的操作性建議。

關鍵詞 眼動，嬰幼兒，校準。數據挖掘。

分類號 B844

隨著研究技術的進步，心理學研究對象的年齡范圍也隨之擴展到嬰幼兒群體。由于嬰幼兒的語言和動作尚未完全成熟，因此，在能夠完整地進行口語報告以前，視覺則成為了解6歲以下嬰幼兒心理的最重要途徑之一。最近10年間，眼動儀在嬰幼兒研究中（尤其是認知研究）受到越來越多的重視（Aslin，2012；Bremner，2011；Feng，2011；Gre-deback，Johnson，&Von Hofsten，2010；Oakes，2010，2012；韓映虹，閆國利，2010）。作者使用嬰幼兒關鍵詞“infant”、“child”、“newbom”和“toddler”，眼動關鍵詞“eve tracking”和“evemovement”在國外三大數據庫（PubMed，EBSC0，Web of Seienee）對2009至2014年的研究進行搜索，篩選后發現有121篇使用眼動追蹤技術研究嬰幼兒認知發展的文獻。國內通過CNKI數據庫。采用“幼兒”、“學前兒童”、“眼動”、“眼動儀”關鍵詞檢索到45篇相關的研究（2011年及以后研究39篇）。眼動技術在嬰幼兒研究中的蓬勃發展，說明相對于早期的攝像機記錄分析嬰幼兒的注視時間，眼動更加客觀、量化的優勢得到了研究者的認可（Gredeback et al.，2010）。

檢索這些以往研究發現，采用眼動技術的嬰幼兒認知研究涉及面孔知覺（Amso，Haas，&Markant，2014；Gaither，PaukeL&Johnson，2012）、客體表征（Shuwairi&Johnson，2013；Sirois&Jackson，2012）和動作發展（Elsner，PfeifeL Parker，&Hauf，2013；Franchak&Adolph，2010）等十多個領域。現有研究中眼動追蹤技術可以適用的最小嬰兒被試為3個月大（Di Giorgio，Turati，Altoè，&Simion，2012；Frank，Vul，&Johnson，2009）。

1 如何選擇適合嬰幼兒研究的眼動儀

由于嬰幼兒被試的特殊性，基于瞳孔/角膜反射技術（pupiil/corneal reflection）的眼動儀在嬰幼兒研究中最為常用（Aslin&McMurray，2004：Gredeback et al.，2010）。嬰幼兒研究選擇眼動儀時，必須考慮實用性（實驗儀器便攜、校準、軟件操作）和準確性（時間和空間分辨率）的問題（Morgante，Zolfaghari，&Johnson，2012）。

從使用的便攜性來分，眼動儀可以分為桌面/遙測式（taqble-mounted/remote/spatial fixed eyetrocker）和頭戴式（head-mounted eye tracker）（Corbetta，Guan，&Wiuiams，2012；Duchowski，2007）。桌面式眼動儀的優點是采樣率較高，校準精確、簡單，數據質量較高和應用群體的年齡范圍廣。應用于嬰幼兒研究時，父母需要抱著嬰幼兒完成實驗且同時佩戴眼鏡或目光向下看（避免父母眼睛的干擾）；適合對采樣率要求比較高的研究（Aslin&MeMurray，2004；Franchak，Kretch，Sos-ka，Babeoek&Adolph，2010）。但是桌面式的不足是嬰幼兒往往會因頭動或身體移動而影響數據質量，不適合一些需要互動或移動的研究（Corbettaet al.，2012；Duchowski，2007；Feng，2011；Gre-deback et a1.，2010）。

雖然頭戴式眼動儀已經有20年以上的歷史，但受到尺寸、重量和操作便捷性的限制，最近才被應用到嬰幼兒研究中（Aslin，2012；Corbetta et al.，2012）。相對于遙測眼動儀，頭戴式眼動儀的最大特點是嬰幼兒可以任意移動去探索其所處的真實環境。所以。在關于幼兒的動作發展、親子互動的研究中均使用頭戴式眼動儀（Corbetta et al.，2012；Franchak&Adolph，2010）。然而，頭戴式眼動儀也存在一些不足：首先，采樣率偏低（30-60Hz），校準相對困難，尤其在真實場景中缺乏有效的校準（Corbetta et al.，2012；Gredeback et al.，2010）；其次，場景攝像機拍攝的視頻是2D。而兒童看到的世界是3D的，導致嬰兒在看眼前和遠處物體時會存在跟蹤困難，疊加數據時會丟失深度信息（Aslin，2012）；再次。真實場景中數據疊加、導出和分析處理遠沒有遙測式眼動儀完備，這也限制了頭戴式眼動儀的使用。

除了角膜反射技術，也有研究者采用了眼電圖記錄（electrooculography，EOG）的方式來記錄嬰兒的眼動，其空間采樣率也能夠達到200Hz（VonHofsten&Rosander，1996，1997）。對于具體的儀器使用現狀，研究者統計了2009年至2014年發表的105篇文獻（綜述和方法論文不包含在內，其中英文63篇，中文42篇，中文包含碩、博士論文），使用桌面式眼動儀占到了很高比例，其中Tobii有77篇（占73%），ASL 11篇（10%），EveLink 8篇（8%），SMI 6篇（6%），自主設計3篇（3%）。

綜上可以發現，研究者可根據不同類型眼動儀的優缺點選擇合適的眼動儀（Morgante et al.，2012）。若實驗要求較高的采樣率和數據質量，且實驗任務不涉及較多頭動、體動等。則宜采用桌面式眼動儀，但需由父母懷抱嬰幼兒協助完成實驗，并避免父母眼睛干擾嬰幼兒眼動記錄：反之，若對采樣率等的要求相對較低，且關注嬰幼兒動作或互動性等問題，則宜選擇頭戴式眼動儀。

2 針對嬰幼兒的眼睛校準

針對嬰幼兒的眼動研究要求一些比較特殊的校準方式。從數據質量的角度看，校準點數越多。眼動數據的空間準確率就越高，數據也就越精確（Duchowski。2007；Morgante et al.，2012）。嬰幼兒的研究發現，較差的校準或校準點缺失會導致數據誤差增大（Leppanen，Forssman，Kaatiala，Yrttiaho，&Wass，2014）。所以，校準質量可以直接決定眼動數據的質量。

參照以往的研究，學齡前及更大的兒童可以使用適合成人的9點校準或16點校準，但是小于3歲的嬰幼兒一般采取5點、3點或2點校準（Aslin&McMurray，2004；Di Giorgio et al.，2012；Feng，2011；Gredeback et al.，2010）。對現有研究進行梳理發現，大量研究使用了5點校準（Biro，2013；C，Elsner，Bakker，Rohlfing，&Gredeback，2014；Gaither et al.，2012；Griffey&Litde，2014；Kolling，Oturai，&Knopf，2014；Liu et al.，2011；Nawrot&Nawrot，2013；Richmond，Zhao，&Bums，2015；Shuwairi&Johnson，2013；Sirois&Jackson，2012；韓映虹，劉妮娜，閆國利，劉健，2011；劉寶根，周兢，高曉妹，李林慧，2011），較少有研究使用9點（Elsner et al.，2013；谷莉，白學軍，2014）、3點（Bulf&Valenza，2013；Di Giorgio et al.，2012；Ronconi et al.，2014）和2點（Amso et al.，2014；Bomstein，Mash，&Arterberry，2011；Frank，Vul，&Saxe，2012）校準。在檢索到的105篇文獻中，5點校準為69篇（66%），9點7篇（7%），3點6篇（6%），2點5篇（5%），未報告校準點數的18篇（17%）。

因為嬰幼兒的注意持續時間較短以及注意發展不成熟。用于成人校準的圓點并不適合于嬰幼兒。大部分嬰幼兒研究使用卡通圖片、卡通人物或閃動的Flash等進行校準，并在校準過程中伴隨聲音刺激以吸引注意（Corbetta et al.。2012；Di Giorgioet al.，2012；Liu et al.，2011；Sirois&Jackson，2012；王福興，李文靜，顏志強，段朝輝，李卉，2015）。在校準時間上，應該保證最短時間完成校準。建議在1分鐘內完成校準。給實驗留出足夠的時間（Morgante et al.，2012）。如果實驗時間比較長或在實驗中會出現注視偏移，建議在實驗當中插入1-2次校準，以保證數據質量。以上的這些校準主要針對桌面式眼動儀。如何針對頭戴式眼動儀校準，目前沒有統一的方法和標準。比如：Fran-chak等人在其研究中，仍然采用了桌面式校準的方式，在2D平面上呈現3x3的9點校準（Fran-chak&Adolph，2010；Franchak，Kretch，Soska，&Adolph，2011）。Corbetta等人（2012）在其研究中也使用了基于2D平面的校準。

由于受到瞳孔透光性、第一普肯野成像、虹膜顏色深淺以及鞏膜與虹膜對比的影響，照射到眼睛的紅外線反光形成的瞳孔參照會出現明亮或變暗的情況（Duchowski，2007）。所以基于瞳孔/角膜反射原理的眼動校準還要注意明瞳（bright pupil cornealreflection）和暗瞳（dark pupil corneal reflection）的差異。一般明瞳是指相對于鞏膜和虹膜，瞳孔紅外線反射顯示較明亮的現象，這種情況多發生于藍眼睛被試或嬰幼兒被試，所以嬰幼兒被試比較適合基于明瞳的眼動追蹤：而暗瞳則更適合年齡較大的被試或深色眼睛的被試（Gredebaick et al.，2010）。就目前國內常見的眼動儀而言，一些適用于成人的高采樣率眼動儀均使用暗瞳追蹤（如：EyeLink1000/2000，SMI RED 250/500/High Speed，TobiiTX300，ASL Mobile Eye），也有眼動儀使用明瞳和暗瞳兩種方式或自適應的方式（如：Tobii T60/120。Tobii T60 XL）或明瞳追蹤（如：ASL H6）。

總之，嬰幼兒被試的眼睛校準需要從校準點數、校準刺激、校準時長、校準次數、瞳孔追蹤等多方面進行考慮：①學齡前及更大幼兒可考慮與成人類似的9點或更多點數的校準：小于3歲嬰幼兒首選5點校準，若存在校準困難，則可降低至3點或2點校準。②嬰幼兒校準時可采用高吸引力的校準刺激，如：卡通人物、閃爍動畫，并伴隨合適的聲音刺激。③整個校準過程建議在1分鐘以內完成。④若實驗時間過長或發現嬰幼兒被試在實驗過程中出現較大范圍的注視偏移，可適當插入1-2次校準。⑤基于瞳孔/角膜反射原理的嬰幼兒眼動校準可考慮采用明瞳追蹤模式。

3 如何保證嬰幼兒研究的眼動數據質量

3.1 嬰幼兒研究中眼動數據質量影響因素

如前所述，由于嬰幼兒的特殊性。大部分嬰幼兒研究的眼動數據質量都偏低（LepNinen et al.，2014；Wass，Smith，&Johnson，2013）。比如：研究者采用相同實驗任務對比嬰兒和成人數據發現，相對成人數據，嬰兒的眼動數據質量要更差（Wass，Forssman，&Leppainen，2014；Wass et al.，2013）。進一步對比還發現，低準確性、低穩定性數據會導致更短的注視時間和更長的首個注視到達時間（Leppanen et al.，2014；Wass et al.，2014；Wass et al.，。2013）。研究者把影響嬰幼兒眼動數據質量問題歸結為數據的低準確性（10w preci-siort）、低穩定性（low robustness）、空間準確性（spatial accuracy）和時間延時（temporal delay）4類問題（Bliznaut&Wium，2014；Holmqvist et al.，201 1；Morgante et al.，2012；Wass et al.，2014；Wass et al.，2013）。圖1呈現了4種不同條件的數據質量供讀者參照。

眼動數據的質量一般通過時間分辨率（tempo-ral resolution）和空間分辨率（spatial resolution）（Morgante et al.，2012）兩個方面來衡量。時間分辨率主要依賴于眼動儀配備的高速攝像機和軟件的數學算法。嬰幼兒認知研究中可接受的時間采樣率在50-120Hz（Aslin，2012）。目前國內常見的眼動儀，頭戴式一般30-120Hz（如：Tobii T120為60或120Hz，ASL H6-HS為360Hz）；桌面式一般為60-2000Hz不等。大部分眼動儀時間采樣率都能夠達到這個標準，研究者有很大的選擇空間。但是，由于眼動儀的算法和數據生成方式的差別，研究者如果需要比較精確的時間分辨率（如：嬰兒的預測性注視），可能就需要特別關注眼動儀在刺激呈現和數據記錄過程中的時鐘同步和時間準確性問題（Aslin，2012；Oakes，2012；Wass et al.，2014），這個問題后面會較詳細地論述。

空間分辨率不僅依賴于眼動儀的硬件系統，更依賴于校準的質量。一般校準點越多，其空間分辨率越高。如果校準質量較差，基于視頻技術的眼動儀（video-based eye tracker）會導致注視疊加出現偏移，從而產生較低空間分辨率和較大噪音的實驗數據（Aslin，2012）。比如：研究發現5點校準情況下嬰兒注視的空間偏移可達1，2度，遠超出說明書所標注的0.95度（Morgante et al.，2012）。建議在條件允許的情況下，使用多點校準（較好的校準為5點及以上）。根據Gredeback等人（2010）研究經驗，4月以上嬰兒一般可以完成5點或6點校準，小于4個月的嬰兒一般采用2點校準。目前研究中普遍存在的一個問題是只報告眼動的時間分辨率，而忽視了空間分辨率。檢索目前嬰幼兒研究可以發現，很少有研究報告儀器的空間分辨率。國內常用眼動儀中，高時間分辨率眼動儀的空間分辨率一般為0.01-0.03度（如：EveLink 1000/2000。SMI Hi-speed/RED），而一些針對幼兒或頭戴式眼動儀，空間分辨率一般為0.5度左右（如：Tobii T12ffT60 XL，SMI ETG，ASL Mobile Eye，ASL H6/D6）。

此外，大部分嬰幼兒研究都存在頭動的問題。研究發現嬰幼兒在實驗中頭動與眼動數據質量呈現負相關，但是這種影響僅限于數據穩定性而不影響準確性（Wass et al.，2014）。目前大部分眼動儀都標注了頭動范圍（如：Tobii允許30×22×30cm（長、寬、深）范圍內頭動，SMI標注40x20×70cm），但是也有一些眼動儀沒有在手冊或說明書中詳細標注可以允許頭動范圍。雖然大部分遙測眼動儀都宣稱可以允許一定范圍的頭動，但是頭動問題仍然會降低數據質量（見圖1）。對于年齡較大的幼兒而言，有效的辦法是使用托架：對于年齡較小的嬰兒則盡量由父母來控制頭動。

很多儀器在刺激呈現和數據記錄上都存在延時現象，這種延時更多來自刺激與記錄時鐘不同步或被試頭動導致的追蹤失敗恢復延時（Aslin。2012）。一般而言，追蹤失敗后延時、刺激呈現與記錄同步性是衡量眼動追蹤技術的重要參數指標。Mor-gante、Zolfaghari和Johnson（2012）對比了TobiiT60XL眼動儀記錄的POG（position of'gaze）數據和Tobii Studio生成的數據，發現兩者之間的延時最高可達55ms（M=44.5ms，range=27-54.5ms）。當使用E-prime呈現刺激同時使用Tobii Studio記錄數據，仍然發現E-prime記錄的注視數據和TobiiStudio導出的數據之間存在不一致性。此外，Shukla等人（2011）采用基于Matlab數據采集發現，超過95%的眼動數據都存在大約lOOms的不一致性。由于技術障礙、刺激材料復雜性和被試的個體差異。延時的問題目前還要靠研究者自己權衡和取舍（Aslin，2012）。

除了以上因素，一些其他因素也會降低眼動數據質量。比如：嬰兒的個體差異性；實驗前有哭泣，眼淚或水汪汪的眼睛會影響角膜反光記錄：嬰幼兒在實驗過程中分心，不能集中注意力參與實驗；較長的測驗時間導致被試疲勞等。另外，相對于成人的瞳孔比例，嬰幼兒瞳孔比例偏大，導致以成人為標準設計的眼動儀對嬰兒校準時遇到困難，從而影響注視追蹤和數據質量（Wass et al.，2014）。

因此，從影響眼動數據質量的因素上考慮，研究者可從以下方面保證嬰幼兒的眼動數據質量：①盡量選擇50-120Hz甚至更高采樣率的眼動儀，以保證良好的時間分辨率。②條件允許情況下，可采用5點及以上校準點數，以保證良好的空間分辨率。③減少嬰幼兒被試的頭動，年齡稍大的幼兒可借助托架記錄眼動數據，年齡較少的嬰幼兒可由父母協助控制其頭動。④實驗前確保嬰幼兒眼睛內無較多（因哭泣、呵欠而致的）眼淚。⑤實驗中盡量減少與實驗無關的分心刺激的干擾。⑥盡量縮短單個block的實驗時間及實驗總時長等。

3.2 如何插補、過濾和篩選嬰幼兒眼動數據

針對嬰幼兒研究的眼動數據質量偏低的現象，研究者關心如何采用補償的方式或數據算法來保證數據的真實性。在嬰幼兒研究中，頭動后如何及時恢復追蹤且處理因為追蹤丟失導致的延時是特別棘手的問題（Oakes，2012；Wass et al.，2014）。允許頭動的眼動儀都會使用插補（interpolation/mapping）的方式把由于頭動而沒有追蹤到的數據基于數學算法填補進來（插補算法可參照：Duchowski。2007）。但是，大部分眼動儀都沒有詳細介紹頭動后眼動數據的插補算法（可能涉及到知識產權或保密性問題）。建議研究者在選擇眼動儀或進行實驗時，根據研究目的和被試特點詳細咨詢和評估頭動的插補算法。對于缺失數據插補，也很少有研究報告。Wass等人（2014）在研究中對數據插補進行了設定。如果數據丟失小于150ms，使用線性插補來彌補丟失數據，大于150ms不進行插補。也有研究者（Franket al.，2012）對單眼缺失的數據進行了插補以保證數據完整性；同時，采用雙側過濾算法（bilateralfiltering algorithm）對數據進行了平滑處理（Durand&Dorsey，2002，Frank et al.，2009）。

此外，研究者也關心采集到的數據要不要過濾（filtering）、如何過濾以及如何界定過濾標準問題（Duchowski，2007；Gredeback et al.，2010；Morgante et al.，2012；Oakes，2010）。Frank等人（2009）有關3-9月大嬰兒平滑追蹤的研究中使用了注視點（POG）有效采樣比例不低于50%、注視點漂移直徑小于2度標準對數據進行過濾和篩選，過濾掉數據比例為48%。Corbetta等人（2012）的一項嬰兒研究中，由于數據過濾而剔除掉被試高達64%（75名被試，僅27人有效）。對于眼動數據過濾，一些研究者采用有效采樣比例不低于70%（Nawrot&Nawrok 2013；荊偉，方俊明，趙微，2014）或50%（Brandone，Horwitz，Aslin，&Wellman，2014；Grif-fev&Little。2014）作為篩選標準，也有研究者采用比較寬松的30%標準（Amso et al.，2014；Frank et al.，2012）或者比較嚴格的90%標準（谷莉，白學軍。2014）。在統計的105篇文獻中，明確報告對數據進行預處理和篩選的僅17篇（16%），大部分研究都未報告數據篩選或過濾的細節。

因此，從技術層面考慮，研究者可從以下方面保證嬰幼兒眼動研究的數據質量：①對缺失數據進行插補，以保證數據完整性。如：采用線性插補來彌補丟失小于150ms的數據。②設定統一的數據過濾標準。如：對于年齡稍大的幼兒或整體質量較好的數據，可設置70%（甚至90%）的有效采樣比例過濾標準：對于年齡較小的嬰幼兒或整體質量較差的數據。可適當降低該過濾標準至50%（甚至30%）。

4 如何分析嬰幼兒的眼動數據

4.1 嬰幼兒研究中注視的界定及常用的眼動指標

梳理現有研究發現，與成人研究類似。大部分研究者在注視點界定上采用眼睛注視停留在一定區域（如：30像素半徑或1度視角）超過lOOms來界定注視（Amso et al.，201 4；Gaither et al.，2012；Liu et al.，2011；Ronconi et al.，2014），低于此閾值作為噪音進行過濾。也有一些研究者采用一定區域（如：50像素半徑或1度視角半徑）停留超過200ms作為標準（Biro，2013；Bornstein et al.，2011；C，Elsner et al.，2014；Richmond et al.，2015）或1度視角內停留超過30ms作為標準（Shuwairi&Johnson，2013）。此外，也有研究者使用眼跳速度（30°/s）和眼跳加速度（8000°/s）來界定注視（Kolling et al.，2014）；也有人使用100像素范圍內停留80ms作為界定注視標準（Taylor&Herbert，2013）。具體的標準需要研究者根據數據質量和研究需要自己權衡。

在嬰幼兒研究中，用到了很多眼動指標，比如：總注視時間（total fixation time/looking time）、注視次數（fixation count/fixation number）、首次注視到達時間（time to first fixation/latencr to first fixate），這些指標界定和分析方法與成人研究類似，在此不再贅述（Rayner，1998；閆國利等，2013）。僅介紹一些在嬰兒研究中比較特殊的指標。

瞳孔大小（puoil size）是一個在嬰幼兒研究中常用而成人研究中較少使用的指標。研究認為瞳孔放大反映了認知難度增加、心理加工強度增大和對信息的興趣增加，被試需要通過瞳孔放大獲取更多的視覺信息（Ariel&Castel。2014；Goldinger&Paoesh。2012）。在嬰幼兒研究中，瞳孔大小會提供其他眼動指標無法發現的一些結果。比如：研究者在嬰兒對非預期性事件認知和客體永存研究中，嬰兒的瞳孔大小測量可以輔助解釋可靠性不高的觀看時間（Jackson&Sirois，2009；Sirois&Jackson，2012）。由于瞳孔大小會受到低水平刺激（比如：明度）的影響（Laeng&Sulutvedt，2014），因此瞳孔直徑計算一般采用實驗條件下的瞳孔直徑減去基線所得的差值。比如：有研究者在正式實驗刺激之前讓其觀看中性刺激，以中性刺激條件下的瞳孔直徑（Morita et al.，2012）或控制組的瞳孔直徑大小作為基線（Frankenhuis，House，Clark Barrett，&Johnson。2013）。對比不同條件下瞳孔直徑的變化即可推測出嬰幼兒相應的心理活動。也有研究發現，嬰兒對陌生人的中性情緒面孔有瞳孔放大現象（Gredeback，Eriksson，Schmitow，Laeng，&Sten-berg，2012）。因此，瞳孔直徑的變化對于了解嬰幼兒的認知、情感等具有重要意義。

眼跳潛伏期（saccade latencies）的應用多來自一些運動物體感知或動作感知的研究（Gredeback etal.，2010）。根據嬰兒研究中的界定，如果注視發生在物體或事件發生之前，被界定為預測性眼跳（predictive）：如果注視發生在之后則界定為反應性眼跳（reactive）（Falck-Ytter，Gredeback，&VonHofsten，2006；Gredeback et al.，2010）。類似地，也有研究者提出預測性注視（anticipatory fixation）來解釋嬰兒對物體或歸類的注視（McMurray&Aslin，2004）。平滑追蹤（smooth pursuit）是人們對運動物體進行持續視覺追蹤的一種眼動模式（Duchowski，2007；王向博，丁錦紅，2011）。新生兒眼球運動的主要形式是跳躍式，在6-8周時嬰兒眼球追蹤物體的能力開始發展，到4-5個月時嬰兒平滑追蹤的能力才接近成人的水平（Von Hofsten&Rosander，1997）。

4.2 嬰幼兒眼動數據的視覺化挖掘

眼動儀采集到的數據既包含了時間信息也包含了空間信息。但是傳統數據分析中。大多數研究者主要對比不同實驗條件下集中數據（如：平均數）來揭示實驗操作是否有差異，而這種方法會丟失很多有價值的信息，尤其是對于眼動這種具有時空信息的數據（Duchowski，2007；Yu，Yurovsky，&Xu。2012）。如前所述，眼動儀自帶的數據導出或分析軟件會使用過濾、插補和平滑處理（smoothing）把一些噪音過濾掉、使用數學算法插補因頭動或追蹤失敗導致的缺失數據，經過平滑處理后，導出的數據就更加連續且完整（Wass et al.，2014）。所以，研究者如果需要挖掘數據的深層含義和更好地利用數據。建議使用原始數據（raw data），而不是直接使用自帶軟件生成的數據。

針對嬰幼兒研究的特殊性和眼動數據分析繁瑣性，Yu等人（2012）提出了一個交互式數據分析（interactive data anal3，sis）和視覺數據挖掘（visualdata mining）的方法。其核心的理念為：①不過度依賴軟件生成的數據，利用原始數據自下而上進行分析，保證數據的有效性；②利用研究者自身的經驗，自上而下進行數據挖掘，發現數據規律和模式；③把刺激材料（或視覺刺激場景）和眼動數據放在一個時間軸上進行基于事件的時間分析（event-based temporal analysis）（Corbetta et al.，2012），更直觀了解數據的個體差異和自變量導致的差異。這種視覺化數據分析方法在一些嬰幼兒研究中被借鑒和使用（Corbetta et al.，2012；Sirois&Jackson，2012）。本文以圖2為例。說明如何利用視覺化技術來呈現、分析和挖掘眼動數據。

圖2的上圖以時間為橫坐標，注視點的屏幕Y軸（像素）為縱坐標。畫出了幼兒3×3矩陣中搜索目標物的注視情況。由圖可知，當目標物（花）處于屏幕上方時，被試的注視點從屏幕中間急速轉移到屏幕上方，并維持停留在屏幕上方（片段2）：當第二個刺激的目標物（蛇）出現在屏幕中間時。被試的注視點向屏幕中間轉移（片段3-4），但是回避威脅性刺激（蛇）并向上注視（片段5）。接著當第三個刺激的目標物（花）出現在屏幕下方時，被試的注視點起初會在屏幕中間短暫逗留（片段6），緊接著注視到目標物（片段7-8）。視覺化原始眼動數據流除了可以直觀了解被試的注視隨時間的變化外。還可以用于了解被試個體差異和去除噪音。圖中片段1、2、3、5、6、7都表明了不同個體間相似的注視模式，結合整個數據判斷片段4說明了3號被試的個體差異。而片段8中2號被試數據屬于噪音，可以剔除。因為結合實驗同步視頻發現被試在片段8時手機震動。影響了其注意力。這種視覺化呈現眼動的方式有助于研究者對異常眼動行為或數據的識別，從而保證眼動數據結果的準確性。圖2下圖以時間為橫坐標，注視點個數為縱坐標，畫出了幼兒和成人在觀看帶有不同線索的多媒體時注視點個數隨時間的變化情況，其中，陰影部分為統計顯著的區域。當把兩組被試總體進行比較時發現差異并不顯著。但是通過視覺化挖掘，統計特定提示線索出現時數據（灰色陰影區域）發現兩組間差異顯著。

綜上，研究者可以考慮從以下方面合理分析嬰幼兒眼動數據：①明確界定注視點（例如：停留100ms及以上視為一個注視點），可能會得到不一樣的實驗結果。②嘗試分析瞳孔大小、眼跳潛伏期等較為特殊的嬰幼兒眼動指標。③盡量采用原始數據（而非自帶軟件生成的數據）進行視覺化挖掘。④采用基于事件的時間序列分析（如：刺激鎖時、反應鎖時）對數據進行視覺化挖掘。

5 總結與展望

眼動技術越來越成為嬰幼兒研究中的一種流行工具，而如何充分地利用眼動儀收集和分析嬰幼兒眼動數據，是許多眼動研究者需要考慮的重要環節。本文從正式實驗前的眼動儀選擇和眼動校準、實驗中的數據質量優化以及實驗后的數據分析與挖掘等方面對現有文獻進行了梳理，并就每個方面提出了相應的操作性建議，以期為國內嬰幼兒眼動研究的深入開展提供一定的指導。

除此之外，作者也建議在呈現嬰幼兒研究的眼動數據時應該注意以下幾點：①報告嬰幼兒眼睛距屏幕的距離，刺激像素大小或視角、屏幕可視區域的視角大小；②提供關于眼動儀時間和空間分辨率的詳細參數、頭動補償算法；③完整描述幾點校準、校準點大小及位置、校準通過的標準和校準過程；④介紹如何剔除無效被試數據、如何處理缺失數據、基于什么標準過濾數據（比如：基于什么時間和空間標準界定注視點：眼睛角速度閾值在多少以上算作眼跳）；⑤詳細報告AOI的畫法、像素大小或視角大小（Adler&Orprecio，2006；Frank et al.，2009；Gredeback et al.，2010；Oakes，2010）。

另外，研究者及技術開發人員仍然需要在嬰幼兒眼動研究中注意以下問題：第一，個體成熟對嬰幼兒眼動的影響不容忽視。不同于成人。嬰幼兒的眼動會因個體的成熟而發展或變化（Grtinqvist，Gredeback，&Von Hofsten，2006；Kramer，Gonzalezde Sather，&Cassavaugh，2005），所以在對比不同年齡階段嬰幼兒的眼動數據時，不能一味地將實驗中所發現的眼動數據上的差異歸結為實驗操控，因為這種差異也有可能是個體成熟本身帶來的影響。因此，需要特別關注個體成熟對眼動的影響。

第二，以嬰幼兒為導向，開發真正適合嬰幼兒研究的眼動設備。一方面，現在的眼動儀從刺激呈現、數據分析軟件到眼動校準、數據算法、興趣區