“慧眼识人”：利用眼动特征预测个体的认知能力

按：最近，佐治亚理工学院Engle课题组Tsukahara博士关于“瞳孔越大，智力越高”的论文受到媒体较多关注（Tsukahara & Engle, 2021, Cognition）。尽管这一结果与其他实验室并不完全一致或稳定（见综述：Unsworth, Miller, & Robison, 2020, PB&R），但这提示我们个体的眼动特征或许能够在一定程度上客观反映一个人认知能力。恰好，我们去年关于这一主题的综述《眼动技术在个体认知能力差异研究中的应用》近日在国内刊物《心理科学》见刊。这里就对该综述的重点内容进行介绍，全文可见知网或期刊官网。

眼动技术是认知心理学的重要研究手段之一，在个体差异研究中具有独特的作用。相比于心理量表，个体眼动行为是自发产生的，能客观真实地反映个体的认知加工特征，同时提供丰富的定性定量指标。与核磁、脑电等技术相比，眼动技术的生态效度较高，操作便捷，最关键是成本低，比较容易运用于日常生活中。目前，眼动技术在临床心理学领域已被成功运用于孤独症谱系障碍、失语症等心理疾患的评估和诊断中。

看一幅画的眼动轨迹

正常人群的认知能力同样存在普遍的个体差异，眼动特征能否反映正常人群的认知能力值得研究。本文介绍和论述了利用眼动技术评估个体认知能力的可能性和可行性。在可能性方面，我们阐述了个体眼动特征所具有的良好的信度；在可行性方面，我们从注视和眼跳相关指标、眼动轨迹和瞳孔直径三个方面回顾和论述近年来有关眼动特征与认知能力关系的研究。

眼动特征具有良好的信度

良好的信度是一项测量工具能够被使用的前提，高信度测量对于个体差异研究至关重要。在基础认知控制任务中，研究者考察了个体在平滑追踪、注视（fixation）、眼跳（saccade）、反眼跳（anti-saccade）等基础眼动任务中各项指标的重测信度和内部一致性信度（Bargary et al., 2017; Ettingeret al., 2003; Klein & Fischer, 2005）。

在重测信度方面，尽管不同研究的重测间隔时间从18.8天到19个月不等，但这些研究的结果均发现个体的各项基础眼动特征均具有良好的重测信度。此外，这些指标也都表现出极高内部一致性信度。

眼跳、反眼跳、平滑追踪任务中的眼动指标的重测信度和内部一致性信度（Bargary et al., 2017）

眼跳、反眼跳等基础控制任务中的眼动指标的分半信度（Klein & Fischer ，2005)

在高级认知任务中，Henderson和Luke（2014）发现个体在阅读、伪阅读（pseudoreading）、场景观看、视觉搜索等任务中的注视时间和眼跳幅度的平均值与标准差都具有较好的重测信度。之后的研究在更长的重测间隔（Carter & Luke, 2018）或儿童被试群体（Foster, Ardoin, &Binder, 2018）中都发现了个体在高级认知任务中的各眼动指标均表现出良好的重测信度和复本信度。此外，Tsukahara等人（2016）发现更为生理性的瞳孔直径同样在3.5周至16.5周的间隔时间里具有良好的重测信度（0.77~0.84）。

阅读任务中各眼动指标的重测信度（Carter & Luke, 2018）

Carter和Luke（2018）也考察了个体在阅读任务中眼动特征的内部一致性，该研究显示，个体在阅读任务中的各项眼动指标（如平均注视时间、平均眼跳幅度等）的内部一致性系数均达到0.9以上的相当高的水平（见下表）。

阅读任务中各眼动指标平均值（Table 4）和标准差（Table 5）的内部一致性信度（Carter & Luke, 2018）

综上所述，无论是注视、平滑追踪、眼跳等基础认知控制任务中的眼动指标，还是阅读、场景搜索等高级认知任务中的眼动指标，甚至是更为生理性的瞳孔直径，个体各项眼动特征均具有很高的重测信度和内部一致性信度。因此，眼动特征是个体相对稳定的行为和生理特征，可能反映了个体固有的认知能力及其神经系统功能，这一特点为我们利用眼动技术来评估个体认知能力的差异提供了可能性和前提保证。

眼动特征与认知能力的关系

注视和眼跳指标

Luke，Darowski和Gale（2018）利用阅读、视觉搜索和场景观看这三个眼动任务来探索个体眼动特征与工作记忆的关系。这一研究发现，个体的工作记忆容量越小，其阅读任务中的平均眼跳幅度就越小，而在三个任务中注视时间分布的偏度越高（偏度τ，表示了长注视的比例）。这些特征很好地体现了低工作记忆个体每次加工的信息量较少，且在完成任务时可能存在注意力不集中、认知加工效率较低、反应迟缓等特点。

AbdiSargezeh等人（2019）使用视觉搜索任务比较了不同智力个体在视觉搜索时眼动特征的差异，研究发现高智力个体表现出更短的平均注视时间、更大的眼跳幅度以及更多的注视点个数。这些眼动特征体现了高智力个体信息加工速度更快且更有效率，注意力更集中，能在有限时间中加工更多信息。随后，他们提取了不同智力个体具有显著差异的24种眼动特征，使用支持向量机算法构造了若干分类器，其中表现最佳的分类器的分类准确率能够达到68.3%，这表明利用个体在特定任务中的眼动特征来分类、预测个体的认知能力是有望实现的。

研究者同样重视探索个体在智力测验中的眼动特征与其智力的关系，因为这时除了能够得到个体注视时间和眼跳幅度等指标，还可以进一步分析个体在认知测验中的加工策略。Vigneau等人（2006）记录了被试在完成高级瑞文推理测验（RAPM）过程中的眼动情况，发现高智力个体解决问题的速度更快，但会花费更多时间在题目的编码上。具体而言，高智力个体在题目区注视比例更高，在选项区注视比例更低，在题目和选项间切换（toggling）次数更少，切换率更低。

RAPM测验的题目区（上方）和选项区（下方）

这种眼动模式反映了不同智力个体在完成题目时可能持有不同策略：高智力个体倾向于在编码阶段将题中所有信息进行编码，以便之后快速高效地比对选项，得到正确答案；而较低智力个体倾向于检测和编码局部信息，更多地进行切换比对，这使其编码时间较短，但总时间花费较多。与之类似，Vakil和Lifshitz-Zehavi（2012）发现智力缺陷个体会花更少的时间注视题目内容，而更多地在题目和选项间反复切换。

眼动轨迹

眼动轨迹是个体在进行任务时认知活动的最直观体现，但由于其复杂性，早期研究只能对眼动轨迹进行主观、定性的判断，难以对其进行量化。随着计算机算法的演进，近年来研究者开发了多套适用于眼动轨迹的定量分析算法，为眼动研究提供了新的有力工具（Hayes,Petrov, & Sederberg, 2011; van der Lans, Pieters, & Wedel, 2008 ）。

例如，Hayes等人（2011）应用强化学习算法开发了一种新的眼动轨迹分析方法Successor Representation Scanpath Analysis（SRSA），并使用该方法进行了一系列研究。在眼动轨迹与认知能力的直接关系上，他们发现被试在场景观看任务中的眼动轨迹指标能够解释40%以上的智力和工作记忆的变异以及1/3以上加工速度的变异（Hayes& Henderson, 2017）。

Hayes等人（2011）考察了被试在完成RAPM中的眼动模式，结果表明高智力个体会先对题目内容进行连续逐行地充分加工，而后再选择备选答案；而低智力个体会倾向于在题目区域和选项区域进行频繁的切换。该结果与Vigneau,Caissie和Bors（2006）等人的结果类似，但是基于SRSA的眼动轨迹定量分析能够解释56%的个体智力差异，比Vigneau（2006）所使用的基础眼动指标而言提高了40%左右的解释率，这说明该眼动轨迹算法在个体差异研究中比传统的指标具有更大的优势。

（左）高智力个体的解题策略：充分编码题目，再选答案；（右）低智力个体的解题策略：频繁在题目和选项中切换。（Hayes et al., 2011）

基线瞳孔直径

基线瞳孔直径和智力的关系较为复杂，会受到非常多因素的影响，已有研究的结果大多不一致（Tsukahara & Engle, 2021；Unsworth, Miller, & Robison, 2020）。

早期研究偶然发现，高认知能力个体在基线状况下比一般认知能力个体拥有更大的瞳孔直径（Bornemannet al., 2010; Heitz, Schrock, Payne, & Engle, 2008;vander Meer et al., 2010）。Tsukahara等人（2016）较系统地探索了基线瞳孔直径与个体认知能力的关系。他们发现高工作记忆和高智力个体在基线状态均比普通个体拥有更大的瞳孔直径，且这个现象与种族、年龄、用药、对实验环境熟悉程度以及测试时间等额外变量无关。此外，他们使用潜变量分析发现，相比于工作记忆，流体智力与瞳孔直径的关系更为密切。

但是，也有很多研究发现了不一致的结果（Aminihajibashi，Hagen,Foldal, Laeng, & Espeseth, 2019; Lu, Zhang, & Shi, 2021; Unsworth & Robison, 2017）。研究使用的认知任务、对基线的定义和测量方式（pre-trial or pre-experiment）、环境亮度、刺激材料亮度、被试年龄等因素都有可能对两者关系产生影响。

任务诱发的瞳孔直径

任务诱发的瞳孔反应，即瞳孔在任务状态下相对于基线的扩张，可以反映了个体在任务中认知资源的调用情况。研究者目前关注不同任务和不同难度下瞳孔扩张与认知能力的关系，并提出了三种理论假说：效率假说、资源假说和控制假说。

效率假说认为，高智力个体会花费更少的认知资源来完成任务，具有更高的效率。Ahern和Beatty（1979）的研究发现高认知能力个体在完成各难度心算题目中的瞳孔扩张均小于低智力个体，支持了效率假说的观点。

但是，后续研究发现效率假说并不能适用于所有情况。资源假说认为，高智力个体拥有更多认知资源，在完成较难的任务时能够调用更多资源，从而导致其瞳孔扩张更大，但这种差异在简单任务中不会体现，资源假说也得到了一些实证研究的支持（Bornemannet al., 2010; van der Meer et al., 2010）。此外，Lee等人（2015）发现不同的任务类型能够直接导致研究结果所支持的假说不同，在言语和视空间推理任务中，其研究结果支持了资源假说，但在代数计算任务中，其结果支持了效率假说，这说明任务类型或许在其中起到了调节作用。

（左）效率假说；（右）资源假说。任务诱发的瞳孔反应可以作为注意资源分配的衡量指标

Hayes和Petrov（2016）新近提出的控制假说体现了这一观点，他们考虑了任务类型的作用，认为对于在探索（exploration）性质的任务或认知过程中，高智力个体会调用更多认知资源来完成任务，导致其瞳孔扩张更大；而对于已经习得规则方法，只需要利用已有规则完成的利用（exploitation）性质的任务或认知过程中，高智力个体只需要利用较少资源就可以轻松解决，瞳孔扩张也就相对较小。

展望

总体来说，未来可以做的还有很多，这里简略提一些：（1）继续探索眼动特征与认知能力关系的神经机制；（2）重视探索和控制无关条件变量对两者关系的影响；（3）在此基础上，尝试开发具有较高信效度的基于眼动的标准化认知能力测试，作为传统纸笔测验的客观补充（3）结合机器学习算法，利用丰富的眼动和瞳孔指标，完成对认知能力的更准确分类和预测。

阅读原文：陆润豪, 张兴利, 施建农. 眼动技术在个体认知能力差异研究中的应用. 心理科学, 44(3),552-558.

感谢支持！欢迎转发、分享！