《Journal of Eye Movement Research》：Looking Back While Reading Ahead: Regressive Fixations and Temporal Anticipation in Music Sight-Reading
本研究考察了音乐视奏过程中回视性注视（regressive fixations，即眼睛回移至先前已注视乐谱音符后产生的注视）与时间预期（temporal anticipation）及展开的时间动态之间的关联。研究人员记录了28名长笛演奏者在演奏三首在音乐结构与节拍结构上各异的乐谱时的眼动、演奏和呼吸数据；演奏录音经MIDI（乐器数字接口，Musical Instrument Digital Interface）与眼动及呼吸测量数据对齐。回视性注视被定义为朝向先前已注视过的乐谱音符的回视（regression）之后的注视。按参与者分组的随机森林模型（random forest model）解释了回视性注视计数60%的袋外方差（out-of-fold variance），突出显示注视计数（fixation count）、平均注视时长（mean fixation duration）和基于时间的眼手跨度（time-based eye–hand span, EHST）为主要预测因子。混合效应分析（mixed-effects analyses）表明，基于时间的眼手跨度是最一致的预测因子，而演奏时长（performance duration）和平均注视时长提供了额外的信息。节奏准确性（rhythmic accuracy）调节了时间预期与回视性注视计数之间的关系：在更准确的演奏中，该正相关关系更强（β = 1.062, 95% CI [0.282, 1.842], p = 0.008）。当将回视性注视计数相对于演奏时长建模时以及控制平均注视时长后，该交互效应仍保持显著。另一项分析未发现证据表明较短的注视时长会减弱更多回视与更长相对演奏时长之间的关联。这些发现表明，回视性注视与音乐视奏中的时间预期相关联，并可能为关于回视性眼动在阅读理解中作用的跨领域研究提供参考。
**研究背景与问题**
音乐视奏（music sight-reading）是指在没有预先练习的情况下演奏书面乐谱，从具身认知（embodied cognition）的视角看，它构成一个动态的感知–动作系统，视觉信息被持续地链接到预期的听觉和运动结果上。演奏者必须在分配注意力于当前信息和即将到来的音乐事件之间时，将连续展开的视觉代码转化为精确计时的动作。因此，以眼手跨度（eye–hand span, EHS）为核心的预期机制对视奏的流畅性至关重要。EHS可分别以音符数（基于音符的眼手跨度，EHS
N）或时间（基于时间的眼手跨度，EHS
T，亦称时间指数time-index）来量化。然而，现有研究对视奏中回视性注视的关注远少于文本阅读中的回视研究。回视（regression）是指眼睛向先前注视过的乐谱位置的回跳性扫视，其后的注视即为回视性注视（regressive fixation）。目前对回视在音乐阅读中的作用认识尚不充分，尤其是回视性注视与EHS及节奏准确性三者之间的关系此前从未被同时考察，回视性注视在多大程度上参与音乐阅读中的时间加工仍不清楚。
**研究目的与意义**
本研究以音乐乐句为单位，考察长笛视奏中回视性注视与时间预期（EHS
T）和音符预期（EHS
N）的关联，以及与演奏时长和节奏准确性的关系，并检验节奏准确性是否调节EHS
T与回视性注视之间的关系。研究结合探索性多变量预测（随机森林）与假设驱动的混合效应模型，旨在揭示回视性注视如何与预期加工在不同维度上关联，以及节奏准确性如何调节这些关系。
**关键技术与方法**
研究采用被试内视奏设计，28名来自智利瓦尔帕莱索和圣地亚哥的高级长笛学生或职业演奏家（13名女性，年龄18–46岁，平均长笛经验13.75年）在坐姿下视奏三首乐谱：Koechlin长笛奏鸣曲第二乐章选段（KOE，规则三拍子）、Briccialdi二重奏协奏曲第一长笛声部选段（BRIC，抒情性乐句）和Hristovski马其顿旋律《Makedonsko devoj?e》改编版（DEV，7/8拍不规则节拍）。眼动数据以Tobii TX300遥测眼动仪（250 Hz）双目记录，经I-VT滤波器以30°/s速度阈值分类注视。长笛演奏以Sennheiser e914麦克风录制并转换为MIDI，与眼动数据通过自定义MATLAB程序对齐。胸腹部呼吸以SA9311M传感器及ProComp 5 Infiniti单元记录。回视性注视计数（RegC）按乐句汇总，EHS
T采用单项目滞后法（single-item-lag approach）计算首次预期注视至目标音符演奏之间的秒数，EHS
N采用前向投射法（forward-projective approach），节奏准确性基于演奏音符时长与乐谱参考MIDI时长的比率经exp(?|log(r)|)转换。统计分析方面，采用按参与者分组的五折交叉验证随机森林回归（600棵树、最小叶节点5个观测值），以及Poisson对数链接广义线性混合效应模型（含参与者与乐谱–乐句随机截距），并辅以比率模型、回归概率二项模型和探索性时间补偿分析作为稳健性检验。
**主要研究结果**
*描述性统计*：在16,132次有效连续注视（即回归机会）中，1,566次被归类为回视，加权比例为9.71%。回视性注视计数以DEV最高，KOE次之，BRIC最低。
*随机森林模型*：按参与者分组交叉验证的随机森林模型解释了回视性注视计数60%的袋外方差（R
2 = 0.60），RMSE = 2.14次注视，MAE = 1.61次注视。置换重要性排序显示，注视计数是最强预测因子，其次为平均注视时长和EHS
T。但注视计数被谨慎解读，因其可能反映回视发生的机会而非独立的解释机制——排除注视计数后预测性能降至R
2 = 0.49。联合置换演奏时长、节奏准确性和EHS
T导致ΔR
2 = 0.13。
*主要计数模型*：Model 1显示EHS
T与回视性注视计数呈强正相关（β = 0.691, p < 0.001），EHS
N呈弱负相关（β = ?0.190, p = 0.015）。Model 2引入演奏时长后，EHS
T系数被大幅削弱约61%（β = 0.270, p = 0.003），EHS
N系数符号反转为正（β = 0.237, p = 0.013），表明EHS
N与回视性注视的关联在模型间不稳定。Model 3显示节奏准确性无独立主效应（p = 0.678）。
*节奏准确性的调节效应*：Model 4中EHS
T × 节奏准确性交互项为正且显著（β = 1.062, 95% CI [0.282, 1.842], p = 0.008），即节奏准确性越高，EHS
T与回视性注视计数的正相关越强。简单斜率分析显示，在节奏准确性第25百分位、均值及第75百分位处，EHS
T与回视性注视均显著正相关，但在高准确性时关联更强。模型诊断无过度离散或过度零膨胀。基于500次模拟的敏感性分析表明，以α = 0.05检测该交互效应的统计功效为76.2%，且99.6%的模拟估计值保持了观测到的正方向。
*控制注视时长的敏感性分析*：在SensFixD模型中，平均注视时长与回视性注视计数呈强负相关（β = ?0.302/100 ms, p < 0.001），但EHS
T × 节奏准确性交互效应依然显著且效应量增大（β = 1.220, p = 0.002）。引入平均注视时长使参与者方差减少约60%、乐谱–乐句方差减少约35%，但并未解释核心交互效应。
*补充稳健性分析*：比率模型（以对数演奏时长为偏移项）中，EHS
T × 节奏准确性交互效应保持显著（M4Rate: β = 0.898, p = 0.023; SensFixDRate: β = 1.056, p = 0.006）。回归概率二项模型中，交互效应同样保持显著（SensRegProb: β = 1.052, p = 0.012; SensRegProbFixD: β = 1.157, p = 0.006）。探索性时间补偿分析未发现证据支持较短的注视时长能减弱更多回视性注视与更长相对演奏时长之间的关联（交互项p = 0.404）。
*空间分配与回归幅度敏感性分析*：在1.0°和0.6°最大注视–音符距离阈值下，以及排除单音符回视后，EHS
T主效应均保持显著。排除单音符回视后交互效应估计值保持正方向（β = 1.198）但精度下降（p = 0.052）。
**讨论总结**
本研究首次同时考察了音乐视奏中回视性注视与时间预期、音符预期、演奏时长及节奏准确性的关系。结果表明，EHS
T是回视性注视计数最一致的关联因子，而EHS
N的关联在模型间不稳定，支持二者反映预期加工的不同维度。更大的EHS
T意味着视觉信息须在更长时间内保持可用，在此期间回视性注视可能使演奏者重新访问先前检视的乐谱信息，这与信息收集框架（Information Gathering Framework）及音乐预测编码（predictive coding of music）的理论一致。节奏准确性调节了这一关系：更准确的演奏并非简单地包含更多回视，而是表现出EHS
T与回视性注视之间更强的耦合，提示在更稳定的时间预测条件下，更长的预期窗口可与选择性的回顾共存。演奏时长贡献了可观的变异性但未完全解释上述关联，平均注视时长捕获了音乐家间及乐句间部分变异但未解释核心交互效应。乐谱效应在纳入主要预测因子后不稳健，提示节拍结构差异可能体现在具体的眼动成分中，而非回视性注视的整体发生率。这些发现为跨领域理解回视性眼动在序列性阅读任务中的整合功能提供了新视角。
**研究结论**
研究结果支持一种多尺度解释：平均注视时长反映注视层面的时间动态，EHS
T指示视奏中的时间预期，演奏时长捕获乐句执行的总时间。回视性注视计数与EHS
T的关联最为一致，且该关联随节奏准确性的提高而增强。关键的是，当演奏时长作为暴露项处理以及将平均注视时长作为协变量纳入后，该交互效应依然保持显著。因此，更准确的演奏并非以回视性注视的普遍增加为特征，而是以回视性眼动与时间预期之间更强的关系为特征。随机森林分析识别出注视计数、平均注视时长和EHS
T为主要预测因子，但注视计数可能更多反映了整体眼动活跃度和回归机会的数量而非独立的解释机制。平均注视时长和回视性注视似反映相关但部分独立的注视组织调整。研究结果并不表明回视能提高节奏准确性或延长的预期跨度能直接改善演奏表现，而是表明当乐谱的时间结构被更准确地执行时，时间预期与回视性眼动之间的关系更强。因此，回视性注视可能与预期加工以及在持续演奏中仍保持相关性的乐谱信息的整合相兼容。这一解释通过与眼–语音跨度（eye–voice span）及文本阅读研究的类比，拓展了对回视整合功能的理解——回视的整合作用不仅取决于被更新的音乐信息的性质，还取决于时间预期如何与持续演奏执行的准确性相协调。
