认知神经科学在数字阅读研究中的应用与展望

诸廉

[摘 要] 采用认知神经科学研究数字阅读，本质上是通过获取读者认知过程与情感体验的神经数据，实现数字出版从创作、阅读、发行到传播全过程的科学研究。本文梳理认知神经科学常用的技术方法与多领域的研究应用，以及当前在数字阅读体验、效果、过程、机制研究四个方面应用的现状与不足;进而围绕数字阅读研究中读者偏好、作品优化、发行预测、传播规律四大难点问题，提出全新的研究方法、研究思路，构建基于认知神经科学的数字阅读研究框架，以期打开“黑箱”，探索“神经出版学”的理论创新与学科发展。

[关键词] 数字阅读 认知神经科学 读者体验 出版发行 数字出版

[中图分类号] G237[文献标识码] A[文章编号] 1009-5853 （2021） 03-0092-10

[Abstract] Cognitive neuroscience is used in digital reading research to map the cognitive processes employed by the human brain during digital reading and also to seek insights into readers emotional experience. This paper introduces commonly used techniques and methods of cognitive neuroscience， as well as the current status and shortcomings of research into digital reading. The paper addresses four main issues in digital reading， namely， reader preference， product optimization， distribution prediction and communication rules. It suggests new research methods and ideas， constructs a framework for digital reading research based on cognitive neuroscience， and explores theoretical breakthroughs and innovations.

[Key words] Digital reading Cognitive neuroscience Reader experience Publication and distribution Digital publishing

1 引 言

信息技术的发展推动数字出版日新月异，我国已有近三分之一民众成为数字阅读用户[1]。相比于传统的纸质阅读，数字阅读不仅内容呈现媒介的不同，更具有移动、互动、便捷、即时等特征[2]。但是，在数字出版实践中也产生了一些亟需解决的现实问题，需要从理论层面进行探索，例如数字阅读的习惯与偏好、出版发行预测、传播规律等。传统研究手段的局限导致研究瓶颈的产生，需要用新的技术方法来实现突破。认知神经科学技术方法作为一种新的研究手段[3]，具有客观精确、高度可视化、可以测量过程等特点，为我们全面、客观、深入、科学地研究数字阅读，实现理论突破与创新提供了可能。

2 认知神经科学及其应用领域

2.1 认知神经科学概述

认知神经科学是一门利用神经科学的理论、方法与工具研究人类认知过程中大脑机制的学科[4]，研究对象为感知觉、注意、记忆、语言、思维、表象与意识等[5]。常用技术包含眼动跟踪技术（Eye-Tracking）、脑电图（EEG）、功能性核磁共振成像技术（fMRI）、功能性近红外光谱成像技术（fNIRS）等。这些技术的测量对象及原理、优缺点、测量指标见表1。

如表1所列，认知神经科学技术基于对人脑以及人类心理认知过程的客观、准确、科学、实时测量来开展研究，能够捕捉用户自己无法准确意识到的内隐生理和心理过程，弥补以往访谈法、调查问卷法、实验法等研究方法的不足。这些优势催生认知神经科学与经济学、管理学、新闻学、影视学等众多与人有关的学科的交叉研究，形成了神经经济、神经管理、神经新闻、神经影视等新兴交叉学科，并推动这些学科向科学化方向发展。

2.2 认知神经科学应用领域

当前，认知神经科学的方法被广泛地应用于管理学、经济学、新闻学、影视学等学科的研究中。首先，避免了由于个体无法准确表达潜意识偏好所引起的“无意曲解”的问题，提高研究科学性、可重复性和稳定性。其次，避免了由于社会规范、偏见等原因带来的“有意造假”的问题，提高结果的真实性。再次，对情感、态度等内隐心理变量的实时、准确、客观测量，解决了“测量难”的问题。最后，对行为背后深层认知和情感机制的探测，解决了“解释不深入”的问题。

在管理学中，人们利用认知神经科学的方法研究营销、人力资源、信息系统、财务问题。如通过关联脑区活动的测量，发现了品牌、价格信息加工的认知机理[6];使用脑数据客观测量内在工作动机、消费感知价值和在线信任等与管理活动相关的内隐心理变量[7];将管理活动相关的神经数据加入原有管理模型中，改善了原有模型的预测效力、提升对消费行为预测的准确度[8]。这些研究加深了对管理行为的深层理解，幫助企业制定直接、有效、针对性强的管理策略。经济学中则将认知神经科学的方法应用于金融学、公共经济学、产业经济学等研究领域。如通过与个体经济偏好直接相关的脑区活动，揭示亲社会、风险等非理性经济行为产生的机制[9];利用脑数据客观测量内在惩罚动机、诚实度、道德感知等经济决策中难以量化的心理变量[10];将神经数据运用于对个体经济行为和市场反应的预测，改善传统行为决策模型的预测效力[11];跟踪个体决策全过程，深入了解个体决策的思维模式和推理过程，验证和优化决策模型等[12]。这些研究加深了对经济行为的深层理解，帮助政府制定更有效的经济政策，以提高社会效率和社会福利。

新闻学中，认知神经科学方法主要应用于融媒体时代新闻内容制作与分发、受众体验与反馈等研究领域。如根据大脑神经数据，揭示受众媒介体验的机制，优化新闻类产品设计[13];通过眼动技术，发现受众对新闻报道呈现方式的认知偏好，提升新闻效果[14];使用神经指标反映受众的情感体验，补充新闻类消费的评价标准，避免发行量与收视率等单一指标的简单评价等[15][16]。这些研究更为准确地发现受众偏好机制，推动新闻学研究向理性评估、科学测量的方向发展，帮助媒体设计更易被受众接受和喜爱的产品与平台，提高传播效果与效率。

在影视学中，认知神经科学的方法用于影视传播从制前准备、拍摄制作、后期包装到市场投放的全流程。如通过神经数据与主观数据相结合，发现观众偏好特点，有效降低经验判断与二手数据分析带来的误差;通过神经数据指标揭示观众观影感受和认知加工反应，进而对作品创作和后期制作进行指导和改进[17][18][19];将脑电数据用于提升电影消费行为预测的准确性，从而实现影视作品的精准投放和利益最大化[20]。这些研究推动影视学研究的定量化、科学化发展，提高影视作品的质量、助力精准传播，使作品“叫好又叫座”。

3 认知神经科学在数字阅读领域的应用现状

阅读从传统的纸媒阅读发展到以在线、移动为特征的数字阅读，催生了很多新的研究问题。为了更好地研究数字阅读中读者体验以及出版发行等问题，部分学者开始寻求运用认知神经科学的工具来对相关问题进行研究。

在科学网（Web of Science）以檢索式 {“Digital Read” or “Screen Read” or “Online Read” or “Mobile Read” } and {“Cognitive Neuroscience” or “Eye-Tracking” or “Eye-Movement” or “Eye Tracking” or “Eye Movement” or “fMRI” or “fNIRS” or “EEG”or“ERPs”}，对运用认知神经科学方法进行数字阅读研究的文献进行检索，总共搜索到50篇相关文献。在中国知网上，以检索式{“数字阅读”或“屏幕阅读”或“在线阅读”或“移动阅读” 或“电子阅读”或“电子书阅读”}和{“认知神经科学”或 “眼动” 或“fMRI”或“fNIRS” 或“EEG” 或“ERPs”}，总共检索到30篇文献。

本研究发现，采用认知神经科学进行数字阅读的研究起始于 2004年，之后发表量呈现上升趋势， 且从2017年起增幅加大。这些论文发表于心理学、教育学、语言学、计算机科学、新闻出版以及综合领域的期刊;其中心理学和教育学领域的论文最多，合计33篇，新闻图书出版领域最少，仅11篇。 在全部80篇已发表的论文中，有65篇采用眼动跟踪技术，仅有5篇采用EEG技术，尚未发现有数字阅读研究运用fMRI、fNIRS等技术。就研究主题和研究内容而言，10篇为研究综述，65篇聚焦于对阅读体验、阅读效果以及阅读机制的研究，另有5篇则关注阅读预测方法和系统设计等技术问题。

目前对于阅读体验的研究，主要通过测量读者阅读数字产品的各项眼动指标来了解读者的阅读体验偏好[21]和优化呈现形式[22]，以提升读者阅读体验[23]。现有研究将瞳孔直径和主观报告作为疲劳度的测量指标[24]，将眼球的移动轨迹和眨眼频率来判断读者的舒适区[25][26]，注视时长、眼跳以及扫视路径等单个或者多个指标整合作为阅读体验偏好的指标[27][28]，根据这些指标的反馈变化，来对数字阅读中文字位置、间距、大小、色彩、页面文本数量等进行调整，设计数字阅读界面，提升阅读体验。这些研究的主要贡献在于，通过眼动跟踪技术实现了在阅读全过程中对读者进行实时、准确的测量，突破了以往此类研究中无法追踪阅读过程的局限，更全面、准确地了解读者的阅读体验，更好地回答了“读者是如何阅读”的问题。

对于阅读效果的研究，主要通过眼动跟踪技术找到句子理解[29]、二语阅读[30]、阅读参与度[31]等与阅读效果相关表现的影响因素，以此评估并提升阅读效果。现有研究将眼动指标作为评估在线阅读行为和内容理解之间关系的指标[32]，将图片和文字之间的扫视路径作为文字和图片信息整合度的指标[33]，将注视时长、注视点作为阅读加工速度的指标[34][35][36]。近年来也有研究将EEG和眼动整合指标用于测量阅读时的认知努力[37]，由此了解读者阅读效果，对比数字阅读和纸质阅读体验的差异，理解信息载体、年级、年龄等因素对阅读效果的影响，以提升阅读效果。这些研究的主要贡献在于通过眼动、EEG甚至多模态神经方法，实现了对阅读效果的客观、定量化评估，解决了以往研究中自报告误差带来的研究结果不稳定和相互矛盾等局限，丰富了阅读效果评估的维度，保证了研究结果的可信性、稳定性和科学性，更好地回答了“什么影响了读者阅读效果”的问题。

对于阅读机制的研究，主要通过眼动和脑电数据探究注意力分配[38][39]、认知参与度[40]、阅读的认知加工[41][42]等阅读行为相关的认知机制，以了解数字阅读行为背后的内在机制。现有研究将头动和眼球持续注视时长作为认知参与度的指标[43]，用首次注视时间、注视时长、重读时间以及眼跳等多个眼动指标联合揭示阅读加工过程[44][45];也有研究将 EEG的α波作为阅读过程认知负荷的指标[46]，N2脑电成分作为注意力指标[47]，从生理和神经机制层面解读数字阅读的内在机制。这些研究的主要贡献在于揭示了数字阅读的生理和神经机制，打开数字阅读行为背后的“黑箱”，更好地回答了“读者为什么如此阅读”“为什么会产生这样的阅读效果”的问题。然而现有研究尚处于起步阶段，还未在深入理解机制的基础上，探索提升阅读体验和阅读效果的新途径，这也是此类研究未来发展的重要方向。

除以上三方面研究之外，还有部分文献运用认知神经科学技术对阅读预测方法和系统设计等技术问题进行研究。这些研究主要通过眼动或者脑电数据来改善原有的预测方法或数字阅读系统，或将数字阅读时的眼动注视点或脑电测量的心理负荷作为被预测变量，构建数字阅读模型[48][49][50]。这些研究的主要贡献在于为数字阅读的发展，尤其是人机交互阅读的发展，提供了技术基础。

总之，现有研究已在阅读感知测量、阅读体验优化、阅读效率提高等方面做出了理论创新。大部分研究通过眼动指标刻画读者阅读特征和偏好，实现对阅读行为背后机制的深入理解，以优化呈现形式，提升阅读体验和阅读效果。也有少量研究通过EEG比较读者在阅读过程中的注意模式等产生差异的大脑加工机制，寻找原因。但这些研究的局限也很明显。首先是研究广度不足。现有研究以文字阅读行为为主，对于读者偏好、出版预测、传播规律等研究甚少。其次是研究深度不够。眼动跟踪技术的测量指标比较单一，仅能探测到阅读时的眼球运动路径、注视偏好等信息。这些信息虽能反映阅读特征，但缺乏对认知特征的反映。EEG技术的运用也只解释某项指标或者行为差异产生的脑机制。最后是研究系统性不强。现有研究仅关注数字阅读阶段的研究问题，缺乏对内容创作、阅读体验、市场推广、作品传播等全流程的系统研究。造成以上局限的原因还是在于技术的限制。比如目前常用的眼动跟踪技术属于测量周边神经系统、非常浅层的神经工具，接近行为测量仪器。运用该技术获得的眼动轨迹不能完全反映人脑阅读过程中信息加工的机制[51]，因此无法完全打开“黑箱”。

在未来对数字阅读的研究中，可以借鉴认知神经科学方法应用于管理学、经济学、影视学和新闻学领域的成功经验，将认知神经科学技术更广泛而深入地应用于数字阅读中，以探索解决数字阅读研究的广度、深度和系统性不足带来的局限，完善数字阅读理论，促进数字出版行业发展。

4 认知神经科学在数字阅读研究中的应用前景

根據以往数字阅读研究中的关键科学问题、研究现状以及认知神经科学的优势，本研究基于fMRI、EEG、fNIRS和多模态神经技术，提出针对读者偏好、作品优化、市场预测、传播规律这4个具有发展潜力的细分领域开展认知神经科学和数字阅读的交叉研究。第一，研究读者偏好，通过单一神经工具或者多模态神经技术探测阅读中的情感体验和认知加工过程，实现对读者偏好全面而深入的理解。第二，研究数字作品优化，通过神经指标实现对数字阅读时心理情感数据的客观、科学、定量化测量，实现对作品内容呈现形式和内容的个性化、动态优化。第三，研究数字作品市场预测，通过神经数据与历史大数据结合对数字作品市场规模、改编价值进行预测，实现精准度的提升。第四，研究数字阅读群体传播规律，通过神经计算方法构建适用于数字阅读作品群体传播的模型，加深对社会化阅读传播规律的了解，实现在线传播的速度与力度的提升。

4.1 数字作品读者偏好研究

使用认知神经技术探测读者阅读过程中认知和情感的动态变化过程，可以对读者偏好有更立体深入的了解。认知神经科学技术包括通过fMRI和fNIRS获取脑区激活的准确空间位置，EEG获取毫秒级时间进程上大脑神经元放电，以及眼动跟踪获取眼球注视时长、扫视路径和瞳孔大小等神经生理数据。现有的读者偏好研究除了运用问卷、访谈等方法之外，已经有较多的研究使用眼动追踪技术实时记录读者眼球的运动数据与轨迹，识别阅读浏览特征和行为结果，描述阅读状态。但是，仅有眼球运动数据不足以刻画完整的阅读体验，解码信息加工过程，且容易导致理解不深入，甚至产生误解，影响研究结果，引发错误偏差的建议。运用fMRI、fNIRS和EEG等工具可以获得读者阅读某一数字作品时的大脑神经数据，提取信息加工过程中情感和认知偏好相关的神经指标，了解读者在数字阅读过程中的行为偏好形成的内在机制。在此基础上，还可以运用多种认知神经科学工具联合采集数据的多模态技术来获得多维神经生理信息，如读者数字阅读的过程中，可以利用眼动仪与脑电图（EEG）同步采集眼动轨迹和脑电数据，获取读者注视某一具体内容时的实时大脑神经数据，构建眼动和神经数据之间的耦合关联，弥补单一工具的不足，实现对读者行为背后的机制更加全面、深入的了解，打开偏好形成的“黑箱”。

4.2 数字作品优化研究

使用神经指标研究读者阅读体验与情感激发，可以更科学地优化数字作品的呈现形式，提出内容修改建议。神经指标是指能够反映大脑活动时认知和情感状态的指征，例如不同大脑区域的激活，代表加工信息时所使用的大脑认知功能，或者当前信息诱发个体处于某种情感状态。在优化数字作品呈现形式方面，现有问卷、访谈、眼动等研究手段无法实现对阅读疲劳、阅读效果等在内的阅读感知的立体全面的测量。运用认知神经科学技术，探究同一作品通过不同形式呈现时，不同读者在不同阅读阶段的大脑活动，提取与认知效果和阅读体验相关的关键神经指标，根据对优化效果的神经反馈调整作品呈现形式，可以实现针对不同读者、阅读内容和阅读阶段的科学优化，提升阅读体验和阅读舒适度。在优化作品内容方面，以往研究大多依赖专家的主观经验，存在着缺少统一、科学、可量化标准的问题;尤其目前的技术无法在读者阅读过程中实时地对内容提出优化修改建议。运用认知神经科学技术能够探测数字内容诱发的大脑活动，了解阅读全过程中认知和情感的实时动态影响，发现影响数字作品偏好的关键要素，以及这些要素影响阅读体验和阅读效果的内在机制，进而对数字作品内容提出优化建议。

4.3 数字作品市场预测研究

采用神经数据结合历史数据的方法对数字作品进行分析判断，可以更精准地进行市场预测，判断可能的市场规模、IP影视改编价值等。神经数据是指大脑活动的区域、强度，大脑神经元放电的相位、频率，事件诱发电位的振幅和潜伏期等，可以客观反映大脑信息加工的过程。现有的数字作品市场预测研究主要依靠经验和历史数据。由于读者在不同时期，对某一作者同一主题的作品也可能存在不同偏好，导致预测准确性不高，可能产生偏差明显，甚至完全相反的预测结果。使用神经数据和历史数据相结合的预测方法，可以有效提高预测准确度。具体而言，以同一时期相似作品的发行下载大数据，结合实验室小样本的认知神经科学实验探测到的，读者阅读相似作品以及当前作品时的大脑神经活动，并将三个层面的数据有机整合，可以有效弥补依靠历史数据和经验进行判断的不足，克服读者偏好疲劳、兴趣突变导致的判断偏差，提高对数字作品市场规模和市场潜力预测判断的准确性，进而有效评估作品价值，优化版税分账模式设计、IP影视改编选择的精准度，指导企业合同洽谈和版税商定，提升数字类作品市场规模。

4.4 数字阅读群体传播规律研究

使用神经计算方法研究数字阅读的群体现象，可以更准确地了解社会化阅读的传播规律，制定有效的发行推广策略。神经计算是使用数学分析和计算机模拟，通过神经、行为和历史数据等对个体、群体行为进行模拟和研究，能够反映、预测个体和群体的行为规律。数字作品的群体间传播比纸质阅读更便捷，尤其是基于社交媒体的数字阅读更是如此。已有研究关注社会化阅读、阅读推广策略[52][53][54][55]等领域，但这些研究还停留在对现象的描述上，对传播的内在机制和传播规律的研究尚未开展。了解数字作品的传播规律能更好地发现感兴趣的阅读人群，制定合理的推广策略，有效激发读者对作品的付费阅读、转发、评论、推荐等积极行为，促进数字作品的传播和数字出版业的发展。数字作品的传播规律比传统纸质作品更为复杂，需要运用复杂的算法建模来发现。本研究认为，在已有舆情传播、病毒传播等可以借鉴的模型基础上，可以构建适用于数字阅读作品群体传播的模型，然后运用认知神经科学方法测量读者在数字阅读过程中的认知与情感偏好，并将多模态神经数据融合到数字阅读的传播模型中，对其进行优化，由此构建基于神经计算技术的数字阅读群体传播规律模型，从而更加准确地描述社会化阅读的传播规律，制定有效的传播推广策略。

5 结 语

认知神经科学的方法可以弥补以自报告和行为结果为基础的研究方法带来的“无意曲解”“有意造假”“心理过程难测量”“解释不深入”等问题[56]，实现对心理过程的准确测量。现有的研究运用眼动跟踪技术，在一定程度上实现了对阅读体验和阅读效果的科学测量，揭示了阅读过程和阅读机制，为数字阅读理论建设和实践做出了重要贡献。在未来的研究中，运用认知神经科学的理论与方法对数字阅读进行全面而系统的研究具有重要意义。这不仅能推动我们从理论上解释数字阅读的读者偏好，并优化内容、预测出版发行量、理解传播规律，也能从实践上促进数字出版行业的发展;不仅能够拓展数字阅读研究的视域，打开数字阅读研究的“黑箱”，也有利于我国在该领域的理论研究创新。

然而，在数字阅读领域运用认知神经科学的理论与方法开展研究依然存在以下难点，需要不断探索和克服。第一，逆向推理。由于数字阅读存在共情激发、逻辑理性、文化宗教影响等相对复杂的认知过程和机理，容易存在“多因一果”的现象。因此，在对研究结果的解读中，就会出现逆向推理的问题，使研究者对大脑数据分析结果的解读带有较强的主观性，因此需要多模态数据、多套数据相互印证解释。这就需要较高的数据采集与分析技术。第二，生态效度。认知神经科学的研究属于实验室研究法，对实验环境、实验材料都要求“干净”，而数字阅读尤其是社会化阅读，由于表现形式多样、呈现模式动态，相对比较复杂。如何针对复杂的具体问题设计研究方案，并选择与之匹配的神经科学技术方法，提高研究的可重复性与显著性，解决生态效度问题，是该领域研究的难点之一。第三，依托基础学科的发展。认知神经科学属于新兴学科，人类对于大脑功能的探索也是刚刚起步，很多解释并不系统、完整，因此需要对研究视角、方法等不断进行完善、补充、更新。同时，实验仪器设备也在不断发展完善中，如为了克服功能性核磁共振成像仪（fMRI）时间分辨率低，脑电图（EEG）空间分辨率低等问题，发展出了多模态神经数据收集方法。但是，这些对研究的实验设计、数据采集、数据分析以及对研究者的专业能力与水平，都提出了更高要求。

注 释

[1]  《2019年度中国数字阅读白皮书》发布 [J]. 国家图书馆学刊， 2020， 29（3）：10

[2] 潘文年， 董丹钰. 数字化背景下全民阅读路径深化与拓展 [J]. 中国出版， 2017 （2）：9-12

[3] 马庆国， 王小毅. 认知神经科学、神经经济學与神经管理学 [J]. 管理世界， 2006（10）：139-149

[4][56] 潘煜， 万岩， 陈国青， 等. 神经信息系统研究：现状与展望 [J]. 管理科学学报， 2018， 21（5）：1-21

[5] 喻国明. 认知神经传播学：范式创新与研究框架 [J]. 浙江传媒学院学报， 2018， 25（1）：9-13+140

[6] Mcclure Samuel M.， Li Jian， Tomlin Damon， et al. Neural Correlates of Behavioral Preference for Culturally Familiar Drinks [J]. Neuron， 2004， 44（2）：379-387

[7] Murayama K.， Matsumoto M.， Izuma K.， et al. Neural basis of the undermining effect of monetary reward on intrinsic motivation [J]. Proceedings of the National Academy of Sciences， 2010， 107（49）：20911-20916

[8] Knutson Brian， Rick Scott， Wimmer G. Elliott， et al. Neural Predictors of Purchases [J]. Neuron， 2007， 53（1）：147-156

[9] Quervain Dominique J. F. De， Fischbacher Urs， Treyer Valerie， et al. The Neural Basis of Altruistic Punishment [J]. Science， 2004， 305（5688）：1254-1258

[10]Sun Delin， Chan Chetwyn C. H.， Hu Yang， et al. Neural correlates of outcome processing post dishonest choice：an fMRI and ERP study [J]. Neuropsychologia， 2015， 68：148-157

[11]Smith A.， Lohrenz T.， King J.， et al. Irrational exuberance and neural crash warning signals during endogenous experimental market bubbles [J]. Proceedings of the National Academy of Sciences， 2014， 111（29）：10503-10508

[12]Chen Chun-Ting， Huang Chen-Ying， Wang Joseph Tao-Yi. A window of cognition：Eyetracking the reasoning process in spatial beauty contest games [J]. Games and Economic Behavior， 2018， 111：143-158

[13]程思琪， 喻国明. 用户既有经验对聚合类新闻APP使用体验的影响：一个基于EEG频域分析的研究设计 [J]. 新闻战线， 2018， （15）：52-57

[14]闫玉荣， 陈梓鑫， 刘柯瑾. 用竖视频讲好新闻故事：基于眼动实验的新闻报道呈现方式研究 [J]. 新闻爱好者， 2019 （5）：84-87

[15]Laaksonen Salla-Maaria， Falco Alessio， Salminen Mikko， et al. Brand as a cognitive mediator：investigating the effect of media brands as a structural feature of textual news messages [J]. Journal of Product & Brand Management， 2019， 28（1）：1-14

[16]Moravec Patricia L.， Minas Randall K.， Dennis Alan R. Fake News on Social Media：People Believe What They Want to Believe When It Makes No Sense at All [J]. Mis Quarterly， 2019， 43（4）：1343-1360

[17]Rao Hengyi， Wang Danny， Tang Kathy， et al. Imaging brain activity during natural vision using CASL perfusion fMRI [J]. Human brain mapping， 2007， 28（7）：593-601

[18][20]Barnett Sam， Cerf Moran. A Ticket for Your Thoughts：Method for Predicting Content Recall and Sales Using Neural Similarity of Moviegoers [J]. Journal of Consumer Research， 2017， 44（1）：160-181

[19]Smith Tim， Henderson J. M. Edit Blindness：The Relationship Between Attention and Global Change Blindness in Dynamic Scenes [J]. Journal of Eye Movement Research， 2008， 2（2）：1-17

[21]Slade Emma， Williams Michael， Dwivedi Yogesh. Consumers intentions to use e-readers in the United Kingdom [J]. Journal of Computer Information Systems， 2014， 54（2）：66-76

[22][28]Al-Samarraie Hosam， Sarsam Samer Muthana， Umar Irfan Naufal. Visual perception of multi-column-layout text：insight from repeated and non-repeated reading [J]. Behaviour & Information Technology， 2017， 36（1）：75-84

[23]Moustafa Khaled. Improving PDF readability of scientific papers on computer screens [J]. Behaviour & Information Technology， 2016， 35（4）：319-323

[24][27]姜哲， 張强， 邓作兵， 等. 不同电子文本的对比度极性和颜色组合对阅读疲劳的影响：来自眼动追踪实验的证据 [J]. 心理学探新， 2015， 35（1）：18-23

[25]姜婷婷， 高芳. 浅析手机阅读的眼动研究现状及建议 [J]. 中国传媒科技， 2017（4）：92-93

[26]段莉莉， 施笑畏， 苌道方. 数字阅读中界面布局对阅读效果的影响研究 [J]. 图书馆理论与实践， 2020 （5）：105-109

[29][32]Andrews Sally， Veldre Aaron. Wrapping up Sentence Comprehension：The Role of Task Demands and Individual Differences [J]. Scientific Studies of Reading， 2020：1-18

[30]Ouyang Jinghui， Huang Lingshan， Jiang Jingyang. The effects of glossing on incidental vocabulary learning during second language reading：based on an eye-tracking study [J]. Journal of Research in Reading， 2020， 43（4）：496-515

[31]Park Seung Won， Kim Chanmin. The effects of a virtual tutee system on academic reading engagement in a college classroom [J]. Educational Technology Research and Development， 2016， 64（2）：195-218

[33]Kao Gloria Yi-Ming， Chiang Xin-Zhi， Foulsham Tom. Reading behavior and the effect of embedded selfies in role-playing picture e-books：An eye-tracking investigation [J]. Computers & Education， 2019， 136：99-112

[34]周钰， 王娟， 陈憬， 等. 信息载体影响文本阅读的实证研究：基于数字阅读与纸质阅读的比较 [J]. 中国远程教育， 2015（10）：21-26+79-80

[35]Christianson Kiel， Luke Steven G.， Hussey Erika K.， et al. Why reread？ Evidence from garden-path and local coherence structures [J]. Quarterly Journal of Experimental Psychology， 2017， 70（7）：1380-1405

[36]Kim Young-Suk Grace， Petscher Yaacov， Vorstius Christopher. The Relations of Online Reading Processes （Eye Movements） with Working Memory， Emergent Literacy Skills and Reading Proficiency [J]. Scientific Studies of Reading， 2020：1-19

[37]Kretzschmar Franziska， Pleimling Dominique， Hosemann Jana， et al. Subjective Impressions Do Not Mirror Online Reading Effort：Concurrent EEG-Eyetracking Evidence from the Reading of Books and Digital Media [J]. Plos One， 2013， 8（2）：e56178

[38]馮佳. 借助翻译进程图的译者注意资源分配研究 [J]. 外语与外语教学， 2019（3）：85-97+146

[39][47]Peng Ming， Chen Xianke， Zhao Qingbai， et al. Attentional scope is reduced by Internet use：A behavior and ERP study [J]. Plos One， 2018， 13（6）：e0198543

[40][43]Ballenghein Ugo， Kaakinen Johanna K.， Tissier Geoffrey， et al. Cognitive engagement during reading on digital tablet：Evidence from concurrent recordings of postural and eye movements [J]. Quarterly Journal of Experimental Psychology， 2020， 73（11）：1820-1829

[41][44]Ponce Hector R.， Mayer Richard E. Qualitatively different cognitive processing during online reading primed by different study activities [J]. Computers in Human Behavior， 2014， 30：121-30

[42]柯青， 丁松云， 秦琴. 健康信息可读性对用户认知负荷和信息加工绩效影响眼动实验研究 [J]. 数据分析与知识发现， 2021，5（2）：70-82

[45]Chen Minglei， Chen Chiahsing. Do readers adjust their lower-and higher-level language skills according to text structures？ Evidence from eye movements in Chinese text reading [J]. Journal of Research in Reading， 2020， 43（2）：180-200

[46]Scharinger Christian， Kammerer Yvonne， Gerjets Peter. Pupil Dilation and EEG Alpha Frequency Band Power Reveal Load on Executive Functions for Link-Selection Processes during Text Reading [J]. Plos One， 2015， 10（6）：e0130608

[48]Andreessen Lena M.， Gerjets Peter， Meurers Detmar， et al. Toward neuroadaptive support technologies for improving digital reading：a passive BCI-based assessment of mental workload imposed by text difficulty and presentation speed during reading [J]. User Modeling and User-Adapted Interaction， 2021，31（1）：75-104

[49]张赛男， 王瑜， 刘恩涛， 等. 基于眼动追踪技术的数字阅读系统设计与应用 [J]. 图书馆学刊， 2020， 42（4）：73-81

[50]王晓明， 赵歆波. 基于深度神经网络的个体阅读眼动预测 [J]. 清华大学学报（自然科学版）， 2019，6（59）：468-475

[51]范琳， 刘振前. 阅读理解过程的眼动研究 [J]. 外语与外语教学， 2007 （4）：35-40

[52]王蕾， 夏颖. 媒介诉求、阅读场景、社交依赖：老年群体的微信阅读 [J]. 当代传播， 2020 （6）：58-61

[53]徐升國. 全民阅读走向高质量发展路径探究 [J]. 科技与出版， 2020 （7）：6-13

[54]茆意宏. 数字阅读推广的概念、机制与模式 [J]. 图书情报知识， 2020（2）：51-59

[55]马坤坤， 茆意宏等. 深度数字阅读推广的内容营销机制研究 [J]. 图书情报工作， 2020， 64（8）：32-40

（收稿日期： 2021-01-17）