李 馨 劉璟堯 于慧婧 姜心荷 梁菲菲 王永勝 白學(xué)軍

(1 教育部人文社會科學(xué)重點研究基地天津師范大學(xué)心理與行為研究院，天津 300387) (2 天津師范大學(xué)心理學(xué)部，天津300387) (3 國民心理健康評估與促進協(xié)同創(chuàng)新中心，天津 300387) (4 天津師范大學(xué)教育學(xué)部，天津 300387)

1 問題提出

閱讀過程中的眼動控制研究主要包括眼睛何時移動（when）和眼睛移向何處（where）兩個方面。讀者何時開始移動眼睛以及眼睛移向何處是由兩個獨立系統(tǒng)分別決定的（Clifton et al., 2016；Joseph, Liversedge, Blythe, White, & Rayner, 2009； Li,Liu, & Rayner, 2011； Zang, Liang, Bai, Yan, &Liversedge, 2013）。本研究主要探討眼睛移向何處這一問題。

以往拼音文字閱讀的眼動研究證實，讀者下一個眼跳落點位置主要受詞的低水平視覺特性影響，如詞長和標(biāo)記詞邊界的信息（如詞間空格）（Joseph et al., 2009； 李玉剛, 黃忍, 滑慧敏, 李興珊,2017； Perea & Acha, 2009）。同時，眼睛落點位置（landing position）的變異性和眼睛起跳位置也會影響眼跳落點的最終位置，研究閱讀過程中讀者的注視位置可以更好地回答眼睛移向何處這一問題（Zang et al., 2013）。而與之直接相關(guān)的兩個研究證據(jù)是偏向注視位置（preferred viewing location,PVL）和最佳注視位置（optimal viewing position,OVP）（Rayner, 2009； 臧傳麗, 孟紅霞, 白學(xué)軍, 閆國利, 2013）。

為了更好地解釋讀者閱讀過程中的注視位置，研究者基于大量研究證據(jù)，采用計算機模擬，提出兩種類型的閱讀模型。一種為眼球運動模型（oculomotor models），該模型主張，低水平視覺因素（如詞長）和當(dāng)前眼跳落點的位置影響讀者眼睛移向何處（where）（臧傳麗等, 2013），代表性模型為戰(zhàn)略-戰(zhàn)術(shù)模型（strategy - tactics theory, O'Regan & Jacobs, 1992）。戰(zhàn)略-戰(zhàn)術(shù)模型認(rèn)為，讀者在閱讀中采用詞間眼跳策略（strategy）和詞內(nèi)眼跳技術(shù)（tactic）。采用詞間眼跳策略是為了能準(zhǔn)確地注視每個詞的最佳注視位置（OVP）。如果首次眼跳落點能落在最佳注視位置（OVP）上，則對該詞只有一次注視。但有時由于誤差，如果越過或未達到預(yù)期的注視目標(biāo)，最終使首次注視落在非OVP 上，讀者會采用詞內(nèi)眼跳技術(shù)，即對該詞進行再注視。

另一種為認(rèn)知加工模型（cognitive models），該模型也認(rèn)同低水平視覺因素對眼動控制的影響，但認(rèn)為認(rèn)知加工因素的影響要遠(yuǎn)遠(yuǎn)大于低水平視覺因素的影響。E-Z 讀者模型和SWIFT 模型是其代表模型（Clifton et al., 2016； Richter, Engbert,& Kliegl, 2006）。前者認(rèn)為只有完全識別當(dāng)前注視詞N 后，才能加工詞N+1；后者則認(rèn)為，讀者同時可以平行加工幾個單詞。

與拼音文字不同，漢語屬于表意文字，其書寫的基本單元是漢字?；趦煞N語言存在書寫特征差異，所以不能直接利用基于拼音文字閱讀研究得出的眼動模型解釋漢語閱讀。以往研究發(fā)現(xiàn)，漢語閱讀的注視位置受詞頻、預(yù)測性等因素的影響（Li, Bicknell, Liu, Wei, & Rayner, 2014； Liu,Reichle, & Li, 2015, 2016）。在漢語閱讀中，視覺復(fù)雜性主要反映在筆畫數(shù)的多少，而漢字的視覺復(fù)雜性會影響眼跳目標(biāo)選擇（王永勝等, 2018）。

研究者通過操縱雙字詞中首字和尾字的視覺復(fù)雜性，考察漢字的視覺復(fù)雜性對注視位置的影響。例如，孟紅霞，白學(xué)軍，閆國利和姚海娟（2014）操縱雙字詞中首字和尾字的筆畫數(shù)，劃分為四個水平，即首多尾多、首多尾少、首少尾多、首少尾少，考察漢字的筆畫數(shù)對漢語閱讀中的注視位置效應(yīng)的影響。結(jié)果發(fā)現(xiàn)，如果首字的筆畫數(shù)較多，那么讀者的首個眼跳落點往往落在首字上；首字和尾字的筆畫數(shù)都會對再注視概率產(chǎn)生影響。隨后，Ma 和Li（2015）運用同樣的實驗方法，探討首字和尾字在雙字詞詞匯加工中的不同作用，結(jié)果發(fā)現(xiàn)，首字和尾字的筆畫數(shù)均會對凝視時間產(chǎn)生影響，但相比之下，首字的復(fù)雜性在眼跳目標(biāo)選擇上更為重要。此外，讀者所注視詞的加工難度也會影響眼跳目標(biāo)選擇。研究發(fā)現(xiàn)，詞的加工難度越小，眼跳長度越長；詞的加工難度越大，眼跳長度越短（臧傳麗等, 2013； Wei,Li, & Pollatsek, 2013）?；诖?，本研究主要探討漢字的筆畫數(shù)對閱讀中的眼跳目標(biāo)選擇的影響，這種影響是僅僅由視覺復(fù)雜性引起，還是由視覺復(fù)雜性導(dǎo)致的加工復(fù)雜性引起？

以往關(guān)于漢字視覺復(fù)雜性的研究均采用漢字為實驗材料，考察視覺復(fù)雜性對漢語閱讀中注視位置的影響，但是漢字的詞匯信息對眼動控制的影響比較大。因此，為了排除漢字詞匯信息的影響，本研究引入Landolt 范式。該范式的優(yōu)勢在于，排除句子的全部詞匯信息（包括詞頻、音位結(jié)構(gòu)等），僅保留詞匯結(jié)構(gòu)，如字母數(shù)或詞匯數(shù)（Liu, Reichle, & Huang, 2015）。

Hillen 等（2013）在實驗中設(shè)置正常句子、真詞詞列、假詞詞列和基線四種條件，運用“Landolt rings”（見圖1）為實驗基線，讓被試模擬自然閱讀，實驗任務(wù)為從一系列的O 形字母中找出隨機出現(xiàn)且?guī)в腥笨诘男嗡艭 形字母的“Landolt”，并報告其個數(shù)。結(jié)果發(fā)現(xiàn)，閱讀中負(fù)責(zé)加工字形、語義和句法的腦區(qū)是有差異的。Williams 和Pollatsek（2007）采用“Landolt C”考察視覺搜索任務(wù)的潛在認(rèn)知過程。結(jié)果發(fā)現(xiàn)，認(rèn)知加工過程影響搜索任務(wù)中的眼睛運動。隨后還發(fā)現(xiàn)，使用“Landolt C”的研究結(jié)果支持序列加工模型（Williams, Pollatsek, & Reichle, 2014）。

Liu，Reichle 等（2015）使用Landolt 范式，探討詞匯切分和詞匯識別是如何影響讀者眼動。為了與漢字結(jié)構(gòu)更接近，研究者使用“Landolt square”代替“Landolt rings”（見圖2）。研究發(fā)現(xiàn)，首次注視點與有多次注視的首個加工注視位置更靠近詞首，單一注視點的位置更靠近詞的中心。因此，Landolt 范式對于漢語閱讀同樣適用。

為了排除漢語詞匯信息的影響，本研究選用基于韓語字母編寫的符號為實驗材料，保證筆畫數(shù)與漢字筆畫數(shù)一一對應(yīng)，主要表現(xiàn)為橫（一）和豎（丨），見圖3。

基于以往研究結(jié)果，本研究的研究假設(shè)如下：對于漢語閱讀中的眼跳目標(biāo)選擇而言，（1）如果有詞匯信息和無詞匯信息對其的影響無顯著差異，說明漢字的筆畫數(shù)對眼跳目標(biāo)選擇的影響是由視覺復(fù)雜性引起；（2）如果有詞匯信息和無詞匯信息對其的影響有顯著差異，說明漢字的筆畫數(shù)對眼跳目標(biāo)選擇的影響是由視覺復(fù)雜性導(dǎo)致的認(rèn)知加工復(fù)雜性引起。

2 研究方法

2.1 被試

49 名非韓語或非漢語言文學(xué)專業(yè)的在校生（24 名男生, 25 名女生），年齡為18-25 歲。視力或矯正視力正常，實驗前均不知道實驗?zāi)康摹?/p>

2.2 實驗設(shè)計

采用單因素被試內(nèi)實驗設(shè)計，自變量為是否有詞匯信息，分為有詞匯信息和無詞匯信息兩個水平。

2.3 實驗材料

實驗材料包括有詞匯信息材料和無詞匯信息材料。

有詞匯信息材料為編制的72 個漢語句子。請不參與實驗的15 名大學(xué)生采用李克特七點量表進行句子通順性評定（1 為非常不通順, 7 為非常通順），排除句子的通順性對實驗結(jié)果的影響。經(jīng)統(tǒng)計檢驗，M = 6.71，SD = 0.41。

無詞匯信息材料選取步驟如下。

首先，選取105 個韓語符號，其中63 個是帶有部件“圓”（O）（見圖4a）。把不帶有部件“圓”的42 個改編后的符號（見圖4b）分成三組，每組從3 畫到16 畫依次排列。每個字的筆畫由簡單的橫（一）和豎（丨）構(gòu)成，并確保每個字的部件無漢語詞匯意義。請不參加正式實驗的10 名大學(xué)生對每組符號是否按照視覺復(fù)雜程度的高低進行排列，確保42 個改編后的符號的視覺復(fù)雜性差異。

其次，按照所篩選的符號材料的筆畫數(shù)替代有詞匯信息的72 個漢語句子對應(yīng)的漢字，組成72 個符號句子，即無詞匯信息材料。所有帶有部件“圓”（O）的韓語符號，用“方框”（□）代替“圓”（見圖5）。

要求被試完成有詞匯信息和無詞匯信息閱讀任務(wù)，每種任務(wù)包含72 個實驗句和36 個填充句。在有詞匯信息任務(wù)中，被試完成句子閱讀后，需要回答隨機呈現(xiàn)的閱讀理解問題（共40 個），并進行“是”或“否”按鍵判斷。在無詞匯信息任務(wù)中，為了模擬自然閱讀，要求被試“閱讀”由改編后的符號組成的無詞匯信息句子，并報告目標(biāo)符號的數(shù)量，即帶有“方框”（□）的符號數(shù)量。為了避免無詞匯信息任務(wù)中的視覺搜索對實驗結(jié)果的影響，實驗句不包含目標(biāo)符號，僅填充句包含1-3 個目標(biāo)符號。除了首字和尾字的位置外，目標(biāo)符號在填充句其它位置出現(xiàn)的概率相同。實驗材料示例見表1。

2.4 實驗儀器

EyeLink 1000 眼動儀記錄被試的眼動軌跡。采樣率為1000 Hz，刷新率為120 Hz，分辨率為1024 ×768 像素。眼睛與屏幕間距離為85 cm，實驗刺激為30 號黑體，大小為39 × 39 像素，視角約為1.02°。

2.5 實驗程序

實驗采用個別施測。（1）被試坐在距離眼動儀前85 cm 的椅子上，下巴放在下巴托上，盡可能保持頭部不動。（2）為保證眼動記錄的精確性，水平三點校準(zhǔn)，平均誤差小于0.2°。校準(zhǔn)完成后，向被試呈現(xiàn)實驗指導(dǎo)語。（3）當(dāng)被試熟悉程序后，開始正式實驗。實驗材料隨機呈現(xiàn)，整個實驗持續(xù)30-40 分鐘。

2.6 眼動指標(biāo)

表 1 實驗材料示例

3 研究結(jié)果

根據(jù)如下標(biāo)準(zhǔn)刪除數(shù)據(jù)：（1）刪除注視時間小于80 ms 或長于800 ms 的注視點；（2）被試回答問題的正確率低于80%的句子；（3）注視點少于或等于3 個的句子；（4）3 個標(biāo)準(zhǔn)差之外的數(shù)據(jù)（梁菲菲等, 2017； 王永勝等, 2018）。刪除數(shù)據(jù)占總數(shù)據(jù)的8.36%。

在有詞匯信息句子和無詞匯信息句子的數(shù)據(jù)分析中，目標(biāo)詞為所有的雙字詞，每個漢字的筆畫數(shù)作為協(xié)變量參與分析。分析跳讀率和注視位置時，句中前后三個目標(biāo)詞的數(shù)據(jù)不參與分析。

運用基于R 語言（R Development Core Team,2014）環(huán)境下的線性混合模型（Linear Mixed Model, LMM）和lme4 數(shù)據(jù)處理包（Bates, Maechler,& Bolker, 2012）分析數(shù)據(jù)。其中，線性模型是以是否有詞匯信息、筆畫數(shù)以及兩者之間的交互作用作為固定因素，用LMM 進行分析。

3.1 平均向前眼跳幅度

被試閱讀有詞匯信息句子和無詞匯信息句子的平均向前眼跳幅度及其固定效應(yīng)估計值見表2 和表3。

表 2 目標(biāo)詞的平均向前眼跳幅度（標(biāo)準(zhǔn)差）

表 3 是否有詞匯信息在平均向前眼跳幅度上的固定效應(yīng)估計值

被試閱讀有詞匯信息句子的平均向前眼跳幅度顯著大于無詞匯信息句子的平均向前眼跳幅度（b = -0.40, SE = 0.04, t = -10.26, p＜ 0.001）。

3.2 跳讀率

被試閱讀有詞匯信息句子和無詞匯信息句子的跳讀率及其固定效應(yīng)估計值見表4 和表5。

被試閱讀有詞匯信息句子的跳讀率（M = 0.19,SE = 0.39）顯著高于無詞匯信息句子的跳讀率（M =0.18, SE = 0.38；b = -0.39, SE = 0.19, Z = -1.99, p ＜0.05），筆畫數(shù)的主效應(yīng)顯著（b = -0.37, SE =0.08, Z = -4.62, p ＜ 0.001），交互作用顯著（b =0.89, SE = 0.15, Z = 6.12, p ＜ 0.001）。簡單效應(yīng)分析結(jié)果發(fā)現(xiàn)，在有詞匯信息句子中，對多筆畫漢字的跳讀率更高（b=-0.0 6, SE=0.01, t=-6.1 1,p＜0.001)。

表 4 目標(biāo)詞的跳讀率平均數(shù)（標(biāo)準(zhǔn)差）

表 5 是否有詞匯信息在跳讀率上的固定效應(yīng)估計值

3.3 平均首次注視位置及首次注視位置分布

分析被試閱讀有詞匯信息句子和無詞匯信息句子的注視位置，被試閱讀兩種任務(wù)句子的平均首次注視位置及其固定效應(yīng)估計值，見表6 和表7。

2018年9月3日，2018廣州國際汽車零部件及售后市場展覽會(AAG)在廣州保利世貿(mào)博覽館隆重啟幕。本次展會是華南地區(qū)規(guī)模最大的，集商貿(mào)、交流、投資于一體的專業(yè)性汽車后市場展覽會，展會規(guī)模超過10萬平方米，1 300多家企業(yè)參展，開展當(dāng)天有近2萬全球?qū)I(yè)觀眾和買家蒞臨現(xiàn)場，預(yù)計3天的展期專業(yè)觀眾和買家數(shù)量將達到5萬人次。

表 6 目標(biāo)詞的平均注視位置（標(biāo)準(zhǔn)差）

表 7 是否有詞匯信息在平均注視位置上的固定效應(yīng)估計值

結(jié)果發(fā)現(xiàn)，在平均首次注視位置上，是、否有詞匯信息存在顯著差異。被試閱讀有詞匯信息句子的平均首次注視位置（M = 0.89, SE = 0.55）顯著大于無詞匯信息句子的平均首次注視位置（M =0.74, SE = 0.51； b = -0.23, SE = 0.04, t = -6.20, p ＜0.001），這說明，相較于無詞匯信息句子，閱讀有詞匯信息句子時，平均首次注視位置更靠近雙字詞的中心位置。此外，筆畫數(shù)的主效應(yīng)顯著（b =-0.06, SE = 0.03, t = -2.05, p ＜ 0.05），交互作用不顯著（b = -0.04, SE = 0.06, t = -0.67, p ＞ 0.05）。

對落在四個區(qū)域內(nèi)首次注視的百分比進行分析，不同條件下的首次注視位置分布見圖6。將區(qū)域作為自變量，對是、否有詞匯信息句子在每個區(qū)域中的注視百分比進行2（是否有詞匯信息）×4（區(qū)域：1，2，3，4）重復(fù)測量方差分析。結(jié)果發(fā)現(xiàn)，區(qū)域的主效應(yīng)顯著，F(xiàn)（3, 267）= 222.06，p ＜0.001, η= 0.38。進一步分析發(fā)現(xiàn)，落在區(qū)域1 和區(qū)域2 的首次注視的百分比顯著大于區(qū)域3 和區(qū)域4 中的百分比，ps＜0.001。這表明，被試對目標(biāo)詞的首個注視點大多落在詞的中間偏左位置。

3.4 單次注視中的平均首次注視位置及首次注視位置分布

已有研究發(fā)現(xiàn)，漢語閱讀中的單次注視和多次注視中的首次注視位置分布存在差異，具體為：在單次注視中，首次注視位置分布呈現(xiàn)二次曲線分布趨勢；而在多次注視中，首次注視位置分布呈現(xiàn)線性趨勢（白學(xué)軍等, 2011； Yan, Kliegl,Richter, Nuthmann, & Shu, 2010）。因此，對不同條件下單次注視中的平均首次注視位置及其固定效應(yīng)估計值進行統(tǒng)計分析，見表6 和表7。

結(jié)果發(fā)現(xiàn)，在單次注視中，閱讀有詞匯信息句子的平均注視位置（M = 0.96, SE = 0.54）顯著大于無詞匯信息句子的平均注視位置（M = 0.88, SE =0.52； b = -0.11, SE = 0.03, t = -3.33, p ＜ 0.01）。這說明，在單次注視中，相較于無詞匯信息句子，閱讀有詞匯信息句子的平均注視位置更靠近雙字詞的中心。此外，筆畫數(shù)的主效應(yīng)不顯著（b =-0.01, SE = 0.03, t = -0.27, p ＞ 0.05），交互作用顯著（b = -0.16, SE = 0.07, t = -2.42, p ＜ 0.05）。簡單效應(yīng)分析結(jié)果發(fā)現(xiàn)，與有詞匯信息句子相比，無詞匯信息句子中的筆畫數(shù)效應(yīng)更大（前者平均數(shù)差異為0.01，后者平均數(shù)差異為0.03）。

對落在四個區(qū)域內(nèi)單次注視中的首次注視的百分比進行分析，不同條件下的首次注視位置分布見圖7。被試的注視點落在區(qū)域1、區(qū)域2、區(qū)域3 和區(qū)域4 的百分比分別為26%、30%、26%和17%。該分布為典型的二次曲線趨勢，與以往拼音文字閱讀和漢語閱讀研究中關(guān)于單次注視位置分布趨勢基本一致（McDonald & Shillcock, 2004； 白學(xué)軍等, 2011）。

將區(qū)域作為自變量，對是、否有詞匯信息句子在每個區(qū)域中的注視百分比進行2（是否有詞匯信息）× 4（區(qū)域：1，2，3，4）重復(fù)測量方差分析。結(jié)果發(fā)現(xiàn)，區(qū)域的主效應(yīng)顯著，F(xiàn)（3, 267）=184.44, p ＜ 0.001, η= 0.25。進一步分析發(fā)現(xiàn)，落在區(qū)域2 中的首次注視的百分比明顯大于區(qū)域1、區(qū)域3 和區(qū)域4 中的百分比，ps ＜ 0.001。這說明在單次注視中對目標(biāo)詞的首個注視點更靠近詞的中間位置。

3.5 多次注視中的平均首次注視位置及首次注視位置分布

多次注視中的首次注視在所有首次注視中（包含單次注視和多次注視）所占的百分比約為31.8%，其中，被試閱讀有詞匯信息的句子時出現(xiàn)再注視的比率約為18.1%，閱讀無詞匯信息的句子出現(xiàn)再注視的比率約為45.2%。由此可知，被試在閱讀無詞匯信息的句子時再注視的比率更高。被試閱讀兩種條件句子時的多次注視中的平均首次注視位置及其固定效應(yīng)估計值見表6 和表7。

結(jié)果發(fā)現(xiàn)，在多次注視中，無論是有詞匯信息句子還是無詞匯信息句子，被試閱讀時的平均首次注視位置沒有顯著差異（b = 0.01, SE = 0.07, t =0.10, p ＞ 0.05），筆畫數(shù)的主效應(yīng)不顯著（b =0.001, SE = 0.06, t = 0.01, p ＞ 0.05）。

對落在四個區(qū)域內(nèi)的首次注視的百分比進行分析，不同條件下的首次注視位置分布見圖8。無論是閱讀有詞匯信息的句子還是無詞匯信息的句子，多次注視中的首次注視位置分布趨勢一致。

將區(qū)域作為自變量，對是、否有詞匯信息句子在每個區(qū)域中的注視百分比進行2（是否有詞匯信息）× 4（區(qū)域：1，2，3，4）重復(fù)測量方差分析。結(jié)果發(fā)現(xiàn)，區(qū)域的主效應(yīng)顯著，F(xiàn)（3, 267）=34.47，p ＜ 0.001，η= 0.11。進一步分析發(fā)現(xiàn)，落在區(qū)域1 中的首次注視的百分比（55%）明顯大于區(qū)域2（26%）、區(qū)域3（12%）和區(qū)域4（7%）的百分比（ps ＜ 0.001）。這說明在多次注視中，被試對目標(biāo)詞的首個注視點往往落在詞首。

4 討論

4.1 是否有詞匯信息對眼跳目標(biāo)選擇的影響

本研究采用Landolt 范式，以是否有詞匯信息為自變量，筆畫數(shù)為協(xié)變量，考察其對漢語閱讀中眼跳目標(biāo)選擇的影響。結(jié)果發(fā)現(xiàn)，與閱讀無詞匯信息的句子相比，被試閱讀有詞匯信息的句子的跳讀率更高，平均向前眼跳幅度更長。這可能是因為閱讀有詞匯信息的句子時，詞匯信息（如詞頻、音位結(jié)構(gòu)等）有助于被試在眼跳前的注視中獲取較多信息，進而對眼跳目標(biāo)的選擇產(chǎn)生影響。這一結(jié)果與前人研究結(jié)果一致（Liu, Reichle, &Li, 2015； Williams & Pollatsek, 2007）。Liu、Reichle 和Huang（2015）運用Landolt 范式，從詞匯識別和詞匯切分的角度探討閱讀過程中的眼跳目標(biāo)選擇。研究表明，詞匯的加工難度和詞長影響向前眼跳幅度。詞長越長，向前眼跳長度越長；詞匯的加工難度越大，向前眼跳長度越短。

本研究還發(fā)現(xiàn)，在首次注視中，被試閱讀有詞匯信息句子的平均注視位置顯著大于無詞匯信息句子的平均注視位置。在單次注視中，與無詞匯信息句子相比，被試閱讀有詞匯信息句子的平均注視位置更靠近詞的中間位置；在多次注視中，被試無論閱讀有詞匯信息句子還是無詞匯信息句子，平均首次注視位置沒有顯著差異。這說明在首次注視和單次注視上，讀者閱讀時的平均注視位置分布均受詞匯信息的影響，但首次注視與單次注視中的平均注視位置具體受哪些詞匯信息的影響有待進一步探討。

以往研究發(fā)現(xiàn)，注視時間和眼跳目標(biāo)選擇受漢字的視覺復(fù)雜性（具體表現(xiàn)為筆畫數(shù)）影響（Ma & Li, 2015； 白學(xué)軍, 李馨, 閆國利, 2015； 李馨,2018； 李玉剛等, 2017； 孟紅霞等, 2014）。將筆畫數(shù)作為協(xié)變量分析發(fā)現(xiàn)，在跳讀率和首次注視中的平均注視位置的分析中，筆畫數(shù)的主效應(yīng)顯著；在單次注視中的平均注視位置和跳讀率的分析中，筆畫數(shù)與自變量（即是否有詞匯信息）產(chǎn)生顯著的交互作用。這說明筆畫數(shù)對閱讀中的跳讀率、首次注視和單次注視中的平均注視位置產(chǎn)生影響。

以往研究中研究者用圖形（如圓、方框）作為Landolt 范式的實驗材料（Hillen et al., 2013； Liu,Reichle, & Huang, 2015； Williams et al., 2014）。本研究采用基于韓語結(jié)構(gòu)編寫的符號且其“筆畫數(shù)”與相應(yīng)的漢字筆畫數(shù)一一對應(yīng)，在很大程度上更貼合漢字結(jié)構(gòu)特征。

4.2 漢語閱讀中是否存在偏向注視位置

已有研究表明，拼音文字閱讀中存在PVL 和OVP，證實拼音文字閱讀的眼跳目標(biāo)選擇是以詞為基礎(chǔ)（Joseph et al., 2009； Radach & Kennedy,2004）。本研究發(fā)現(xiàn)，無論是閱讀有詞匯信息句子還是無詞匯信息句子，被試在雙字詞上的平均首次注視位置分布呈現(xiàn)出從左往右遞減趨勢。

當(dāng)僅有一個注視點時，平均注視位置傾向于接近詞的中間位置；當(dāng)有多個注視點時，平均首次注視位置傾向于落在詞首，且其注視位置分布的變化趨勢呈負(fù)向的線性變化。這與前人研究結(jié)果一致（白學(xué)軍等, 2011； Liu, Reichle, & Li, 2015； 孟紅霞等, 2014； Yan et al., 2010）。

對于讀者在閱讀過程中選擇的眼跳策略，“戰(zhàn)略-戰(zhàn)術(shù)”模型認(rèn)為讀者在閱讀時會采取詞間眼跳策略（O'Regan & Jacobs, 1992）。這種策略有助于讀者能準(zhǔn)確地注視每個詞的OVP，但眼跳過程中產(chǎn)生的誤差會使讀者錯過本應(yīng)注視的目標(biāo)。此時，讀者如果使用詞內(nèi)眼跳技術(shù)（即對該詞進行再注視），則能確保在單次注視時，每個詞都將會在OVP 上被注視；在多次注視時，每個詞都將會從不同的位置上被注視。本研究結(jié)果支持“戰(zhàn)略-戰(zhàn)術(shù)”模型。

5 結(jié)論

在本研究的實驗條件下，初步得到以下結(jié)論：（1）漢字的筆畫數(shù)對閱讀中的眼跳目標(biāo)選擇影響不僅僅與視覺復(fù)雜性有關(guān)，還與認(rèn)知加工的復(fù)雜性有關(guān)，即與詞匯信息有關(guān)。（2）研究結(jié)果支持初級眼動控制理論中的“戰(zhàn)略-戰(zhàn)術(shù)”模型。