眼睛的運動(dòng)和大腦內部的認知活動(dòng)存在緊密聯(lián)系。在心理學(xué)領(lǐng)域，眼動(dòng)追蹤技術(shù)為揭示人類(lèi)高級認知過(guò)程的心理機制提供了重要途徑。過(guò)去20年，大量實(shí)驗研究采用眼動(dòng)追蹤技術(shù)考察了中文閱讀的認知機制，然而，大多數實(shí)驗研究受到被試量和實(shí)驗刺激數量的限制，很難滿(mǎn)足當前大數據技術(shù)和人工智能的發(fā)展。因此，建構包含大樣本的中文閱讀眼動(dòng)數據庫的需求十分迫切。

　　近日，基于過(guò)去十余年的研究，中國科學(xué)院心理研究所研究員李興珊團隊建立了大規模中文閱讀眼動(dòng)數據庫Chinese Eye-Movement Database。該數據庫包含來(lái)自57項中文句子閱讀實(shí)驗的眼動(dòng)數據（包含1718名被試、8015個(gè)中文句子、近140萬(wàn)個(gè)注視點(diǎn)），計算了8551個(gè)中文詞的九項眼動(dòng)指標。統計分析顯示，該數據庫可以復現以往研究中經(jīng)典的詞頻與詞長(cháng)效應，即讀者對較低頻或較長(cháng)的詞加工更困難，從而產(chǎn)生更多回視和更長(cháng)注視時(shí)間。相關(guān)成果已在線(xiàn)發(fā)表于Scientific Data。數據庫所涉及的全部原始注視點(diǎn)數據、實(shí)驗材料，以及數據分析代碼已全部通過(guò)Open Science Framework共享。

　　研究人員介紹，該數據庫具有廣泛的應用前景，將為中文閱讀認知機制的大數據研究提供重要支撐，也將為人工智能領(lǐng)域的模型開(kāi)發(fā)與訓練提供數據基礎。

　　在中文閱讀的認知機制研究中，研究人員可直接利用該數據庫檢驗相關(guān)的理論假設，節約經(jīng)濟和時(shí)間成本；同時(shí)，該數據庫可以為建立中文閱讀計算模型提供基準數據，幫助其進(jìn)行參數尋優(yōu)。在跨語(yǔ)言研究領(lǐng)域，該數據庫可與其他語(yǔ)言中的同類(lèi)數據庫進(jìn)行對比，考察不同語(yǔ)言閱讀機制的一致性和特異性。

　　在人工智能領(lǐng)域，自然語(yǔ)言處理的模型大量使用與注意相關(guān)的機制，而眼動(dòng)數據則為這種注意的分配提供了直接參考；大量研究表明，將眼動(dòng)數據納入自然語(yǔ)言處理模型，能夠有效提升模型的任務(wù)表現。因此，數據庫將為優(yōu)化中文自然語(yǔ)言處理模型提供重要的數據資源。該數據庫中報告的詞匯的眼動(dòng)指標可作為反映詞匯閱讀加工難度的指標，幫助研究者更好地控制和操縱實(shí)驗研究中閱讀材料的難度，并有助于為不同閱讀能力的讀者匹配合適的閱讀材料。

　　原文鏈接：https://apicnrapp.cnr.cn/html/pc_origin.html?docpubUrl=http://tech.cnr.cn/ycbd/20220725/t20220725_525930614.shtml