陳松林 陳新煒 李璜夏 藥盼盼

摘 ?要??建立于序列加工理論、平行加工理論和交互激活理論， 一些經典的眼動控制模型對閱讀過程中常見的眼動行為、實驗效應及其背后可能的信息加工認知機制進行了模擬和探究。閱讀研究中的5種經典眼動控制模型——E-Z Reader 10^th、SWIFT、Glenmore、OB1 Reader和CRM， 在模型結構、模型基本邏輯、解釋常見眼動行為、解釋常見實驗效應上存在相似性亦有獨特性?；趯ι鲜瞿Ｐ偷膶Ρ确治觯?未來模型需要考察詞匯后整合的問題、語序的問題、語言外因素的問題， 可嘗試對偏好注視位置的最新實證研究結果進行一定程度的解釋， 建立模型對比的統(tǒng)一標準， 探索各個模型的跨語言解釋力。

關鍵詞??E-Z Reader， SWIFT， Glenmore， OB1 Reader， CRM， 眼動控制

分類號??B842.5

1??引言

閱讀是協(xié)同了一系列不同認知活動（如視覺信息加工、文字與詞語識別、注意力的分配和轉移、眼球運動控制等）的高級認知行為。探究閱讀過程認知機制是心理語言學領域的核心課題， 而揭示閱讀過程中的眼動控制規(guī)律則是當前熱點話題。近年來， 基于大量眼動實驗數據， 研究者們建立了不同的計算模型來模擬閱讀過程中的信息加工（Li， Huang et al.， 2022; Mézière et al.， 2021; Yu et al.， 2021; Zhang， Yao et al.， 2022）。本文分析整理了經典的5種眼動控制計算模型， 并系統(tǒng)對比了各個模型的結構、邏輯及其對常見閱讀眼動行為和實驗效應的解釋。對這些眼動控制模型系統(tǒng)深入的了解有助于我們認知真實的閱讀過程。

基于知覺廣度內視覺注意分配的差異， 眼動控制計算模型大致可分為兩大類型， 即序列加工模型（sequential attention shift models）和平行加工模型（parallel graded processing models）。這兩大派系從各自誕生之始至今， 仍存爭議（Reichle， Liversedge et al.， 2009; Snell & Grainger， 2019a; Snell & Grainger， 2019b; 綜述見Murray et al.， 2013; Rayner et al.， 2003; 馬國杰， 李興珊， 2012; 隋雪 等， 2013; 吳俊， 莫雷， 2008）。序列加工模型的基本假設是：注意力一次只能被分配到一個詞上， 且以嚴格序列的順序從一個詞轉移到下一個詞。其典型代表是E-Z Reader （Pollatsek et al.， 2006; Rayner et al.， 2005; Reichle et al.， 1998， 1999， 2003， 2006; Reichle， Warren et al.， 2009）。與之相對， 平行加工模型則假設可以同時加工多個詞， 每個詞的加工程度由視覺空間注意梯度進行調節(jié)。其典型代表是SWIFT （Engbert et al.， 2002， 2005; Richter et al.， 2006）， Glenmore （Reilly & Radach， 2006）和OB1 Reader （Snell et al.， 2018）。但上述模型都是基于拼音文字（英語和德語）的實證研究成果構建的。由于語言的特異性， 這些模型在非拼音文字（如中文）中是否也具有解釋力則亟待證實。中文的書寫系統(tǒng)由方塊字組成， 且不存在詞邊界的標記。這就對已有模型模擬詞切分和詞識別提出了挑戰(zhàn)。針對中文書寫系統(tǒng)的特異性， Li和Pollatsek （2020）提出了中文閱讀模型（Chinese Reading Model， 下文簡稱CRM）。該模型主張對知覺廣度內的漢字進行平行加工， 而對詞的加工也是平行的， 只是一般詞n+1的激活強度較低， 因此加工較慢。

國內已刊發(fā)的文獻對E-Z Reader、SWIFT、Glenmore都有過詳細的介紹（陳慶榮， 鄧鑄， 2006; 胡笑羽 等， 2007; 劉麗萍?等， 2006; 沈模衛(wèi)?等， 2002; 隋雪?等， 2018）， 而缺少對更新版本的E-Z Reader （Reichle， Warren et al.， 2009）、OB1 Reader以及CRM的介紹。同時， 已有介紹類文獻的重點在于介紹模型， 而沒有對相關模型進行系統(tǒng)的比較分析， 從而可能導致對相關模型的認識是孤立片面的。本文在對上述模型的最新版本進行介紹的基礎上， 對相關模型進行了系統(tǒng)的比較分析， 并對眼動控制模型構建的未來發(fā)展進行了展望。為了更加系統(tǒng)直觀地對比不同模型， 我們將各個模型的特點總結歸納在表1中。

2??模型概覽

2.1 ?E-Z Reader

E-Z Reader是序列加工理論模型的典型代表， 是由Reichle、Pollatsek、Rayner等人基于英文閱讀研究成果提出的模型（Pollatsek et al.， 2006; Rayner et al.， 2005; Reichle et al.， 1998， 1999， 2003， 2006; Reichle， Warren et al.， 2009）。自1998年提出以來， 為適應新的實驗發(fā)現， 該模型已逐步發(fā)展至第10個版本， 該模型被廣泛用來解釋各種閱讀過程中的眼動現象（Bordag & Opitz， 2022; Tschense?& Wallot， 2022; Veldre et al.， 2023; Yang et al.， 2021）。E-Z Reader的發(fā)展經歷了從簡單到復雜的過程。具體而言， 模型1 （Reichle et al.， 1998）考察了詞頻對詞匯識別的影響。模型2 （Reichle et al.， 1998）增加了可預測性因素的影響。模型3 （Reichle et al.， 1998）增加了對一個單詞可進行多次注視的機制。模型4 （Reichle et al.， 1998）引入了離心率因素的影響。模型5 （Reichle et al.， 1998）引入了離心率的不同作用機制， 假設離心率對詞匯通達階段的影響更大。模型6 （Reichle et al.， 1999）在字符水平上闡明了各變量對閱讀眼動控制的影響， 同時細化了再注視機制。模型7 （Reichle et al.， 2003）增加了一個早期視覺加工過程， 并在新的實驗和模擬數據的基礎上改進了公式和相關參數。模型8 （Rayner et al.， 2005）和模型9 （Pollatsek et al.， 2006; Reichle et al.， 2006）模擬了新實驗范式的結果（如移動窗口范式、消失文本范式等）并調整了部分參數使模型更符合實際。模型10 （Reichle， Warren et al.， 2009）新加入了詞匯后整合階段用于解釋更高水平因素對閱讀的影響， 其是本文所述的5個模型中唯一一個對詞匯識別后的詞匯后整合加工進行解釋的理論模型。在這一系列模型中， 本文側重介紹最新版本， 即E-Z Reader 10^th?（下文中簡稱E-Z Reader， 其模型結構如圖1所示）。該模型包含了詞匯加工和眼跳控制兩個部分。詞匯加工又包含熟悉度檢驗、詞匯通達完成和詞匯后整合三個階段。眼跳控制則包含計劃可變階段、計劃不可變階段和眼跳執(zhí)行三個階段。這兩部分是互相聯系影響的：熟悉度檢驗階段的完成會觸發(fā)去往下一詞的眼跳計劃， 詞匯通達完成會使注意力轉移至下一詞， 而詞匯后整合則會調控眼跳控制。該模型很好地解釋了諸如詞頻、詞長、視敏度、預測性和詞匯后整合對讀者閱讀過程眼動的影響。

2.2 ?SWIFT

SWIFT是平行加工理論模型的典型代表， 由Engbert、Nuthmann、Richter、Kliegl等人基于德語數據構建（Engbert et al.， 2002， 2005; Richter ??et al.， 2006）， 目前已更新至第二版（模型結構如圖2）， 其中第二版模型是對第一版模型更詳細的敘述。該模型也被用來模擬解釋了很多實驗效應（Antúnez et al.， 2022; Gregg et al.， 2023; Snell et al.， 2023）。不同于E-Z Reader認為的注意力一次只能被分配到一個詞上， 詞匯加工以嚴格序列的順序進行， SWIFT認為注意力是平行分布在知覺廣度內（一般為4個詞）的所有詞上的， 即閱讀廣度內的多個單詞同時被加工， 只不過其加工程度和速度存在差異（受到每個詞視敏度、頻率、預測性等因素的影響）。這些詞互相競爭而勝者即為眼跳的目標。同E-Z Reader類似， SWIFT也包括了詞匯加工和眼跳控制兩個部分。其中詞匯加工包括了詞匯的前加工階段和詞匯通達階段， 而眼跳控制包括了不穩(wěn)定階段和穩(wěn)定階段。詞匯的前加工階段主要對詞匯的一些基本自然屬性進行加工， 詞匯的激活水平在這一階段由0逐漸上升至最大值; 進入詞匯通達階段后， 詞匯激活水平由最大值逐漸衰減， 直至詞匯加工完成（詞匯激活水平重新回到0）， 注意資源此時開始根據知覺廣度內多個詞的激活程度進行重新分配。SWIFT認為所有眼跳都是隨機產生的， 即在閱讀過程中， 兩次眼跳之間存在隨機的時間間隔， 而眼跳的計劃和執(zhí)行會受到當前詞匯加工的影響， 即當前加工詞的詞頻、預測性等因素會在一定范圍內影響眼跳計劃（中央凹目標抑制機制）。該模型很好地解釋了詞頻、預測性、視敏度等因素對閱讀眼動的影響。

2.3 ?Glenmore

E-Z Reader和SWIFT都是從詞匯識別開始建

模的， 并未涉及亞詞匯信息（字母）的加工?；诖?， 由Reilly和Radach構建的Glenmore （Reilly & Radach， 2006; 模型結構如圖3）應運而生。該模型是基于德語數據提出的， 采用了平行加工的理論和交互激活的模型結構。該模型亦被用來模擬解釋許多實驗效應（Brossette et al.， 2022; Gordon et al.，?2020; Schwalm & Radach， 2023）。具體而言， Glenmore包括視覺輸入層、字母層和詞語層三個加工層， 并包含顯著性地圖（知覺廣度內不同加工單元的激活值分布）、注視中心和眼跳發(fā)生器幾個模塊。詞語識別方面， Glenmore認為， 詞語的視覺信息會被傳遞到字母層和詞語層， 從而完成對注視詞字母和詞語水平上的加工。字母層和詞語層

之間是相互作用的， 字母層的信息傳入詞語層促進詞語的識別， 而詞語層又會對字母層進行反饋以保持字母的激活。同時， 詞語層內多個激活的詞之間會互相競爭， 每個詞的激活強度和速度會受到其自身頻率的影響。眼跳控制方面， 該模型認為， 眼跳目標選擇是通過平行加工和顯著性地圖中的競爭來完成的。同SWIFT的邏輯類似， 當前注視詞的視覺信息和字母信息會被轉換為顯著性地圖， 進而影響眼跳目標選擇。眼跳的實際觸發(fā)是由一個注視中心模塊控制的， 該模塊可以接收來自多種認知加工途徑的輸入（字母層的激活、通過影響字母層而間接影響注視中心的詞語層的激活、閱讀任務、材料難度）， 一旦注視中心模塊的激活值超過某可調的閾值， 即觸發(fā)眼跳。此外， 為解釋溢出效應， 該模型還假設在一次注視完成后， 若該詞得到通達則其激活值為零， 若未通達則該詞的激活值可被攜帶至下一注視。

2.4 ?OB1 Reader

Glenmore雖加入了字母的加工， 但字母和詞之間的連接是先驗的， 即字母層的字母被先驗地對應到了特定的詞語， 而非傳統(tǒng)的交互激活模型所述的字母層的字母能激活所有可能的詞語。詞語層到字母層的連接同理。這一操作并不符合心理認知現實。同時， 已有平行加工模型（SWIFT、Glenmore）并沒有很好地解決詞語激活順序和句子語序之間的矛盾問題。為解決這些問題， Snell、Leipsig、Grainger、Meeter于2018年基于德語數據， 結合平行加工理論和交互激活模型構建了OB1 Reader （Snell et al.， 2018; 模型結構如圖4）。該模型創(chuàng)造性地加入了空間主題信息表征模塊， 解決了激活順序和語序矛盾的問題， 引發(fā)了大量對閱讀機制中語序問題的探究（Brossette et al.， 2022; Dufour et al.， 2022; Mirault et al.， 2022; Pegado & Grainger， 2020; Primativo et al.， 2022; Zhang， Wang et al.， 2022）。具體來講， 模型認為， 視覺輸入會激活開放雙字母節(jié)點和包含詞長信息的空間主題信息表征， 其中開放雙字母節(jié)點的激活受視敏度、擁擠程度、注意權重等調節(jié)。開放雙字母節(jié)點會激活多個詞匯節(jié)點， 這些詞匯節(jié)點相互競爭， 并被匹配到空間主題信息表征中。如匹配成功， 則詞語得到通達， 如匹配失敗， 則詞語不通達。眼跳控制方面， 該模型認為眼跳觸發(fā)是隨機的， 而眼跳目標的選擇視詞語識別情況而定：當激活的詞語與空間主題信息匹配成功， 則計劃眼跳至視覺范圍內顯著性最高的詞語（其顯著性為組詞字母的激活值之和）; 若匹配失敗， 則對左側未識別的詞語計劃回視。同時， 該模型認為， 注意范圍的大小取決于詞語有沒有得到通達：若通達則注意范圍擴大， 若未通達則縮小。該模型解釋了詞長效應、正字法鄰居大小效應等實驗效應。

2.5 ?CRM

上述4個模型都是基于拼音文字的研究結果（英語和德語）構建的， 鑒于中文的特異性， 這些模型并不能直接用來解釋中文閱讀中的眼動現象。相較于拼音文字（如英語和德語）， 中文不存在詞間空格對詞邊界進行標記。詞間空格的缺失使得讀者不能利用詞間空格完成詞切分進而確定眼跳落點位置， 這就對上述4個模型解釋中文閱讀眼動現象提出了挑戰(zhàn)。中文閱讀中如何進行詞切分成了構建中文閱讀眼動控制模型必須首先解決的問題。另外， 中文以漢字作為書寫符號， 這一表義的“方塊字”由不同的筆畫構成， 漢字之間的復雜度存在較大的差異， 且數量遠多于拼音文字中的字母數量（李玉剛?等， 2017）。漢字的這些特點使得漢字層面的加工成為中文閱讀的一個重點內容， 這就為上述模型解釋中文閱讀眼動現象提出另一挑戰(zhàn)。曾有研究者嘗試將E-Z Reader擴展到中文閱讀中， 且模擬了中文閱讀中的詞頻等效應（Rayner et al.， 2007）。但這一嘗試并未考慮中文閱讀中沒有明顯的詞間空格標記幫助進行眼跳落點位置選擇的特異性， 這并不符合中文閱讀的實際情況。同時， 這一嘗試并未考慮漢字識別加工對中文閱讀的影響。

Li和Pollatsek基于中文閱讀眼動數據針對上述問題構建了中文閱讀眼動模型（Li & Pollatsek， 2020; 模型結構如圖5）。CRM的提出為中文閱讀眼動機制的探究提供了理論基礎（Li， Huang et al.， 2022; Liao et al.， 2022; Sui et al.， 2022; Yao， Alkhammash et al.， 2022; Yao， Slattery et al.， 2022; Yao， Staub et al.， 2022; Zhang， Bai et al.， 2022; Zhang， Yao et al.， 2022）。該模型采用交互激活的邏輯進行建模， 并包括兩大模塊：詞匯加工和眼動控制。同Glenmore類似， 在CRM中， 詞匯加工模塊包括視覺層、漢字層和詞匯層。漢字層和詞匯層之間互相影響， 而每個層內被激活的節(jié)點之間互相競爭、彼此抑制。具體來講， 知覺廣度內所有的漢字平行激活， 所有這些漢字可能組成的詞也都會被激活。所有被激活的詞競爭出唯一的勝利者。當一個詞勝出后， 它也就從所在字符串中被切分出來， 同時也就完成了對該詞的詞匯識別。因此， 該模型認為中文閱讀過程中詞切分和詞識別是同時進行、不可分割的。眼動控制模塊包括眼跳單元、注視詞單元、漢字激活地圖、眼跳目標選擇四個部分， 其中前兩個部分解決眼睛何時移動的問題， 而后兩個部分解決眼睛向哪里移動的問題。CRM認為眼睛何時移動受到加工當前注視詞所需時間的影響：注視詞的激活強度越大（注視詞單元的激活值越大）則眼跳單元的激活強度越大， 當達到一定閾限值時眼跳即被執(zhí)行。而眼跳目標的選擇則是基于漢字加工效率的策略進行的， 即眼動控制模塊根據漢字激活地圖， 從左到右序列選擇激活值小于某閾值的漢字作為下一次眼跳目標。在平行加工還是序列加工這一基本問題上， CRM主張對漢字和詞語的平行加工， 但一般詞n+1的激活強度較低， 因此加工較慢。該模型解釋了視敏度、詞長、詞頻、預測性等因素對中文詞切分和詞匯識別的影響。

3 ?模型結構、邏輯的對比

3.1??模型結構

總體而言， 上述5個模型都包含詞匯識別和眼動控制兩個部分， 只是結構細節(jié)因假設不同而不同。詞匯識別部分， E-Z Reader和SWIFT都包含了詞匯的前加工（在E-Z Reader中稱為熟悉度檢驗）和詞匯通達完成兩個階段; 而基于交互激活模型構建的Glenmore、OB1 Reader和CRM則要復雜得多， 詞匯識別是以不同的加工層之間的相互作用實現的， 大致包括視覺層、字母（漢字）層和詞語層。眼動控制部分， 都包括眼跳目標選擇和眼跳發(fā)生的結構。對于眼跳目標的選擇， 基于平行加工理論構建的模型（SWIFT， Glenmore， OB1 Reader， CRM）都是通過顯著性地圖這一結構實現的， 而基于序列加工理論構建的E-Z Reader由于假設眼跳目標會默認選擇當前注視詞n的下一個詞n+1， 故沒有特定的結構用于眼跳目標選擇。對于眼跳的發(fā)生， 與其他模型不同， Glenmore和CRM是通過獨立的注視中心模塊或眼跳單元模塊控制眼跳的， 相應模塊是否達到激活閾限決定眼跳是否執(zhí)行。最后， 除了詞匯識別和眼動控制， E-Z Reader還具有一個詞匯后整合階段用來解釋詞匯識別后的語義整合對眼動的影響。這一結構模擬了閱讀過程中的語義整合， 相較于獨立的詞匯識別通達是較為高級和復雜的認知加工過程， 目前其他模型并未涉及。

3.2??注意分布

5個模型的核心邏輯差異是知覺廣度內視覺注意分布是序列還是平行。從是否可以同時加工知覺廣度內的多個詞來看， E-Z Reader屬于序列加工， 而SWIFT、Glenmore、OB1 Reader和CRM屬于平行加工。另外， CRM在漢字加工上是主張平行加工的， 即知覺廣度內所有的漢字同時激活， 他們所能構成的詞語互相競爭直到有一個詞的激活值超過閾限值進而完成詞匯識別。而在詞語加工上， CRM主張空間不重合的詞沒有競爭， 所以可以平行加工。但一般詞n+1的激活強度較低， 因此加工較慢。另外， E-Z Reader雖然主張詞語的序列加工， 但認為眼跳與注意力轉移是可以分離的， 在完成詞n的詞匯通達以后， 注意力即可從詞n轉移到詞n+1進而對詞n+1開始預加工（熟悉度檢驗）。這就使得基于序列加工邏輯的E-Z Reader仍然可以解釋預視效應。

3.3字母/漢字識別

E-Z Reader和SWIFT均從詞語識別開始建模， 對字母識別沒有明確主張。Glenmore、OB1 Reader和CRM都包含了字母/漢字的識別， 并認為視敏度影響其識別：在中央凹處的字母/漢字識別率最高， 隨著距中央凹距離的增加， 識別率降低。同時， 這三個模型都采用了交互激活的建模邏輯， 都認為詞匯層的激活也會對字母/漢字的激活產生影響：高激活水平的詞匯可以促進其對應位置的字母/漢字的激活， 而抑制同一位置的其他字母/漢字的激活。

Glenmore基于實證研究結果（Inhoff et al.， 2003）， 認為詞長信息會影響字母的平均激活水平：字母的平均激活水平隨著詞長增長而下降。OB1 Reader加入了注意力權重和擁擠程度對字母識別的影響。具體而言， 字母獲得的注意力權重越高則越容易識別， 單獨的字母以及位于詞邊緣的字母更容易識別。漢字的識別在CRM當中是通過輸入漢字圖像與先驗的漢字模板之間的相似度匹配實現的， 同一位置上的漢字節(jié)點之間相互競爭， 最后勝出的那個漢字得到識別。

3.4詞匯識別

不管是基于序列還是平行加工理論， 這5個模型都認為當某個詞匯的激活值達到一定閾值后即可完成該詞的識別， 并且都認為詞頻等因素影響識別過程。但是， 不同模型對這些因素如何影響詞匯識別有不同的假設。E-Z Reader、SWIFT和OB1 Reader認為詞匯識別的促進是通過降低閾限值實現的， 而Glenmore和CRM則認為詞匯識別的促進是增加了該詞激活值的結果。在影響詞匯識別的因素上， 各模型也存在細微的差異。具體而言， 各模型都認為視敏度和詞頻影響詞語識別。除Glenmore外， 其他模型都認為預測性影響詞語識別。其中E-Z Reader和CRM都認為只有當前加工單元得到識別后， 預測性才能對下一單元的識別產生影響。而SWIFT則分離了詞頻和預測性的影響， 認為詞語的激活難度可以單獨用詞頻來衡量， 預測性被用來調整加工的效率。這樣的結果是， 預測性對加工進程的影響可能早于詞頻。另外， E-Z Reader和OB1 Reader還認為詞長也影響詞語識別。Glenmore基于實證研究結果（Inhoff et al.， 2003）， 認為長詞能從其組成字母中獲得更好的激活而能更好地和短詞競爭， 因此詞長亦影響詞語識別。同時， Glenmore允許任務難度通過“注視中心”模塊實現對詞語識別自上而下的調節(jié)。另外， 如前所述， 因為OB1 Reader和CRM都包含了字母/漢字的識別， 因此由相似字母/漢字構成的多個可能詞語之間的競爭也會對詞匯識別產生影響。Glenmore雖亦為平行加工模型， 但由于模型重在解釋眼跳目標選擇機制， 并未對詞語識別中多個備選詞的激活與競爭進行建模。最后， 由于中文沒有詞間空格對詞邊界進行標記， CRM中的詞語識別過程同時包含了詞切分的認知過程。其他基于拼音文字構建的模型都假設讀者可以利用初級視覺輸入信息（詞間空格）獲取詞邊界信息進而不需要詞切分這一模塊。

3.5詞匯整合

在本文所述的5個模型中， 只有E-Z Reader包含了對已識別詞語的語義整合過程。這一過程在該模型中被納入了詞匯加工的第三個階段（詞匯后整合階段）， 以用來反映讀者在即時加工中將已識別詞語整合到更高水平表征所需要的語義整合。例如， 將詞整合進一個句法結構， 產生和語境匹配的語義表征， 將意義整合進話語模型中等。E-Z Reader對詞語整合的即時性以及整合失敗帶來的回視和再注視等現象進行了詳細的論述（詳見下文4.2與4.3部分）。

3.6眼跳目標選擇（Where to move the eyes）

在眼跳目標選擇上， 平行加工模型和序列加工模型存在巨大差異。序列加工模型（E-Z Reader）認為下一次眼跳目標即為當前注視詞后的第一個未識別的詞， 因此不存在復雜的眼跳目標選擇過程。值得注意的是， E-Z Reader認為閱讀過程中可以對詞n+1進行跳讀（詳見下文4.4部分）。平行加工模型（SWIFT、Glenmore、OB1 Reader）由于可以同時激活知覺廣度內的多個詞， 因此存在眼跳目標的選擇問題。其基本邏輯是通過同時激活的多個詞之間的競爭來完成眼跳目標的選擇：Glenmore和OB1 Reader認為激活值最高的詞即是下一次眼跳的目標， 而SWIFT認為激活值最高的詞成為下一次眼跳目標的概率最高。而CRM的眼跳目標選擇是基于漢字的， 具體而言， 模型采用基于加工效率的策略來決定眼睛移動的位置， 眼動控制模塊從左到右序列搜索漢字激活地圖， 找出激活值小于某個閾限值的第一個漢字作為下一次眼跳的落點位置。

3.7眼跳計劃和執(zhí)行（When to move the eyes）

各模型對如何進行眼跳計劃和執(zhí)行存在較大的差異， 可從兩個角度予以說明。

第一， 從眼跳發(fā)生機制上來說， 根據Reingold等（2012）， 可分為直接控制（direct control）和間接控制（indirect control）， 其中直接控制又包含觸發(fā)機制（triggering mechanism）和阻礙機制（interference?mechanism）。直接控制是指對當前注視詞的加工會影響到下一次眼跳啟動， 這種影響是局部的、即時的。間接控制是指當前注視詞的特征和屬性不會直接影響到眼跳啟動。間接控制涉及到對注視時間的延遲調整（即非實時）， 該注視時間通常由讀者遇到的閱讀材料的平均加工難度等因素決定。直接控制的觸發(fā)機制是指當注視詞的加工達到一定程度時即觸發(fā)眼跳計劃， 而阻礙機制是指眼跳啟動與特定加工階段的完成無關， 是由注視詞加工難度對眼跳潛伏期不同程度的抑制導致的。從詞匯因素對眼跳發(fā)生的影響來看， 本文所述的5個模型可歸為直接控制， 其中序列加工模型（E-Z Reader）為觸發(fā)機制， 而平行加工模型（SWIFT、Glenmore、OB1 Reader和CRM）為阻礙機制。具體而言， 在序列加工模型中， 當讀者完成詞語的熟悉度檢驗后即觸發(fā)眼跳計劃。平行加工模型中， 眼跳的發(fā)生則是由詞語的加工難度控制的， 不同難度的詞語會對眼跳的發(fā)生產生不同的阻礙。從非詞匯因素對眼跳發(fā)生的影響來看， E-Z Reader可歸為直接控制， 其糾正錯誤注視位置時會觸發(fā)新的眼跳至正確位置。而SWIFT、Glenmore和CRM則既可歸為直接控制也可歸為間接控制。三個模型認為在視覺編碼出現困難時會觸發(fā)對眼跳的抑制， 此時為直接控制; 同時， SWIFT和CRM中都引入了眼跳的自由參數來自動觸發(fā)眼跳， 以模擬大腦沒有知覺到任何信息或詞匯加工為0時自主眼跳會在一段時間后自動觸發(fā)的現象（time out）， 此時則為間接控制。

第二， 從模型結構來說， 與其他模型不同， Glenmore和CRM是通過獨立的注視中心模塊或眼跳單元模塊控制眼跳的， 相應模塊是否達到激活閾限決定眼跳是否執(zhí)行。但同時， 雖然Glenmore和CRM都通過眼跳控制單元來計劃眼跳， 其控制單元所輸入的信息卻并不完全相同。CRM的眼跳單元只與詞匯層連接， 進而使得注視詞的激活強度成為眼睛移動的決定性因素。而Glenmore當中的注視中心模塊不僅和詞匯層連接， 其與字母層也有連接， 而且還能受到自上而下加工的影響（如任務難度）， 其決定因素更多更復雜。而E-Z Reader、SWIFT、OB1 Reader則沒有獨立的眼跳模塊， 眼跳計劃和執(zhí)行的觸發(fā)由一個隨機分布決定， 同時眼跳潛伏受到詞語識別過程的影響。同時， E-Z Reader和SWIFT又都認為眼跳計劃可以分為不穩(wěn)定階段和穩(wěn)定階段。其中， 不穩(wěn)定階段的眼跳是可以取消的， 而穩(wěn)定階段的眼跳則是不可取消的。兩個模型對于兩階段的具體處理又有差異。E-Z Reader作為序列加工模型， 認為不穩(wěn)定階段開始于對當前注視詞n的熟悉度檢驗（詞匯加工的第一階段）完成以后， 之后注意力開始轉移到詞n+1， 在詞n完成詞匯通達階段（詞匯加工的第二階段）之后， 眼跳計劃才進入穩(wěn)定階段然后執(zhí)行眼跳。SWIFT則對詞語識別過程和眼跳計劃之間的先后關系沒有明確假設。

4??對常見眼動行為的解釋

4.1??注視

注視包含兩個測量指標：注視位置和注視停留時間。注視位置與眼跳目標的選擇緊密聯系。注視停留時間受到詞頻、預測性等因素的影響。另外， 眼跳與注視時間也具有相關性， 眼跳的執(zhí)行則意味著注視點的轉移及上一次注視的結束。在這一機制上， 不同模型的處理方法有細微的差異。其中Glenmore和CRM認為上述各因素通過影響注視詞的激活強度來調整眼跳單元激活的時間， 進而產生更長或更短的注視。而E-Z Reader、SWIFT和OB1 Reader認為眼跳計劃產生于一個隨機分布， 在無其他因素影響的情況下， 一定時間后會自動執(zhí)行眼跳。而詞頻、預測性等因素就是通過改變隨機分布的具體值促進或抑制眼跳， 進而產生更長或更短的注視。另外， 由于E-Z Reader加入了詞匯后整合階段， 該階段的語義整合情況也會影響到注視時間的長短。例如， 當語義整合快速失敗時， 讀者會延長當前的眼跳潛伏或產生再注視， 導致當前注視詞上的注視時間變長。

4.2??回視

回視是指讀者在閱讀中將眼睛向與正常閱讀相反的方向移動以重新加工信息的現象。作為一種特殊的眼跳形式， 不同模型有不同的解釋。平

行加工模型（SWIFT、Glenmore、OB1 Reader）認為， 如果在當前注視詞之前仍然存在未識別的詞語且其在眼跳目標選擇競爭中獲勝的話， 則會產生趨向這個詞語的一次眼跳， 即回視。序列加工模型（E-Z Reader）則認為， 在閱讀過程中， 會有一定的概率導致對詞n的語義整合失敗， 從而造成理解困難。此時如果已經完成到下一個詞的眼跳或者該眼跳的眼跳計劃已進入穩(wěn)定階段的話， 則會計劃一次新的回視眼跳回到首先產生理解困難的地方（一般是詞n）。序列加工模型對回視的解釋稍顯欠缺的表現是不能很好地解釋長距離回視的情況， E-Z Reader中雖然也認為會有一定的概率回視到詞n之前的內容， 但在實際模型中只模擬了回視到詞n?1而不包含更前的位置。CRM則認為回視是受高級認知語言加工影響的， 而由于模型沒有包含高級認知加工模塊， 故而沒有考察回視的問題。

4.3??再注視

再注視也是一種特殊的眼跳形式， 是在注視點向右移出當前加工單元前， 對加工單元進行第二次或更多次注視的現象。平行加工模型（SWIFT、Glenmore、OB1 Reader）主張， 如果當前詞的識別難度較大， 對其進行再注視的概率就會較高。同時， SWIFT還主張眼跳幅度與再注視概率之間相關：較短幅度的眼跳會有更大的再注視概率。序列加工模型（E-Z Reader）中的再注視分兩種情況：一種情況是詞中心位置和該詞首次落點位置之間的距離大小影響該詞的再注視概率， 距離越遠則再注視的概率越高; 另一種情況則來自詞匯后整合， 在整合快速失敗時（眼跳計劃仍處于不穩(wěn)定階段）， 讀者可能會產生再注視以幫助當前注視詞的語義整合。如前所述， CRM的眼跳目標選擇是基于加工效率的策略實現的， 眼動控制模塊從左到右序列搜索漢字激活地圖， 找到激活小于某閾值的第一個漢字作為眼跳目標。按此邏輯， 如果當前注視漢字的激活值仍小于某閾值的話， 則會產生對該漢字的再注視。

4.4??跳讀

跳讀是指在閱讀中對某一加工單位不進行注視的情況， 可細分為第一遍閱讀當中的跳讀和整個閱讀過程當中的跳讀， 一般指前者。跳讀這一特殊的眼跳在一定程度上是序列加工模型的專利， 因為在平行加工模型（SWIFT、Glenmore、OB1 Reader）的空間顯著性框架下， 詞語跳讀的概念是沒有意義的， 因為沒有默認的去往詞n+1的眼跳。根據E-Z Reader， 當詞n+1在副中央凹就完成詞匯通達和整合時（如“the”， Angele & Rayner， 2013）， 讀者會將默認的去往詞n+1的眼跳取消， 直接跳讀到詞n+2。

5??對常見實驗效應的解釋

5.1??詞頻效應

詞頻效應是指相較于低頻詞， 高頻詞更容易被跳讀、其閱讀時間更短（Kuperman et al.， 2023; Li， Li et al.， 2022; Liu et al.， 2020）。作為一個非常穩(wěn)健的實驗效應所有眼動控制模型都對其進行了模擬。E-Z Reader、SWIFT、OB1 Reader認為高頻詞能降低詞語激活的閾限值， 而Glenmore和CRM認為高頻詞可以增加詞語的激活值。這兩種不同的方式都可以使高頻詞較快地達到激活閾限進而被激活， 從而縮短加工時間。

5.2預測性效應

預測性效應是指相較于低預測性的詞， 高預測性的詞更容易被跳讀、其閱讀時間更短（Chang et al.， 2020; Cui et al.， 2022; Liu et al.， 2020; Yao， Staub et al.， 2022）。各模型對預測性效應的解釋與詞頻相仿， 只有Glenmore沒有對預測性效應進行模擬。其中， E-Z Reader還假設：當詞語預測性高于讀者依據前文語境猜測出詞n的可能性時， 詞語的熟悉度檢驗階段加工時間為零， 繼而對整個詞的加工時間也為零。

5.3詞長效應

詞長效應是指相較于長詞， 短詞更容易被跳讀、其閱讀時間更短（Kuperman et al.， 2023; Li， Li et al.， 2022; Zang et al.， 2018）。各模型對其的解釋與詞頻效應類似。但由于中文沒有詞間空格， 因此在詞匯識別之前， 詞長信息和詞邊界信息是未知的， 詞長對中文閱讀的影響須在詞切分完成之后。根據CRM， 詞切分和詞匯識別是統(tǒng)一的過程， 因此詞切分后的詞長效應可能是由詞切分過程中長詞的切分和識別需要激活更多漢字信息帶來的。

5.4預視效應

預視效應是指讀者可以對副中央凹區(qū)域的信息進行加工的現象（Chang et al.， 2020; Cui et al.， 2022; 綜述見張慢慢， 臧傳麗， 白學軍， 2020）。由

于平行加工模型（SWIFT、Glenmore、OB1 Reader）認為視覺注意在知覺廣度內是平行分布在各詞上的， 那么預視效應就是這一平行加工的直接結果。而序列加工模型（E-Z Reader）則認為注意是序列轉移的， 注意資源一次只能分配到一個詞上， 其對預視效應的解釋不同于平行加工模型。具體來說， E-Z Reader中的預視效應是注意力轉移的結果。該模型認為， 詞匯識別可以分為熟悉度檢驗和詞匯通達完成兩個階段， 在完成詞匯通達階段以后， 讀者的注意就轉移至下一個詞。而由于此時并沒有發(fā)生實際的眼跳， 因此這一注意的轉移會使讀者通過副中央凹對下一個詞進行熟悉度檢驗的加工。另外， 和預視效應相關的一個問題是預視加工的程度。平行加工模型（SWIFT、Glenmore、OB1 Reader）認為對詞n+1的預視加工可以到語義程度， 而在序列加工模型（E-Z Reader）中， 對詞n+1的預視加工只是針對其初級信息的加工， 并未達到語義。

5.5副中央凹?中央凹效應及中央凹?副中央凹效應

這兩個效應是預視效應的進一步發(fā)展， 即讀者不僅對副中央凹的信息進行加工， 且副中央凹的信息加工會和中央凹的信息加工相互影響（Zhang et al.， 2019; 張慢慢， 臧傳麗， 徐宇峰 等， 2020）。當考察副中央凹加工對中央凹加工的影響時， 就是副中央凹?中央凹效應， 反之則是中央凹?副中央凹效應。在副中央凹?中央凹效應上， 序列加工模型（E-Z Reader）和平行加工模型（SWIFT、Glenmore、OB1 Reader）有相反的主張。在序列加工模型中， 對詞n+1的副中央凹加工發(fā)生在對詞n的詞匯通達以后， 二者具有清晰的時間先后順序。因此序列加工模型認為不存在副中央凹?中央凹效應。而在平行加工模型中， 由于可以同時加工多個詞語， 不同詞語之間對注意資源的競爭就會導致副中央凹?中央凹效應。平行加工模型的這一機制同樣可以用來解釋中央凹?副中央凹效應。對于序列加工模型來說， 這一效應也是可以存在的：對詞n的詞匯后整合會影響到對詞n+1的副中央凹加工。當詞n發(fā)生詞匯后整合的困難時， 讀者會減少對詞n+1的預加工， 而將注意力轉移回當前注視詞n。

5.6溢出效應

溢出效應是指對詞n的加工效應會延遲表現到當注視點落到詞n+1時的現象（Pollatsek et al.，

2008; Rayner & Duffy， 1986）。本文所述的5個模型均能對溢出效應提供一定的解釋。E-Z Reader模型中， 讀者在注視詞n+1時可能同時存在對詞n的詞匯后整合， 且由于詞n+1熟悉度檢驗階段可預測性因素的作用與詞n的詞匯后整合密切相關， 進而導致詞n的加工會影響到詞n+1的加工。SWIFT認為眼跳是隨機的， 但同時也會受到中央凹加工（詞n）的抑制。某些情況下， 由于中央凹詞語識別的過程要慢于眼跳產生單元， 詞語識別影響眼跳系統(tǒng)就會有一個時間延遲， 即當詞n的詞語識別抑制效應起作用時， 眼睛已經隨著眼跳轉移到詞n+1了。這種具有時間延遲的中央凹抑制的處理方案就可以很好地解釋溢出效應。Glenmore對于該效應的解釋是， 對字母或詞語的激活值是可以從當前注視帶到下一個注視的， 此邏輯下的溢出效應是順理成章的。OB1 Reader和CRM對該效應的解釋則立足于平行加工的邏輯， 即在注視詞n+1時， 其加工時間會受到副中央凹的詞n的影響， 若詞n容易加工， 則讀者可在詞n+1的加工上分配更多認知資源進而使詞n+1加工時間更短。

5.7偏好注視位置

偏好注視位置是指對某一個詞首次落點最大分布值所在的位置。英語研究中， 這一位置一般是詞中央偏左的位置（McConkie et al.， 1988; Rayner， 1979）， 但近年來也有研究者提出了注視位置靈活性的主張（Cutter et al.， 2017， 2018）。基于前一主張， E-Z Reader、SWIFT、OB1 Reader認為眼跳計劃指向眼跳目標的詞中心， Glenmore認為眼跳計劃指向顯著性最高的詞。在此基礎上， 系統(tǒng)誤差和隨機誤差導致偏好注視位置位于詞中央偏左。由于中文沒有詞間空格， 在詞邊界不明的情況下確定詞中心所在的位置本身就是一個較大的難題， 因此中文閱讀中是否存在和英語一致的偏好注視位置效應一直存在爭議（綜述見： 李興珊 等， 2011; 李玉剛 等， 2017）。針對中文特異性， 有研究者提出了基于加工效率的假設（Li et al.， 2015; Ma et al.， 2015; Wei et al.， 2013）， 即讀者首先嘗試在給定的注視點上加工盡可能多的信息， 當一個

注視位置的加工效率降低到一定程度時， 眼睛才移動到未處理信息的位置。也有研究者提出了副中央凹詞切分的假設（Zhou et al.， 2018; 白學軍 等， 2012）， 即若讀者在副中央凹完成了詞切分， 則會注視到詞中心。近年來又有研究者提出了動態(tài)調整的假設（Li et al.， 2015; Liu et al.， 2019; Liu et al.， 2019a， 2019b; Xia et al.， 2023; 王永勝 等， 2018）， 認為注視位置與中央凹和副中央凹的加工負荷有關， 會根據加工過程進行動態(tài)調節(jié)。具體而言， 讀者從副中央凹獲取的信息越多， 則眼跳越長。而中央凹加工負荷則是通過影響副中央凹加工進行的， 中央凹負荷越小， 則可通過副中央凹獲得更多加工， 繼而發(fā)生更長的眼跳。不過目前這一觀點仍存爭議。由此可見， 中文閱讀中的偏好注視位置問題仍存爭議， 需要進行更深入的探索。針對中文閱讀構建的CRM模型對于這一問題的觀點是， 讀者在閱讀中文時， 并不會把眼跳目標選擇在一個詞的固定位置上。中文閱讀中的眼跳目標選擇是基于漢字而非詞語的， 其眼跳目標選擇采用基于漢字加工效率的策略進行。

5.8詞切分

詞切分是指讀者在閱讀過程中借助一些線索將所要識別的詞從連續(xù)字符串中切分出來并進一步加工的過程?；谄匆粑淖纸⒌难蹌涌刂颇Ｐ停‥-Z Reader、SWIFT、Glenmore、OB1 Reader）認為讀者可以通過初級視覺輸入（詞間空格）獲取詞邊界信息， 無需進行特別的詞切分過程。而由于中文沒有詞間空格， 因此需要額外的詞切分過程（Huang et al.， 2021; Li et al.， 2009; Liu et al.， 2019）。CRM認為詞匯加工和詞切分是一個統(tǒng)一的過程：知覺廣度范圍內的所有漢字同時被激活， 由這些漢字組成的所有可能的詞進而被激活并相互競爭， 直到唯一勝出者完成詞匯識別并同時從字符串中被切分出來。

5.9個體差異與任務難度

不同的讀者群體或任務難度可能會導致不同的眼動行為（Mak & Willems， 2019; Staub， 2021）。本文所述的5個模型中， SWIFT、Glenmore和OB1 Reader對語言因素以外的讀者差異或任務難度因素進行了討論。但三個模型的側重點并不一致。

其中OB1 Reader主要著眼于個體差異對注意力分布的影響， 而SWIFT和Glenmore則關注個體差異或任務難度對眼跳的影響。具體而言， OB1 Reader認為注意焦點是一個寬度可變的分布， 而讀者的熟練度則可以調節(jié)這一分布：讀者熟練度高則詞語識別成功率高， 注意分布的寬度就會擴大， 反之則縮小。SWIFT認為眼跳計劃間隔時間是隨機的， 但具有預先定義的平均時間， 這一平均時間則與讀者的個人閱讀速率相關：高閱讀速率的讀者的眼跳平均時間更短。Glenmore則認為任務的難度會通過影響注視中心模塊的激活閾限來影響眼跳的計劃和執(zhí)行：難度越高則激活閾限越高， 則更難進行眼跳。

6??對比總結

各模型的直觀對比已總結歸納于表1?？傮w而言， 各模型存在諸多共性， 亦存在諸多差異。各模型都基于自己的邏輯對閱讀中的眼動行為和實驗效應進行了解釋：如在字母/漢字識別和詞匯識別中， 都引入了視敏度、詞頻等因素; 都解釋了注視、回視、眼跳等常見眼動行為; 都模擬了詞頻效應、預視效應等常見實驗效應。

5個模型的核心邏輯差異是知覺廣度內視覺注意分布是序列的還是平行的。這一注意分布的差異會導致模型在字母/漢字識別、詞匯識別上的主張存在差異：如序列加工模型主張不能同時加工多個詞語， 而平行加工模型則相反。這一注意分布的差異還會引起對常見眼動行為解釋的差異：如序列加工模型認為回視來自詞匯后整合， 而平行加工模型則認為來自詞匯識別。注意分布的差異同樣會引起各模型對諸如預視效應、副中央凹?中央凹效應的解釋出現差異：如序列加工模型認為不存在語義層面的預視效應， 也不存在副中央凹?中央凹效應， 而平行加工模型則相反。最后， 每個模型都可以解釋其他模型無法解釋的一些現象/效應：如CRM對中文閱讀中詞切分、偏好注視位置等問題進行了合理的解釋; E-Z Reader對詞語識別后的詞匯后整合進行了一定的探索; 而SWIFT、Glenmore和OB1則對語言以外的部分因素進行了討論。

7??展望

本文從序列加工和平行加工的理論爭議出發(fā)， 系統(tǒng)對比了建立于這兩大理論的5個模型（E-Z Reader、SWIFT、Glenmore、OB1 Reader和CRM）在模型結構、模型基本邏輯、對常見眼動行為的解釋、對常見實驗效應的解釋上的異同。在系統(tǒng)了解這幾個影響力較大的眼動控制模型后， 我們對未來的模型發(fā)展進行了如下展望：

（1）進一步考察詞匯后整合的問題。目前只有E-Z Reader對詞語識別后的語義整合進行了探討， 且其對詞匯后整合的探索僅是引入一個高水平的語義加工階段， 用以解釋第10版E-Z Reader之前的諸版本模型不能解釋的一些問題。對于詞匯后整合、句子框架整體語義搭建是怎么進行的并未進行深入的探討。隨著句法研究和語用研究的深入， 詞語的語義整合問題會成為眼動控制模型完善發(fā)展的方向。

（2）對語序問題給予一定的關注。序列加工模型對語序問題的回答相對直觀， 而平行加工模型則需要對這一問題進行詳細回答。OB1 Reader通過引入空間主題信息表征模塊在一定程度上解決了詞語激活順序和句子語序之間的矛盾問題。但這種基于詞長信息的解決方案很顯然不適于中文閱讀。解釋平行加工框架下中文語序現象是眼動控制模型需要關注的一個研究課題。

（3）加入更多語言因素以外的因素， 提高模型的解釋力。SWIFT、Glenmore和OB1 Reader均對語言因素以外的讀者因素或任務難度因素進行了討論。未來還可以加入年齡、性別、智力、注意、語言水平等因素來提高模型的實際解釋力和應用能力。

（4）對偏好注視位置的最新實證研究結果進行一定程度的解釋?；谄匆粑淖謽嫿ǖ膸讉€模型都主張眼跳指向詞中心偏左， 因而無法解釋前文所述的關于偏好注視位置靈活性的相關發(fā)現。中文閱讀中的眼跳落點位置問題則更為復雜。目前CRM提供了基于漢字加工效率的解決方案， 但并不能解釋近年來發(fā)現的諸如中央凹和副中央凹詞語加工負荷的相關結果（Xia et al.， 2023）。未來的閱讀模型可在這一研究問題上給予更多關注， 以更全面了解閱讀中眼跳落點位置的認知機制。

（5）建立計算模型的核心目的是為了模擬真實閱讀過程中的眼動機制、加深對閱讀這種高級認知行為的了解。在發(fā)展現有模型或開發(fā)構建新模型之外， 可嘗試為模型對比制定系統(tǒng)全面的評判標準。目前各個模型基于各自特定的實證數據構建并模擬對應實驗效應， 且一些關鍵參數在模擬不同效應時會發(fā)生一定的變化。這就為各個模型之間的定量對比造成了一定的困難。未來研究可嘗試構建統(tǒng)一的大規(guī)模的實驗效應數據庫， 以便于基于統(tǒng)一的實驗效應數據， 結合各模型的理論范圍和基本假設， 分析各模型關鍵差異的可證偽性， 直觀對比各模型對同一效應的不同解釋力。

（6）探索各個模型的跨語言解釋力?，F有的各個模型的建立都是基于特定的某種語言（如E-Z Reader是基于英語， SWIFT是基于德語， 而CRM是基于中文）。關于各個模型對其他語言的解釋力， 目前的研究比較有限， 且并未完全考慮語言特異性對模型解釋可能造成的影響。未來研究中， 在充分了解分析不同語言之間的特異性和共性的基礎上， 研究者或可嘗試探索基于特定語言系統(tǒng)構建的模型是否可應用于其他語言。例如， CRM使用的基于漢字加工效率的眼跳目標選擇機制是否可以擴展到拼音文字閱讀中。

參考文獻

白學軍， 梁菲菲， 閆國利， 田瑾， 臧傳麗， 孟紅霞. （2012）. 詞邊界信息在中文閱讀眼跳目標選擇中的作用：來自中文二語學習者的證據. 心理學報， 44（7）， 853?867.

陳慶榮， 鄧鑄. （2006）. 閱讀中的眼動控制理論與SWIFT模型. 心理科學進展， 14（5）， 675?681.

胡笑羽， 劉海健， 劉麗萍， 臧傳麗， 白學軍. （2007）. E-Z閱讀者模型的新進展. 心理學探新， （1）， 24?29+40.

李興珊， 劉萍萍， 馬國杰. （2011）. 中文閱讀中詞切分的認知機理述評. 心理科學進展， 19（4）， 459?470.

李玉剛， 黃忍， 滑慧敏， 李興珊. （2017）. 閱讀中的眼跳目標選擇問題. 心理科學進展， 25（3）， 404?412. https：//?doi.org/10.3724/SP.J.1042.2017.00404

劉麗萍， 劉海健， 胡笑羽. （2006）. SWIFT-Ⅱ：閱讀中眼跳發(fā)生的動力學模型. 心理與行為研究， 4（3）， 230?235.

馬國杰， 李興珊. （2012）. 閱讀中的注意分配：序列與平行之爭. 心理科學進展， 20（11）， 1755?1767.

沈模衛(wèi)， 張光強， 符德江， 陶嶸. （2002）. 閱讀過程眼動控制理論模型： E-Z Reader. 心理科學， （2）， 129?133+252. https：//doi.org/doi：10.16719/j.cnki.1671-6981.2002.02.001

隋雪， 沈彤， 吳瓊， 李瑩. （2013）. 閱讀眼動控制模型的中文研究——串行和并行. 遼寧師范大學學報（社會科學版）， 36（5）， 672?679.

隋雪， 楊帆， 徐邇嘉. （2018）. 交互激活眼動控制的Glenmore模型述評. 沈陽師范大學學報（社會科學版）， 42（2）， 118?124. https：//doi.org/doi：10.19496/j.cnki.ssxb.?2018.02.022

王永勝， 趙冰潔， 陳茗靜， 李馨， 閆國利， 白學軍. （2018）. 中央凹加工負荷與副中央凹信息在漢語閱讀眼跳目標選擇中的作用. 心理學報， 50（12）， 1336?1345. https：//?doi.org/10.3724/SP.J.1041.2018.01336

吳俊， 莫雷. （2008）. 閱讀中重要眼動控制模型的核心架構. 華南師范大學學報（社會科學版）， （3）， 115?121+160.

張慢慢， 臧傳麗， 白學軍. （2020）. 中文閱讀中副中央凹預加工的范圍與程度. 心理科學進展， 28（6）， 871?882.

張慢慢， 臧傳麗， 徐宇峰， 白學軍， 閆國利. （2020）. 快速與慢速讀者的中央凹加工對副中央凹預視的影響. 心理學報， 52（8）， 933?945. https：//doi.org/10.3724/SP.J.1041.?2020.00933

Angele， B.， & Rayner， K. （2013）. Processing the in the parafovea： Are articles skipped automatically？ Journal of Experimental Psychology： Learning， Memory， and Cognition， 39（2）， 649?662. https：//doi.org/10.1037/a0029294

Antúnez， M.， López-Pérez， P. J.， Dampuré， J.， & Barber， H. A. （2022）. Frequency-based foveal load modulates semantic parafoveal-on-foveal effects. Journal of Neurolinguistics， 63， 101071. https：//doi.org/10.1016/j.jneuroling.2022.101071

Bordag， D.， & Opitz， A. （2022）. Employing general linguistic?knowledge in incidental acquisition of grammatical properties of new L1 and L2 lexical representations： Toward reducing fuzziness in the initial ontogenetic stage. Frontiers in Psychology， 12， 768362. https：//doi.org/?10.3389/fpsyg.2021.768362

Brossette， B.， Grainger， J.， Lété， B.， & Dufau， S. （2022）. On the relations between letter， word， and sentence-level processing during reading. Scientific Reports， 12（1）， 17735. https：//doi.org/10.1038/s41598-022-22587-1

Chang， M.， Hao， L.， Zhao， S.， Li， L.， Paterson， K. B.， & Wang， J. （2020）. Flexible parafoveal encoding of character order supports word predictability effects in Chinese reading： Evidence from eye movements. Attention， Perception， & Psychophysics， 82， 2793?2801. https：//doi.?org/10.3758/s13414-020-02050-x

Clifton， C.， Ferreira， F.， Henderson， J. M.， Inhoff， A. W.， Liversedge， S. P.， Reichle， E. D.， & Schotter， E. R. （2016）. Eye movements in reading and information processing： Keith Rayners 40 year legacy. Journal of Memory and Language， 86， 1?19. https：//doi.org/10.1016/j.jml.2015.?07.004

Cui， L.， Zang， C.， Xu， X.， Zhang， W.， Su， Y.， & Liversedge， S. P. （2022）. Predictability effects and parafoveal processing of compound words in natural Chinese reading. Quarterly Journal of Experimental Psychology， 75（1）， 18?29. https：//doi.org/10.1177/17470218211048193

Cutter， M. G.， Drieghe， D.， & Liversedge， S. P. （2017）. Reading sentences of uniform word length： Evidence for the adaptation of the preferred saccade length during reading. Journal of Experimental Psychology： Human Perception and Performance， 43（11）， 1895?1911. https：//?doi.org/10.1037/xhp0000416

Cutter， M. G.， Drieghe， D.， & Liversedge， S. P. （2018）. Reading sentences of uniform word length ? II： Very rapid adaptation of the preferred saccade length. Psychonomic Bulletin & Review， 25（4）， 1435?1440. https：//doi.org/?10.3758/s13423-018-1473-2

Dufour， S.， Mirault， J.， & Grainger， J. （2022）. Transposed-?word effects in speeded grammatical decisions to sequences of spoken words. Scientific Reports， 12（1）， 22035. https：//doi.org/10.1038/s41598-022-26584-2

Engbert， R.， Longtin， A.， & Kliegl， R. （2002）. A dynamical model of saccade generation in reading based on spatially distributed lexical processing. Vision Research， 42（5）， 621?636. https：//doi.org/10.1016/S0042-6989（01）00301-7

Engbert， R.， Nuthmann， A.， Richter， E. M.， & Kliegl， R. （2005）. SWIFT： A dynamical model of saccade generation during reading. Psychological Review， 112（4）， 777?813. https：//doi.org/10.1037/0033-295X.112.4.777

Gordon， P. C.， Moore， M.， Choi， W.， Hoedemaker， R. S.， & Lowder， M. W. （2020）. Individual differences in reading： Separable effects of reading experience and processing skill. Memory & Cognition， 48（4）， 553?565. https：//doi.?org/10.3758/s13421-019-00989-3

Gregg， J.， Inhoff， A. W.， & Li， X. （2023）. Lexical competition influences correct and incorrect visual word recognition. Quarterly Journal of Experimental Psychology， 76（5）， 1011?1025. https：//doi.org/10.1177/?17470218221102878

Huang， L.， Staub， A.， & Li， X. （2021）. Prior context influences lexical competition when segmenting Chinese overlapping ambiguous strings. Journal of Memory and Language， 118， 104218. https：//doi.org/10.1016/j.jml.2021.?104218

Inhoff， A. W.， Radach， R.， Eiter， B. M.， & Juhasz， B. （2003）. Distinct subsystems for the parafoveal processing of spatial and linguistic information during eye fixations in reading. Quarterly Journal of Experimental Psychology， 56（5）， 803?827. https：//doi.org/10.1080/02724980244000639

Kuperman， V.， Schroeder， S.， & Gnetov， D. （2023）. Word length and frequency effects on text reading are highly similar in 12 alphabetic languages?[Preprint]. PsyArXiv. https：//doi.org/10.31234/osf.io/cbvjr

Li， X.， Huang， L.， Yao， P.， & Hy?n?， J. （2022）. Universal and specific reading mechanisms across different writing systems. Nature Reviews Psychology， 1（3）， 133?144. https：//doi.org/10.1038/s44159-022-00022-6

Li， X.， Liu， P.， & Rayner， K. （2015）. Saccade target selection in Chinese reading. Psychonomic Bulletin & Review， 22（2）， 524?530. https：//doi.org/10.3758/s13423-014-0693-3

Li， X.， & Pollatsek， A. （2020）. An integrated model of word processing and eye-movement control during Chinese reading. Psychological Review， 127（6）， 1139?1162. https：//doi.org/10.1037/rev0000248

Li， X.， Rayner， K.， & Cave， K. R. （2009）. On the segmentation of Chinese words during reading. Cognitive Psychology， 58（4）， 525?552. https：//doi.org/10.1016/j.?cogpsych.2009.02.003

Li， X.-W.， Li， S.， Gao， L.， Niu， Z.-B.， Wang， D.-H.， Zeng， M.， ... Gao， X.-L. （2022）. Eye movement control in Tibetan reading： The roles of word length and frequency. Brain Sciences， 12（9）， 1205. https：//doi.org/10.3390/?brainsci12091205

Liao， X.， Loh， E. K. Y.， & Cai， M. （2022）. Lexical orthographic knowledge mediates the relationship between character reading and reading comprehension among learners with Chinese as a second language. Frontiers in Psychology， 13， 779905. https：//doi.org/10.3389/fpsyg.2022.?779905

Liu， N.， Wang， X.， Yan， G.， Paterson， K. B.， & Pagán， A. （2020）. Eye movements of developing Chinese readers： Effects of word frequency and predictability. Scientific Studies of Reading， 25（3）， 234?250. https：//doi.org/10.?1080/10888438.2020.1759074

Liu， Y.， Yu， L.， Fu， L.， Li， W.， Duan， Z.， & Reichle， E. D. （2019）. The effects of parafoveal word frequency and segmentation on saccade targeting during Chinese reading. Psychonomic Bulletin & Review， 26（4）， 1367?1376. https：//doi.org/10.3758/s13423-019-01577-x

Liu， Y.， Yu， L.， & Reichle， E. D. （2019a）. The dynamic adjustment of saccades during Chinese reading： Evidence from eye movements and simulations. Journal of Experimental Psychology： Learning， Memory， and Cognition， 45（3）， 535?543. https：//doi.org/10.1037/xlm0000595

Liu， Y.， Yu， L.， & Reichle， E. D. （2019b）. The influence of parafoveal preview， character transposition， and word frequency on saccadic targeting in Chinese reading. Journal of Experimental Psychology： Human Perception and Performance， 45（4）， 537?552. https：//doi.org/10.?1037/xhp0000630

Ma， G.， Li， X.， & Pollatsek， A. （2015）. There is no relationship between preferred viewing location and word segmentation in Chinese reading. Visual Cognition， 23（3）， 399?414. https：//doi.org/10.1080/13506285.2014.1002554

Mak， M.， & Willems， R. M. （2019）. Mental simulation during literary reading： Individual differences revealed with eye-tracking. Language， Cognition and Neuroscience， 34（4）， 511?535. https：//doi.org/10.1080/23273798.2018.?1552007

McConkie， G. W.， Kerr， P. W.， Reddix， M. D.， & Zola， D. （1988）. Eye movement control during reading： I. the location of initial eye fixations on words. Vision Research， 28（10）， 1107?1118. https：//doi.org/10.1016/0042-6989（88）?90137-X

Mézière， D. C.， Yu， L.， Reichle， E.， von der Malsburg， T.， & McArthur， G. （2021）. Using eye-tracking measures to predict reading comprehension?[Preprint]. PsyArXiv. https：//doi.org/10.31234/osf.io/v2rdp

Mirault， J.， Vandendaele， A.， Pegado， F.， & Grainger， J. （2022）. Transposed-word effects when reading serially. PLOS ONE， 17（11）， e0277116. https：//doi.org/10.1371/?journal.pone.0277116

Murray， W. S.， Fischer， M. H.， & Tatler， B. W. （2013）. Serial and parallel processes in eye movement control： Current controversies and future directions. Quarterly Journal of Experimental Psychology， 66（3）， 417?428. https：//doi.org/?10.1080/17470218.2012.759979

Pegado， F.， & Grainger， J. （2020）. A transposed-word effect in same-different judgments to sequences of words. Journal of Experimental Psychology： Learning， Memory， and Cognition， 46（7）， 1364?1371. https：//doi.org/10.1037/?xlm0000776

Pollatsek， A.， Juhasz， B. J.， Reichle， E. D.， Machacek， D.， & Rayner， K. （2008）. Immediate and delayed effects of word frequency and word length on eye movements in reading： A reversed delayed effect of word length. Journal of Experimental Psychology： Human Perception and Performance， 34（3）， 726?750. https：//doi.org/10.1037/?0096-1523.34.3.726

Pollatsek， A.， Reichle， E. D.， & Rayner， K. （2006）. Tests of the E-Z Reader model： Exploring the interface between cognition and eye-movement control. Cognitive Psychology，?52（1）， 1?56. https：//doi.org/10.1016/j.cogpsych.2005.06.?001

Primativo， S.， Rusich， D.， Martelli， M.， & Arduino， L. S. （2022）. The timing of semantic processing in the parafovea： Evidence from a rapid parallel visual presentation study. Brain Sciences， 12（11）， 1535. https：//doi.org/10.3390/?brainsci12111535

Rayner， K. （1979）. Eye guidance in reading： Fixation locations within words. Perception， 8（1）， 21?30. https：//?doi.org/10.1068/p080021

Rayner， K.， & Duffy， S. A. （1986）. Lexical complexity and fixation times in reading： Effects of word frequency， verb complexity， and lexical ambiguity. Memory & Cognition， 14（3）， 191?201. https：//doi.org/10.3758/BF03197692

Rayner， K.， Li， X.， & Pollatsek， A. （2007）. Extending the E-Z Reader model of eye movement control to Chinese readers. Cognitive Science， 31（6）， 1021?1033. https：//?doi.org/10.1080/03640210701703824

Rayner， K.， Pollatsek， A.， & Reichle， E. D. （2003）. Eye movements in reading： Models and data. Behavioral and Brain Sciences， 26（4）， 507?526. https：//doi.org/10.1017/?S0140525X03520106

Rayner， K.， Reichle， E. D.， & Pollatsek， A. （2005）. Eye movement control in reading and the E-Z Reader model. In G. Underwood （Eds.）， Cognitive processes in eye guidance?（pp. 131?162）. Oxford University Press.

Reichle， E. D.， Liversedge， S. P.， Pollatsek， A.， & Rayner， K. （2009）. Encoding multiple words simultaneously in reading is implausible. Trends in Cognitive Sciences， 13（3）， 115?119. https：//doi.org/10.1016/j.tics.2008.12.002

Reichle， E. D.， Pollatsek， A.， Fisher， D. L.， & Rayner， K. （1998）. Toward a model of eye movement control in reading. Psychological Review， 105（1）， 125?157. https：//?doi.org/10.1037/0033-295X.105.1.125

Reichle， E. D.， Pollatsek， A.， & Rayner， K. （2006）. E?Z Reader： A cognitive-control， serial-attention model of eye-movement behavior during reading. Cognitive Systems Research， 7（1）， 4?22. https：//doi.org/10.1016/j.cogsys.?2005.07.002

Reichle， E. D.， Rayner， K.， & Pollatsek， A. （1999）. Eye movement control in reading： Accounting for initial fixation locations and re?xations within the E-Z Reader model. Vision Research， 39（26）， 4403?4411. https：//doi.?org/10.1016/S0042-6989（99）00152-2

Reichle， E. D.， Rayner， K.， & Pollatsek， A. （2003）. The E-Z Reader model of eye-movement control in reading： Comparisons to other models. Behavioral and Brain Sciences， 26（4）， 445?476. https：//doi.org/10.1017/?S0140525X03000104

Reichle， E. D.， Warren， T.， & McConnell， K. （2009）. Using E-Z Reader to model the effects of higher level language processing on eye movements during reading. Psychonomic Bulletin & Review， 16（1）， 1?21. https：//doi.org/10.3758/?PBR.16.1.1

Reilly， R. G.， & Radach， R. （2006）. Some empirical tests of an interactive activation model of eye movement control in reading. Cognitive Systems Research， 7（1）， 34?55. https：//doi.org/10.1016/j.cogsys.2005.07.006

Reingold， E. M.， Reichle， E. D.， Glaholt， M. G.， & Sheridan， H. （2012）. Direct lexical control of eye movements in reading： Evidence from a survival analysis of fixation durations. Cognitive Psychology， 65（2）， 177?206.

Richter， E. M.， Engbert， R.， & Kliegl， R. （2006）. Current advances in SWIFT. Cognitive Systems Research， 7（1）， 23?33. https：//doi.org/10.1016/j.cogsys.2005.07.003

Schwalm， L.， & Radach， R. （2023）. Parafoveal syntactic processing from word N+2 during reading： The case of gender-specific German articles?[Preprint]. In Review. https：//doi.org/10.21203/rs.3.rs-2642281/v1

Snell， J.， & Grainger， J. （2019a）. Readers are parallel processors. Trends in Cognitive Sciences， 23（7）， 537?546. https：//doi.org/10.1016/j.tics.2019.04.006

Snell， J.， & Grainger， J. （2019b）. Consciousness is not key in the serial-versus-parallel debate. Trends in Cognitive Sciences， 23（10）， 814?815. https：//doi.org/10.1016/j.tics.?2019.07.010

Snell， J.， van Leipsig， S.， Grainger， J.， & Meeter， M. （2018）. OB1-reader： A model of word recognition and eye movements in text reading. Psychological Review， 125（6）， 969?984. https：//doi.org/10.1037/rev0000119

Snell， J.， Yeaton， J.， Mirault， J.， & Grainger， J. （2023）. Parallel word reading revealed by fixation-related brain potentials. Cortex， 162， 1?11. https：//doi.org/10.1016/j.cortex.?2023.02.004

Staub， A. （2021）. How reliable are individual differences in eye movements in reading？ Journal of Memory and Language， 116， 104190. https：//doi.org/10.1016/j.jml.2020.?104190

Sui， L.， Dirix， N.， Woumans， E.， & Duyck， W. （2022）. GECO-CN： Ghent eye-tracking corpus of sentence reading for Chinese-English bilinguals. Behavior Research Methods. https：//doi.org/10.3758/s13428-022-01931-3

Tschense， M.， & Wallot， S. （2022）. Using measures of reading time regularity （RTR） to quantify eye movement dynamics， and how they are shaped by linguistic information. Journal of Vision， 22（6）， 9. https：//doi.?org/10.1167/jov.22.6.9

Veldre， A.， Reichle， E. D.， Yu， L.， & Andrews， S. （2023）. Understanding the visual constraints on lexical processing： New empirical and simulation results. Journal of Experimental Psychology： General， 152（3）， 693?722. https：//doi.org/10.1037/xge0001295

Wei， W.， Li， X.， & Pollatsek， A. （2013）. Word properties of a fixated region affect outgoing saccade length in Chinese reading. Vision Research， 80， 1?6. https：//doi.org/10.1016/?j.visres.2012.11.015

Xia， X.， Liu， Y.， Yu， L.， & Reichle， E. D. （2023）. Are there preferred viewing locations in Chinese reading？ Evidence from eye-tracking and computer simulations. Journal of Experimental Psychology： Learning， Memory， and Cognition， 49（4）， 607?625. https：//doi.org/10.1037/xlm0001142

Yang， J.， van den Bosch， A.， & Frank， S. L. （2021）. Unsupervised text segmentation predicts eye ?xations during reading?[Preprint]. PsyArXiv. https：//doi.org/?10.31234/osf.io/eyvu7

Yao， P.， Alkhammash， R.， & Li， X. （2022）. Plausibility and syntactic reanalysis in processing novel noun-noun combinations during Chinese reading： Evidence from native and non-native speakers. Scientific Studies of Reading， 26（5）， 390?408. https：//doi.org/10.1080/10888438.?2021.2020796

Yao， P.， Slattery， T. J.， & Li， X. （2022）. Sentence context modulates the neighborhood frequency effect in Chinese reading： Evidence from eye movements. Journal of Experimental Psychology： Learning， Memory， and Cognition，?48（10）， 1507?1517. https：//doi.org/10.1037/?xlm0001030

Yao， P.， Staub， A.， & Li， X. （2022）. Predictability eliminates neighborhood effects during Chinese sentence reading. Psychonomic Bulletin & Review， 29（1）， 243?252. https：//?doi.org/10.3758/s13423-021-01966-1

Yu， L.， Liu， Y.， & Reichle， E. D. （2021）. A corpus-based versus experimental examination of word- and character-?frequency effects in Chinese reading： Theoretical implications for models of reading. Journal of Experimental Psychology. General， 150（8）， 1612?1641. https：//doi.org/10.1037/xge0001014

Zang， C.， Fu， Y.， Bai， X.， Yan， G.， & Liversedge， S. P. （2018）. Investigating word length effects in Chinese reading. Journal of Experimental Psychology： Human Perception and Performance， 44（12）， 1831?1841. https：//doi.org/?10.1037/xhp0000589

Zhang， G.， Yao， P.， Ma， G.， Wang， J.， Zhou， J.， Huang， L.， Xu， P.， Chen， L.， Chen， S.， Gu， J.， Wei， W.， Cheng， X.， Hua， H.， Liu， P.， Lou， Y.， Shen， W.， Bao， Y.， Liu， J.， Lin， N.， & Li， X. （2022）. The database of eye-movement measures on words in Chinese reading. Scientific Data， 9（1）， 411. https：//doi.org/10.1038/s41597-022-01464-6

Zhang， M.， Bai， X.， & Li， S. （2022）. Word complexity modulates the divided-word effect during Chinese reading. Frontiers in Psychology， 13， 921056. https：//doi.org/10.3389/?fpsyg.2022.921056

Zhang， M.， Liversedge， S. P.， Bai， X.， Yan， G.， & Zang， C. （2019）. The influence of foveal lexical processing load on parafoveal preview and saccadic targeting during Chinese reading. Journal of Experimental Psychology： Human Perception and Performance， 45（6）， 812?825. https：//?doi.org/10.1037/xhp0000644

Zhang， Y.， Wang， M.， & Wang， J. （2022）. The sequence effect： Character position processing in Chinese words. Frontiers in Psychology， 13， 877627. https：//doi.org/10.3389/?fpsyg.2022.877627

Zhou， W.， Wang， A.， Shu， H.， Kliegl， R.， & Yan， M. （2018）. Word segmentation by alternating colors facilitates eye guidance in Chinese reading. Memory & Cognition， 46（5）， 729?740. https：//doi.org/10.3758/s13421-018-0797-5

Comparison of models of eye movement in reading

CHEN Songlin， CHEN Xinwei， LI Huangxia， YAO Panpan

（School of Psychology， Beijing Language and Culture University， Beijing 100083， China）

Abstract： Based on sequential processing theory， parallel processing theory and interactive activation theory， some classical models about eye movement control are constructed to simulate the eye movements， experimental effects， and to explore the possible cognitive mechanisms of information processing during reading. Among the five classic eye movement control models： E-Z Reader 10th， SWIFT， Glenmore， OB1 Reader and CRM， there are?similarities and uniqueness in model structures， basic logic of model， explanations of common eye movement patterns and explanations of typical experimental effects. Future development of models needs to focus on the questions about post-lexical integration， word order， and extra-linguistic factors. New findings about PVL， and eye movement patterns in other languages are also need to be explained. In addition， general standards are needed for model comparation.

Keywords：?E-Z Reader， SWIFT， Glenmore， OB1 Reader， CRM， eye movement control