眼动追踪揭示元认知监测与心理努力调控：基于几何问题解决任务的实证研究

本文通过眼动追踪技术深入探讨元认知监测中的信心偏差与心理努力调控机制，复制了Ackerman的线索整合范式，发现瞳孔平均直径（Mean pupil diameter）和刺激访问次数（Number of visits to stimuli）能独特预测任务成功率与信心水平，为元认知研究提供了无需主观报告的生理指标替代方案，对自适应学习系统与用户界面设计具有重要应用价值。

　　

摘要

本研究以几何图形周长比较任务（CoP）为实验范式，结合眼动追踪技术探究元认知监测中的信心形成机制与心理努力调控过程。通过复制Ackerman（2023）的鸟类视角线索整合（BEVoCI）方法，并纳入瞳孔动力学与注视行为指标，揭示了眼动特征对任务成功率与信心判断的独特预测能力。实验招募54名大学生，最终48人有效数据纳入分析，使用Tobii Pro Glasses 3采集眼动数据，通过混合效应模型解析多维度预测因子。

引言

元认知（Metacognition）涵盖对自身认知过程的监控与调节，其中信心（Confidence）作为关键监测指标，常受启发式线索（如反应时间）影响而产生偏差。传统研究多依赖主观报告，但存在反应性（Reactivity）干扰问题。眼动追踪凭借其便携性与实时性优势，为揭示认知负荷（Mental workload）、决策不确定性（Decision uncertainty）提供了新视角。瞳孔直径与LC-NE系统（Locus Coeruleus-Norepinephrine system）的神经调节机制关联，尤其能反映心理努力强度与注意力分配模式。

方法

实验设计：采用Ackerman（2023）的54组几何图形对，包含周长-面积一致性（Perimeter-area congruency）、基础图形面积（Basic shape area）、边缘数量差（Difference in edges）等任务线索。参与者需判断图形周长差异并评估信心（33%-100%量表）。

眼动指标：包括平均瞳孔直径（Mean pupil diameter）、峰值瞳孔直径（Peak pupil diameter）、峰值潜伏期（Peak pupil latency）、刺激区访问次数（Number of visits to stimuli）及选项区访问次数（Number of visits to choices）。

数据分析：使用多层回归模型比较眼动指标与传统线索（如反应时间）对成功率与信心的预测效能，并通过个体水平相关性分析解析眼动特征与元认知分辨率（Resolution）的关联。

结果

RQ1：实验可重复性验证

成功复制Ackerman（2023）在线实验的核心发现：周长-面积一致性错误引发信心高估（β_congruency = -0.18, p < 0.01），边缘数量差影响成功率但未显著改变信心（β_edges = 0.12, p < 0.05）。序列顺序（Serial order）显著预测学习效应（β_order = 0.06, p < 0.01），但信心未同步调整，证实元认知监测中的经验学习低估现象。

RQ2：眼动指标的预测效能

眼动指标显著提升信心预测模型拟合度（χ²(5) = 54.83, p < 0.001）。平均瞳孔直径与刺激访问次数成为最强预测因子：

• •

  瞳孔扩张与更高成功率（β = 0.15, p < 0.01）及信心（β = 0.18, p < 0.001）正相关，反映心理努力投入促进绩效与自我评估。

• •

  频繁访问刺激区关联较低成功率（β = -0.12, p < 0.05）与信心（β = -0.10, p < 0.05），提示注意力分散与决策不确定性。

  选项区访问次数暴露信心偏差（β_{visits-choices} = -0.09, p < 0.05），而反应时间（Response time）未显著预测任何结果。

RQ3：个体水平眼动模式

峰值瞳孔潜伏期与个体总成功率正相关（r = 0.32, p < 0.05），表明持续认知投入提升表现，但与信心及分辨率无显著关联。刺激访问频率较高者成功率更高（r = 0.28, p < 0.05），但未改善元认知校准能力，证实成功与信心调节机制的独立性。

讨论

本研究首次将眼动追踪整合至元推理（Meta-reasoning）研究框架，证实瞳孔动力学与注视模式可替代主观信心报告，规避反应性干扰。平均瞳孔直径作为心理努力代理指标，其预测力超越传统反应时间，为自适应学习系统提供了实时调控依据。个体分析揭示眼动特征的双路径效应：任务内波动反映即时认知状态，而个体间差异指向稳定的加工策略特质。

应用与展望

眼动技术在司法甄别（如目击者信心评估）、医疗诊断（医学影像决策）及工程评审中具应用潜力。未来需拓展至言语推理与多模态任务，并结合EEG、fMRI等神经指标深化机制探索。通过量化LC-NE系统激活与瞳孔响应，可进一步解析信心形成的神经-生理耦合通路。

结论

眼动追踪为元认知监测提供了高效、隐性的测量工具，瞳孔直径与注视行为显著增强信心偏差与心理努力的理论建模，推动元认知研究向客观化、精细化发展。