眼动追踪在阅读中区分基于理解的和基于眼球的退行性眼球运动

摘要

该方法旨在研究在阅读过程中抑制返回 (IOR) 对退行性眼球运动的作用。重点在于区分因理解困难而触发的回归与从动动误差触发的结果, 包括 IOR 在两种回归类型中的作用。

摘要

退行性眼球运动是通过文字向后移动的眼球运动, 在阅读过程中包含大约10-25% 的眼球运动。因此, 了解回归的原因和机制在理解眼球运动行为方面起着重要作用。抑制返回 (IOR) 是一种眼动效应, 会导致延迟增加, 从而使注意力恢复到先前参加的目标, 而不是以前参加过的目标。因此, IOR 可能会影响回归。本文介绍了如何设计材料, 以区分由理解相关和动眼过程引起的回归;后者受 IOR 的规限。该方法允许研究人员识别 IOR 并控制回归的原因。虽然该方法需要严格控制的材料和大量的参与者和材料, 它允许研究人员区分和控制在他们的阅读研究中发生的回归类型。

引言

本文所描述的方法旨在研究在阅读过程中, 回归眼动抑制返回 (IOR) 的作用, 侧重于理解困难与结果触发的回归的动动误差。具体而言, 我们调查了由于理解困难而启动的回归, 以及由于动动误差而引发的倒退是否受到 IOR 效应的影响。

倒退的眼球运动, 或回归, 是在文本中向后移动的眼球运动。根据读者和文字特征, 10-25% 的眼球运动向后移动¹。这使得研究人员研究了在自然阅读过程中, IOR 效应是否影响了回归眼球运动。IOR 是一种动动效应, 它会导致延迟增加, 从而将注意力恢复到以前参加过的目标, 而此前未参加过²的目标。虽然为建立 IOR 效果而做的大部分工作都涉及非阅读视觉注意任务³, 但效果已扩展到阅读^4、5。

研究阅读中的回归和 ior 的工作重点在于, 如 IOR 这样的动眼效应是否会影响阅读中的眼球运动控制。一项研究⁵在阅读任务中找到了 IOR 的证据。他们发现, 读者在回归前的固定时间花了大约 30 ms。这被解释为 IOR "成本"-在返回以前的固定位置之前的延迟。这在常规阅读和盲目阅读条件⁶支持。

尽管有证据表明, 在正常的阅读情况下可以找到 IOR, 但很明显, 回归眼球运动并不都有相同的根本原因。理解困难导致的回归已被证明是^7,8,9,10。尽管有证据表明, 阅读过程中的眼球运动一般是由认知和语言因素¹决定的, 但也假定有时回归会发生在低电平的动眼因子 (如目标过冲¹) 的响应中。据推测, 在一些试验中, 读者错误地规划一个扫视和土地超出他们预期的目标词 (超调)。在这种情况下, 可能会出现短的纠正倒退扫视, 这样无意中跳过的单词就可以被固定。鉴于两种基本的机制--语言和动眼--已经被假定为倒退的眼球运动, 不清楚是否同时发生了两种情况。目前的方法允许测量的 IOR 效果, 当倒退的眼睛运动已启动由于理解困难和由于眼球过度过冲的结果。因此, 该方法允许研究人员区分回归眼球运动的基础机制, 从而评估 IOR 效应。

目前的方法利用两个确定的机制, 触发回归眼球运动。通过设计材料, 使重复阅读很可能被理解困难或过冲所触发, 研究人员能够研究在阅读中可能发生 IOR 的情况。为了鼓励由于动眼错误而重新阅读, 我们嵌入了短目标字词, 显示跳过率约为 50% (从以前的研究¹¹改编)。跳过的单词通常后跟纠正倒退扫视, 当跳过是由动眼错误¹¹的结果。另一套材料由包含语义上含糊不清的触机; 同音词 (例如, 年级: 学校/斜坡) 的句子组成。这些句子是从模糊性研究¹²中改编而来的, 包含了同音字的意图意义的信息。因此, 这将增加读者为理解而重新阅读的机会。语境与同音字的不太可能的含义是一致的, 使得读者在第一次接触目标词时, 在最初选择更频繁、更显性的意义后, 可能不得不重新阅读。眼球运动监测和旨在增加回归的材料的结合使这种方法独特, 允许检查回归眼球运动与不同的根本原因。

了解回归扫视的机制以及在这些因素中的影响, 如 IOR 在它们中的作用, 对眼动控制模型和理解眼球的眼睛运动与认知控制之间的关系很重要。运动。例如, 一个最新版本的 "眼动控制" 的 e-Z 读卡器模型使用 30 ms 的成本为所有倒退眼动¹³。然而, 我们的方法表明, 这样的成本只适用于由动眼误差引起的回归。

眼球运动措施允许研究人员在阅读¹中跟踪瞬间认知处理。最近, 眼球运动控制模型开始尝试解释退行性眼球运动的机制。由于回归通常是在理解困难的情况下启动的, 所以任何有兴趣理解阅读过程的研究人员都应该尝试区分由眼球误差引起的回归, 而不是理解过程。这种方法表明, 回归的代价仅是动眼误差的结果, 作为一个启动点, 用于区分回归类型。眼动测量的组合 (回归, 复位前的固定时间) 和仔细控制的材料允许这种差异。

研究方案

肯特州立大学和斯泰森大学的机构审查委员会已经批准了这里描述的所有方法。

1. 合格参加者

注意:本研究的目的是了解熟练成人读者的阅读过程。因此, 必须满足某些资格要求。此类控制可确保结果直接适用于具有典型认知过程的熟练成人读者群体。

1. 招聘符合以下资格要求的学员: 必须年满18周岁, 无阅读障碍 (诵读困难、书写困难等), 有正常或矫正视力 (眼镜或隐形眼镜可接受), 并发言以英语为母语。

2. 实验刺激

NOTE: 刺激结构涉及个体目标词的选择以及这些目标词嵌入的句子语境的创设。

1. 为眼球矫正回归准备刺激物。
   1. 选择一组至少30个目标词嵌入到句子中。目标词 (单词_n) 是单词跳过和倒退的眼球运动将被测量。从英语语料库中选择单词, 例如 CELEX¹⁴, 它提供了单词频率。选择低频的字词, 频率低于30计数每百万。选择一个三字母的内容词以便于跳过字词。
   2. 选择预先目标单词 (单词_n-1), 以便读者在跳过或注视单词_n之前可能会将其固定。再次, 使用英语语料库, 选择高频率的单词, 至少30计数每百万。选择一个五到七个字母内容字, 以增加它将被固定和不跳过的可能性。
   3. 选择后目标单词 (单词_n+1), 以便读者在跳过或注视单词_n后可能会将其固定。从前两个步骤使用相同的英语语料库, 请选择至少四个字母长的高频介词。
   4. 使用前三个步骤中选定的单词, 创建将在其中嵌入这三个单词的句子上下文。在句子中间放置单词_n-1、单词_n和单词_n+1 。有关一些示例刺激, 请参阅步骤2.2.6。
      NOTE:句子在语境中应该是中立的, 没有任何情感上的语言。句子框架需要写, 以便整个句子是语法和单词_n-1, 单词_n, 和字_n+1适合顺利地进入句子框架。目标字_n不应从它前面的上下文中预测 (请参阅步骤2.2.5 以了解有关规范的信息, 以确保目标字词不可预测)。
   5. 在创建句子框架后, 使用填空任务对刺激进行规范, 以确保目标单词_n不能从句子上下文中预测。
      1. 在此任务中, 招募一组单独的参与者。
      2. 让这些参与者查看每个句子上下文直到目标词, 而不包括目标, 并产生一个词, 他们认为最适合这个句子。
      3. 让参与者使用笔和纸完成此任务, 或使用程序或任何其他软件包进行行为研究, 在计算机上输入字词。
         NOTE:如果目标词由超过20% 的参与者产生, 那么它被认为是可预测的从句子上下文中, 必须替换为一个不太可预测的词和赋范。在最初的实验¹¹中, 100 名参与者完成了填空任务, 并且没有从前面的上下文预测目标词。
   6. 请参阅下面的示例语句。在这句话中,绿色是字_n-1,宝石是三字母低频不可预知的单词_n,周围是字_n+1。在本实验中, 目标词被控制为低频 (平均值 = 10.54 计数每百万, 标准差 = 6.97)¹⁴。
      这位女演员在颁奖典礼上戴着一颗绿色的宝石。
      另一组10实验性刺激在下面从原始实验¹⁴。
      他凝视着整个房间的大瓮。
      她害怕黑狐狸, 直到它摇尾巴。
      他试图从池塘里抓起那只小鳗鱼。
      她想去参观新主题公园内的大动物园。
      他们锻炼后在整个体育馆走动。
      孩子问小精灵在圣诞老人店里工作。
      她表弟家的床底下总是有一张短的婴儿房。
      今天早上海岸线上真的有大雾。
      当他表演魔术的时候, 他把右边的滑雪放在左上方。
      自从她写了一些新歌, 她就完成了她的第一次演出。
2. 为基于理解的回归准备刺激。
   1. 通过适应以前的研究已经具有不明确的同音词¹²的赋范语句框架, 获得此实验的句子上下文。下载本文并查看附录 A, 它提供以不明确的同音字结尾的中立句子框架。
   2. 使用这些句子框架, 写出歧义同音字的句子的下半场。使用南佛罗里达大学伪装规范¹⁵确定目标词的从属意义。例如, 同音字等级的从属意义是 "希尔倾斜", 而主导意义是 "评价尺度"。因此, 对于句子 "迈克不喜欢的等级..." 添加 "......"这一结局使得模棱两可的同音字 "等级" 歧义了 "希尔" 这个词的从属意义。每个句子应该有两个简短的函数词之间的歧义同音字和歧义的单词。另一组10例句子显示在¹⁴以下
      芭芭拉在痛苦之后检查了她脚上的玉米。
      当这条小路突然结束时, 本终于注意到了虚张声势。
      贝蒂从他们被撕掉的时候就寻找她的指甲锉。
      黛比喜欢那个律师决定接受的案子。
      当他抱怨一切时, 每个人都注意到了螃蟹。
      弗雷德仔细检查了报告中的表格和图表。
      哈利不喜欢起诉他的西装。
      当皱纹从裤子上移开时, 他对新闻界感到高兴。
      海伦在星期日在教堂看红衣主教。
      这是一个非常糟糕的判决, 法官交给被告。
      珍很容易看到宫殿里的统治者和王后。

3. 理解检查

1. 验证所有参与者是否在整个实验中阅读以获得理解。因此, 在整个实验中随机呈现一系列的理解问题。使用后跟 "是" 或 "否" 问题的简单语句, 以确保参与者理解每个句子。分别从句子中提出理解问题。当参与者不密切关注文本时, 眼球运动模式可能会有所不同。从数据分析的理解问题中, 从任何参与者的分数低于80% 的准确性中删除数据。至少10% 的试验应该有理解问题。理解问题应遵循填充句, 而不是实验性句子。下面列出了四个理解问题的示例:
   一句话: 克里斯蒂娜去年和她父母一起去了加利福尼亚。
   问: 克里斯蒂娜去年去佛蒙特了吗？
   在马克大学毕业后, 他立即找到了一份工作。
   问: 马克找不到工作了吗？
   电话铃响了, 就像萨曼莎爬到床上一样。
   问: 昨晚有人给萨曼莎打电话了吗？
   句子: 游客们后悔不能在佛罗里达停留更长时间。
   问: 游客们想留更长时间吗？

4. 眼动追踪程序

1. 为每个实验招募至少50名参与者 (基于动眼控制和理解的回归), 以确保足够的数据进行分析;无回归的掉落试验。为每个实验准备至少40个实验刺激, 至少有10个理解问题, 每个实验至少有20种填充语句。每个实验需要大约30分钟才能完成。
2. 使用具有 1000 Hz 采样率的眼动仪, 这意味着眼睛位置每秒测量1000次。从右眼测量眼球运动。
   NOTE:此采样率非常重要, 因为眼球移动行为非常快速, 采样率小于 1000 Hz 可能不够灵敏, 无法捕获所有的认知处理。
3. 让参与者坐在离电脑屏幕60厘米 (24 英寸) 的距离。为原始实验¹⁴使用 21 in. 屏幕或其他屏幕。
   1. 为了稳定头部运动, 让参与者将下巴放在下巴上休息。允许参与者调整下巴休息和椅子的高度, 直到他们舒适。
   2. 指示参与者将手指放在 "yes" 按钮上, 并使用 "no" 按钮来回答理解问题。
4. 要校准参与者的眼睛位置, 请使用九点校准。指示参与者凝视黑屏中心的白色圆圈。在屏幕上移动到八个其他位置时, 参与者会将眼睛移到白色圆圈上。让参与者保持他们的眼睛在圆圈, 直到它移动到一个新的位置。
   1. 校准后, 确认眼睛位置。如果参与者的眼睛位置在某一程度的视觉角度中得到纠正, 则要求参与者转到研究的阅读部分。
5. 每个句子在屏幕中央以随机顺序出现一次。使用任何等宽字体 (如信使), 以便所有字符在参与者的视网膜上占用相同数量的空间。混合的句子和理解句子 (后跟问题) 与实验句子。
6. 在每个句子之前, 让参与者注视屏幕左侧与第一个单词第一个字母的位置对应的白色圆圈。当参与者看到这个位置时, 让实验者按一个按钮来控制读数的起始。
   NOTE:这个实验使用自定进度的阅读, 所以参与者在读完句子后会按下 "yes" 按钮。读完每句话后, 白色圆圈将再次出现在屏幕上, 过程将用下一句话重复。
7. 在每个句子之前执行漂移校正, 以确保校准保持准确。如果眼睛位置被超过一度的视觉角度, 重新校准参与者的眼睛位置。

5. 数据的定量分析

1. 收集完所有数据后, 打开程序 DataViewer, 并在. edf 格式的所有数据文件中加载, 如果使用 EyeLink 软件。删除少于100毫秒或长于 1000 ms 的固定工期, 因为这些时间不反映语言处理。
2. 接下来, 运行兴趣区域报告, 从每个感兴趣的单词中收集所需的眼动行为度量值: 单词_n和单词_n+1。使用分隔符和实验生成器中的兴趣区域大小的默认设置在这些项目周围设置兴趣区域。选择几个变量为了确定回归眼动的类型和是否存在或没有 IOR 效果:
   IA_SKIP: 此变量指示是否跳过单词_n 。这很重要, 以确定回归到单词_n是否返回或非返回回归。
   IA_REGRESSION_IN: 此变量指示是否对单词_n进行了回归。仅分析此值为1的试验, 否则与 IOR 分析无关, 因为没有对此目标进行返回眼动。
   IA_REGRESSION_OUT: 此变量指示是否从 word_n+1进行了回归。仅分析此变量为1的情况, 这表明进行了返回眼球运动。
   IA_FIRST_RUN_DWELL_TIME: 此变量是一个测量读取器在第一次通过该句子时在 word_n+1上花费的时间。此持续时间表示在进行倒退眼动之前所花的处理量。这一持续时间将包括任何可能的抑制时间在倒退的眼睛运动之前。
3. 现在每个试验都被分类了, 让研究员单独检查每一个试验, 以确定它是否算作一种基于眼球或理解的倒退眼运动。仅检查 IA_REGRESSION 出词_n+1为1的试验, IA_REGRESSION_IN 到单词_n的位置为1。
   1. 在 DataViewer 中, 选择参与者的数据, 然后打开每个试用版。单击每个固定以检查从单词_n+1的回归是否直接插入到 word_n后它已被锁定或跳过。如果是这样, 请将此试用标记为包含在数据文件中的分析中。不要包括对句子的较早部分进行回归的试验, 或者在处理句子的其他部分后, 从单词_n+1进行回归。
4. 在所有测试都被标记后, 使用线性混合效果模型分析数据, 方法是 R Studio¹⁶中的 languageR 和 lme4 包。为参与者和项目指定随机坡度和截取。固定效果应包括跳过目标词和回归到目标词中。

结果

我们以前的工作结果使用这种范式¹⁴导致了17% 回归率在动眼误差条件和29% 回归率在理解困难条件¹⁴。在动动误差条件下, 32% 的回归是以前固定的单词, 68% 的回归是以前跳过的单词。在理解困难条件下出现逆向模式。在29% 的回归中, 61% 是以前的固定词, 而39% 是以前跳过的单词 (见表 1)。

对这些实验感兴趣的重要变量是在 word_n+...

讨论

目前的研究提供了一种在阅读过程中区分两种不同类型的退行性眼动的方法-那些是基于理解困难和基于眼球的错误。数据提供的证据表明, 低级别注意过程, IOR, 可能取决于回归的类型。发现 IOR 只发生在基于眼球的回归, 而不是基于理解的回归¹⁴。因此, 在阅读过程中得出关于认知处理的结论时, 区分不同类型的退行性眼球运动是非常重要的。

材料

Name	Company	Catalog Number	Comments
Eyelink 1000 Plus	SR Research		Video-based eye tracker
Experiment Builder Software	SR Research		Software to build eye tracking experiments
Data Viewer	SR Research		Software to retireve eye tracking measures