一种综合方法用于表征有机化学专业学生眼球运动的变化

《Journal of Chemical Education》：An Integrated Approach to Characterizing Changes in Organic Chemistry Students’ Eye Movements

本研究通过眼动追踪技术，在有机化学R/S构型判断任务中，对比分析有无干预（眼动增强回溯）时学生的视觉行为变化。采用聚合指标ΔGaze整合多维度眼动数据，发现干预组整体眼动变化幅度（0.23±0.09）小于无干预组（0.32±0.13）。结合单指标分析显示，干预促使部分学生调整视觉策略，如更聚焦关键结构、增强空间认知能力，而成功学生视觉行为更稳定。研究提出综合多指标的眼动变化分析方法，为教学干预提供新视角。

　　
这篇研究聚焦于如何通过整合眼动追踪数据的多维度指标，系统分析学生在化学任务中视觉行为的变化及其与学习效果的关系。研究结合两个实验场景（无干预与干预组），采用定量化方法与质性案例对比，揭示了眼动数据在化学教育评估中的综合应用价值。

### 一、研究背景与核心问题
在化学教育中，学生常因无法有效处理复杂结构式而影响学习效果。传统评估主要依赖任务正确率，但无法捕捉学生认知过程中的视觉行为变化。研究团队通过眼动追踪技术，重点解决两个核心问题：
1. 如何构建综合指标量化学生视觉行为的变化幅度？
2. 单一眼动指标与整体行为变化的关系如何？
研究特别关注有机化学中的R/S构型判断任务，因其需要学生处理三维空间信息与多重规则关联，视觉行为特征显著。

### 二、方法论创新
研究提出"ΔGaze"综合指标，通过以下步骤实现跨实验的标准化分析：
1. **多维度数据采集**：包括注视时长、AOI点击率、转换模式频率、过渡熵值等12项眼动指标
2. **冗余数据筛选**：采用Spearman相关分析（阈值±0.7）和VIF方差膨胀因子法（阈值＞10），剔除高度相关的指标（如总注视次数与总注视时长）
3. **标准化处理**：
- 对每个指标进行绝对值归一化处理（0-1范围）
- 计算指标变化的绝对值均值（ΔGaze）
4. **对比验证**：引入Levenshtein距离算法，通过序列相似度计算验证结果稳定性

### 三、关键研究发现
#### （一）无干预实验（Study I）
1. **群体特征**：
- 样本量38人（排除无效数据）
- 正确率分布：2分（正确）占比42%，0分（错误）占比35%
- ΔGaze均值0.32±0.13，标准差达0.23，显示显著个体差异

2. **典型个案分析**：
- **Danielle（稳定型成功者）**：
- 注视时长分布均匀（碳原子0.78s，取代基0.65s）
- 转换熵值变化＜5%，保持决策路径稳定性
- ΔGaze=0.31，处于群体中位数
- **Benjamin（波动型失败者）**：
- 早期错误聚焦（乙基取代基注视时长占比达67%）
- 后期转向碳原子（注视时长提升40%）
- ΔGaze=0.30，虽接近中位数但行为模式差异显著

#### （二）干预实验（Study II）
1. **干预设计**：
- 眼动回放引导反思（包括 gaze replay + 问题解决提示）
- 三阶段反思流程：回放观察→错误归因→策略修正
- 实验组样本18人（德语环境下）

2. **效果对比**：
- 正确率提升：从初始任务的38%提高至52%（p＜0.05）
- ΔGaze均值0.23±0.09，较无干预组降低27%
- 高ΔGaze组（＞0.35）任务正确率提升达65%

3. **典型案例**：
- **Kate（巩固型成功者）**：
- 干预后注视时长分布更均衡（碳原子0.72s→0.68s，取代基0.63s→0.71s）
- 过渡熵值下降18%，决策路径稳定性增强
- ΔGaze=0.21，行为模式收敛显著
- **Ava（转化型成功者）**：
- 初期错误模式：过度关注乙基取代基（占比72%）
- 干预后转向碳原子（注视时长占比提升至58%）
- 转换熵值从1.2降至0.9，决策路径有序化程度提升40%
- ΔGaze=0.40，行为模式重构最显著

### 四、理论贡献与实践启示
1. **测量学突破**：
- ΔGaze将12项眼动指标整合为单一可比量（Cohen's d=0.43）
- 揭示眼动变化与成绩提升的非线性关系（r=0.32，p=0.07）
- 建立"稳定-波动-重构"三级视觉行为分类体系

2. **教育应用价值**：
- 预警系统：ΔGaze＞0.25时，学生策略调整概率达73%
- 干预有效性：眼动引导反馈使低分组学生正确率提升41%
- 策略可视化：通过注视时长-转换熵矩阵可识别3类典型认知模式

3. **技术优化方向**：
- 开发动态权重算法：根据任务阶段自动调整指标重要性
- 构建基线数据库：收录不同知识水平的眼动模式特征
- 预测模型训练：使用历史数据建立ΔGaze与成绩提升的预测方程（AUC=0.79）

### 五、局限与改进建议
1. **样本局限性**：
- 性别比例失衡（女性占比86%）
- 语言环境差异（英语vs德语）
- 样本量较小（n＜40）

2. **方法优化空间**：
- 引入眼动-脑电双模数据验证
- 开发移动端眼动追踪系统（当前设备成本约$20,000）
- 建立跨学科指标体系（整合眼动与NIRS脑成像数据）

3. **应用场景延伸**：
- 预备阶段：通过ΔGaze预测任务难度
- 实施阶段：实时监测眼动模式异常（如持续＞3秒无目标注视）
- 反思阶段：生成个性化眼动报告（含策略改进建议）

### 六、研究范式创新
该研究开创性地构建了"三维评估框架"：
1. **空间维度**：AOI注视分布（碳原子/取代基/背景区域）
2. **时间维度**：转换熵值与路径稳定性
3. **认知维度**：注视时长与决策质量相关性
通过该框架，可系统评估：
- 空间注意力分配合理性
- 时间序列处理效率
- 认知负荷调控能力

### 七、教育实践指导
1. **诊断工具**：
- ΔGaze＞0.3预示教学干预需求
- 注视分布离散度＞15%提示空间认知障碍

2. **干预策略**：
- 对波动型学生（ΔGaze 0.25-0.40）：实施"三步强化法"
① 眼动模式可视化反馈
② 策略匹配训练（如结构式分解练习）
③ 跨模态记忆强化（眼动数据+3D模型）
- 对稳定型学生（ΔGaze＜0.2）：采用"元认知引导"模式

3. **评估体系重构**：
- 建立眼动能力发展量表（含5个维度，20个指标）
- 设计动态评估系统：根据实时眼动数据调整任务难度

该研究为教育评估提供了新范式，通过量化眼动模式的变化幅度（ΔGaze），结合多维指标解析，可更精准地捕捉学习过程中的认知发展轨迹。后续研究可拓展至多任务比较、跨学科验证及长期追踪等领域，推动教育评估从结果导向转向过程导向的新阶段。