《Journal of Eye Movement Research》：Visual Attention and Strategic Sophistication in the Strategic Environment Effect: An Eye-Tracking Approach
编辑推荐：
本研究探讨了战略环境如何通过融合视觉注意和认知投入来塑造决策者的推理过程。研究人员采用眼动追踪（eye-tracking）方法，在具有内部均衡的实验性猜测游戏中，分析了战略互补性（strategic complementarity）和战略替代性（strateg
本研究探讨了战略环境如何通过融合视觉注意和认知投入来塑造决策者的推理过程。研究人员采用眼动追踪（eye-tracking）方法，在具有内部均衡的实验性猜测游戏中，分析了战略互补性（strategic complementarity）和战略替代性（strategic substitutability）如何改变选择行为和认知投入。研究人员发现，尽管在战略互补性下选择偏离均衡更远，但眼动指标——特别是注视（fixation）和转换（transition）度量——与战略替代性下更密集的认知投入相一致。此外，通过使用一种测量战略复杂性（strategic sophistication）的新方法，研究人员发现具有较高战略能力的个体对收益表（payoff table）表现出更高水平的视觉投入。随着战略复杂性的增加，注意的两个不同维度依次而非同时建立，其中对个体自身策略的注意先于对对手策略的注意得到加强。这些发现表明，视觉注意受到战略环境的系统性塑造，并且与可能构成战略环境效应（strategic environment effect, SEE）基础的推理顺序组织相一致。
**论文解读：视觉注意与战略复杂性在战略环境效应中的作用——一项眼动追踪研究**
**1. 研究背景与问题提出**
在博弈论中，战略环境效应（strategic environment effect, SEE）指在战略互补性（strategic complementarity）游戏中，个体选择偏离纳什均衡（Nash equilibrium, NE）的程度大于战略替代性（strategic substitutability）游戏的现象。这一效应已在寡头市场、猜测游戏等多个领域被观察到，但先前研究对其成因机制存在争议。例如，在重复博弈中，互惠性等解释无法推广至一次性博弈。Hanaki等人（2018）证明，在一次性猜测游戏中，层级思维（hierarchical thinking）水平的分布在两种战略环境下保持不变，而仅凭相同分布就必然产生SEE。然而，研究尚未揭示推理过程本身是否受战略环境影响。此外，传统研究多依赖选择结果推断认知过程，缺乏对决策前推理阶段（如信息获取、加工）的直接观测。眼动追踪（eye-tracking）方法为解析这些过程提供了可能，但先前研究多局限于小策略空间游戏（如2×2或3×3矩阵），难以直接应用于大策略空间。因此，本研究旨在通过眼动追踪技术，探索战略环境如何塑造决策者的推理过程，特别是视觉注意模式与战略复杂性（strategic sophistication）的关联，从而揭示SEE的认知基础。
**2. 研究开展与结论**
研究人员在2019年7月于日本早稻田大学（Waseda University）开展实验室实验，共招募102名本科生（有效样本86人）。实验采用被试内设计，所有参与者依次完成战略互补性（G+）和战略替代性（G-）两种变体的猜测游戏（beauty contest game, BCG），策略空间为整数0–10，对称NE为5。游戏采用简化收益表（仅含0、0.25、1三级收益），并高亮显示最佳反应区域，以降低算术负担，聚焦推理阶段。眼动数据通过Tobii T-120眼动仪（60 Hz采样率）全程记录。
研究得出三项核心结论：第一，确认SEE——G+中策略选择偏离NE的程度显著大于G-（预测成功率41.3% vs. 58.4%）。第二，眼动模式在两种环境下系统不同：在G-下，参与者对收益表中关键区域（如低于和高于NE的策略组合）的访问次数（visit count）和注视转换（fixation transition）频率显著更高，而总注视次数和总注视时长无显著差异，表明战略环境主要重组注意力的组织方式而非总量。第三，通过项目反应理论（item response theory, IRT）估计的战略复杂性得分与视觉投入正相关：高复杂性个体对自身策略标签（MySt）和对手策略标签（OpSt）的注视次数均更多，且这种关联在两种环境下一致。更重要的是，两种注意力维度随复杂性增加依次发展：较低复杂性时，对自身策略的注意加速上升，而对对手策略的注意仅在更高复杂性阶段才显著提升，这一顺序在两种环境中均存在，且在G-下阈值差距更大。该研究发表在《Journal of Eye Movement Research》。
**3. 关键技术方法**
研究人员采用的主要技术方法包括：（1）眼动追踪实验法，使用Tobii T-120眼动仪记录参与者注视位置和时长，定义兴趣区（areas of interest, AOIs）包括收益矩阵中四个策略区间（LL、LH、HL、HH）以及策略标签区域（MySt和OpSt）；（2）项目反应理论（IRT）模型，基于参与者对六项校准任务（对抗计算机玩家的L1、NE和ICH基准）的正确/错误反应，通过两参数逻辑斯蒂（2PL）模型估计个体潜在战略复杂性得分；（3）非参数统计检验（如Wilcoxon符号秩检验、Mann–Whitney U检验）和广义加性模型（generalized additive model, GAM）用于识别注意度量的非线性阈值。
**4. 研究结果**
**4.1 战略环境效应（结果1）**
通过Selten预测成功度量（hit rate area analysis）和Wilcoxon符号秩检验，发现G+中策略绝对偏离NE的中位数差值为1.0（95% CI: [1.0, 1.5]，p<0.001），证实SEE。
**4.2 眼动模式：注视访问与时长（结果2）**
总注视次数在两种环境下无显著差异，但G-下对收益矩阵的兴趣区访问次数显著更高（p<0.001），且差异集中在LL和HL区域（即最佳反应区域差异最大的部分）。注视时长模式类似，表明G-下注意力强度（attentional intensity）更高，支持假设2。
**4.3 注视动态：推理复杂度（结果3）**
G-下的总注视转换、垂直转换（代表自身策略变化，即最佳反应推理）和水平转换（代表对手策略变化，即信念形成）均显著高于G+（p<0.001）。这一模式与战略替代性下最佳反应跨越NE的特性一致，支持假设3。此外，中等IRT组（Middle）的转换增加幅度最大，低组和高组变化较小，显示非线性效应。
**4.4 战略复杂性与推理投入（结果4和5）**
线性混合效应模型显示，IRT得分对总注视次数和总注视时长有显著正向效应（p<0.001），而战略环境主效应及交互项不显著，表明复杂性对视觉投入的影响跨环境稳定。相关性分析表明，MySt注视次数与IRT得分在两种环境下均显著正相关，而OpSt注视次数仅在G+下显著（G-下边际显著）。GAM估计显示，MySt注意加速的IRT阈值低于OpSt（G+下差值0.09，G-下差值0.08），表明注意维度依次发展：先加强自身策略关注，后加强对手策略关注。尽管Bootstrap检验未完全排除零，但模式一致，支持假设5的探索性结论。
**5. 讨论与结论**
研究人员总结，视觉注意受战略环境系统性塑造，且与层级推理顺序一致。在战略替代性下，最佳反应跨NE切换，导致更多注视转换，这与SEE的机制解释吻合。研究创新点包括：将眼动追踪应用于大策略空间猜测游戏，通过简化收益表和高亮最佳反应聚焦推理阶段；使用IRT衡量战略复杂性，揭示注意力维度依次发展的顺序性。讨论部分指出，该发现与层级思维模型（如level-k和认知层级理论）一致，即复杂玩家先掌握自身最佳反应，再建模对手。局限性包括：眼动仅反映外显注意，无法捕捉内隐加工；样本为单一大学学生；简化设计牺牲外部效度；策略空间划分较粗。未来研究可结合信念启发、更精细的AOI划分及重复互动以扩展结论。研究结论：视觉注意受战略环境系统性塑造，且与可能构成SEE基础的顺序推理组织一致。
