学生的注意力水平与知识吸收程度之间存在直接的联系。注意力水平的高低会直接影响学生对于知识的吸收效果[1]。中国社会心理学会曾做过一项高校学生课堂注意力调查，只有39.8%的学生能注意力集中听课30分钟以上，8.7%的学生能注意力集中听课10分钟以下[2]。这些数据表明，对高校学生的注意力分配研究对于提升高校教学质量、改善教学模式具有重要意义。

国内外学者针对教学中注意力的研究大多是以中小学生为主要研究对象，而针对高校学生的注意力研究却相对较少。近年来，国内外学者采用多种研究方法研究学生注意力。根据研究，Seitlinger教授发现，在课堂教学中，学生的学习投入程度与他们的注意力集中程度之间存在密切的联系[3];Bolkan等人指出，学习者的学习动机是影响注意力集中程度的关键因素。他们强调，动机在促使学习者集中注意力的过程中起着至关重要的作用[4]。这些都是针对注意力的内在心理机制和影响因素展开的研究。曹培杰的对比实验结果表明，在数字化学习过程中，学生的注意力失焦现象主要归因于学习专注度的降低。此外，自我监控、计划以及在线娱乐等因素也对课堂注意力产生了显著的影响[5]。以上文献主要是从宏观层面对影响学生注意力的外在因素进行的分析，大多集中在学生的心理状况和外界环境的影响，较少从认知角度对课堂学习中学生的注意力分配情况进行定性和定量的分析。心理学研究者认为，人类有80%～90%的外界信息是通过眼睛获得的[6],通过对学生上课期间眼动数据的测量，了解学生注意力的状态及其方向，从而为学生注意力分配情况的定量分析提供一条独特而有效的途径[7]。

1、眼动实验

1.1 实验平台搭建

实验采用瑞典Tobii Pro Glasses 3眼动仪，该设备采样率为100赫兹，重量76.5克，佩戴期间不会引起被试者不适。光源与眼动追踪传感器的镜片可以使被试者的视野无任何遮挡，通过3D眼球模型与每只眼睛配备的双眼动追踪传感器的组合可提供高准确度的眼动追踪数据并使数据丢失比率最小化，内置的加速计，陀螺仪和磁力计传感器可辨别头部和眼球移动，即使头部转动也可以精准追踪眼动数据。实验装置如图1所示。

图1 Tobii Pro Glasses 3眼动仪

Tobii Pro Lab软件可以对实验数据进行分析，将眼动追踪的视频叠加到静态图片上，从而得出量化眼动数据指标。

1.2 实验设计

高等数学是大多数高校学生必修的一门学科，本实验采用“高等数学”课程中“重积分”章节的第一节为实验场景，实验地点是学院的一间普通教室，上课教师使用多媒体与传统教学相结合的方式进行课程的讲解，实验时间为40分钟。选取职业技术学院的20名学生作为被试者，所有被试者的近视度数在200度以下，无散光。所有被试者均为第一次学习该课程，无提前预习所学内容，被试者可以正常携带手机进入教室。

在实验过程中，被试者需要佩戴Tobii Pro Glasses 3眼动仪，并按照实验要求进行眼动数据的采集。实验人员会在实验开始前对眼动仪进行检查和调试，确保眼动仪的正常运行。在实验过程中，被试者的视线会被追踪并记录下来，包括注视点、瞳孔直径等信息。实验结束后，实验人员会对采集到的眼动数据进行整理和分析，以获取被试者在课堂学习过程中的注意力分配情况。

实验结束后，所有被试者需完成本节课所讲内容的测试考卷，测试考卷难易程度适中，并要求被试者15分钟内独立完成。

2、实验数据采集

2.1 眼动测量指标及其认知学意义

注意力是构成智力PASS模型(Plan Attention Simultaneous Successive Processing Model)第一机能单元的主要功能，它能维持大脑处于一种适度的觉醒状态，使个体对特定刺激产生敏感反应，并具有选择性地接受和加工信息的能力，从而保持心理活动的稳定性[8]。信息加工过程中必不可少的一个环节是注意，它的主要作用在于合理调度和分配有限的信息加工资源，使得感知能够具备选择能力[9]。注视点是眼睛在短时间内(如100毫秒)稳定在相对的空间阈限范围内(如1度),其速度应低于特定阈限(如15～100度/秒)。根据心理学研究，在获取信息的过程中，眼睛的跳动本身并不直接参与认知加工。相反，主要的认知加工过程通常在注视时进行[10]。有研究者将人的注视的状态划分为专注状态和非专注状态[11]。专注状态是一种稳定的、持续的认知加工过程。而非专注状态表现为眼睛进行注视却未进行认知加工，如走神。Unsworth和Robison在对飞行员的注视研究中发现，瞳孔直径变大，表明认知努力，瞳孔直径变小，注意力变差[12]。本实验将瞳孔直径小于平均值且注视点持续注视时间超过5秒未发生转移的现象标注为非专注状态。专注的注视状态可保持学生在课堂中高效获取知识，提高学习效率。本实验采用专注状态下的注视数据，对收集到的每一个注视点进行编号，并详细记录其兴趣区属性。

2.2 动态兴趣区划分

根据学生上课期间的主要关注点，从视觉角度将学生眼睛的注视区域分为7个兴趣区——多媒体、黑板、老师、课本、笔记本、手机以及其他区域，如图2所示。Tobii Pro Lab软件可以支持多种形状的兴趣区划分，其中多媒体、黑板、课本和笔记本位置不会发生移动，将其划分为静态兴趣区，老师在讲课的过程中位置会发生变化，将其划分为动态兴趣区。

图2兴趣区划分

2.3 数据处理

根据学生课后测试的结果将被试者分为两组，成绩在80分以上有7人，记为成绩较好的被试者；成绩在80分以下的有13人，记为成绩一般的被试者。在“高等数学”课程的学习过程中，学生的平均专注时长为24.7分钟，专注率仅为49.6%,有10%的学生专注率低于20%,表明他们在课堂上经常分心或走神，有15%的学生专注率高于80%,说明他们在课堂上能够保持高度集中的注意力。此外，还发现学生的注视点持续时间普遍较短，平均值为1.5秒，有30%的学生注视点持续时间低于1秒，这表明他们在课堂上经常快速地转移视线或进行微小的眼部运动。有10%的学生注视点持续时间超过3秒，说明他们在课堂上能够保持较长时间的专注。通过对学生课堂学习效果的测试，发现学生的测试成绩普遍偏低。仅有35%的学生测试成绩达到80分以上，表明他们在课堂上对知识的掌握程度有待提高。有30%的学生测试成绩低于60分，这表明他们在课堂上无法有效地获取知识或理解课程内容。

利用Tobii Pro Lab软件导出被试者的眼动数据。利用SPSS软件计算不同被试者在不同注视场景下的瞳孔直径均值并进行单因素方差分析，最后将被试者的瞳孔直径和被试者的课堂测试成绩进行相关性检测。

方差分析结果显示，在不同的兴趣区，被试者瞳孔直径表现出显著的差异(p<0.05),如表1所示。有研究者认为，瞳孔直径越大，认知越努力，注意力越集中[10]。通过分析两组被试者采集的瞳孔直径数据，可以得出成绩较好的学生在上课期间在多媒体、老师板书、笔记本、课本和老师方面认知较努力，注意力较集中，而对于手机或其他区域消耗的认知努力较少，成绩一般的学生在手机的认知努力程度最高，多媒体和黑板次之。

将每位被试者实验期间的瞳孔直径除以上课前的平均瞳孔直径，就可以得到被试者瞳孔直径扩大率。两者进行比较发现，成绩较好的被试者瞳孔直径扩大率均值大于成绩一般的被试者瞳孔直径扩大率，说明成绩较好的被试者在上课期间注意力保持集中的时间高于成绩一般的被试者注意力集中保持的时间。再将被试者的瞳孔直径扩大率和课堂测试的成绩做相关性分析，最终得出两者的相关系数为0.976,具有很强的正相关性，说明上课期间学生的注意力保持能力直接影响学生对知识的获取和理解水平，注意力保持时间越长，对知识的获取和理解水平就越高，学习效率也就越高。

表1 瞳孔直径在不同兴趣区的均值及变化的方差分析

3、基于马尔科夫链的注意力分配模型

3.1 马尔科夫链理论

马尔科夫链(Markov Chain)是机器学习算法中的重要基石。马尔科夫链是指在已知时刻tm系统所处状态的条件下，时刻tm以后系统到达的状态与时刻tm以前系统所处的状态无关，只取决于时刻tm系统所处的状态，即在时间序列中tm之后的状态与前面的事件无关，这种特定类型的“无记忆性”称作马尔科夫性[13]。根据齐次马尔科夫链理论，高校学生上课期间在不同区域间的注意力分配及转移情况具有典型的马尔科夫性质[14]。因此，可利用马尔科夫链理论建立高校学生的注意力分配模型。

马尔科夫过程：设

为马尔科夫过程。眼动仪的采样率为100赫兹，注视点的采样间隔是固定的，因此采集的学生注视点数据看作是一种离散的马尔科夫链。

3.2 注视的一步转移概率

马尔科夫在时刻m从任意一个状态

出发，到时刻m+1转移到状态空间I中的某一状态j,转移概率pij称为马尔科夫链的一步转移概率。由转移概率pij为元素构成的矩阵为马尔科夫链的一步转移概率矩阵，记为P,可表示为：

将马尔科夫链模型的7个状态区看作是学生注视点的7个兴趣区，通过马尔科夫链模型计算学生注视点在不同兴趣区间的转移概率。aij为注视点由兴趣区i转向兴趣区j的频数，

,n为所有的兴趣区的数量之和，ai为注视点由兴趣区i转向其他兴趣区的频数之和，则注视点由兴趣区i转向兴趣区j的转移概率

为马尔科夫链的平稳分布。假设马尔科夫链是非周期的，则存在一个正整数n,使对一切i,j∈I,都有p

>0,则此马尔科夫链是遍历的。此时，有：

由以上马尔科夫链的遍历性得出，将学生的注意力在不同兴趣的分配情况视为马尔科夫链的转移概率矩阵，该马尔科夫链将具有不可约和非周期性，因此存在稳态分布。设马尔科夫链的一步转移概率矩阵为P,稳态概率向量

这样，根据上述公式，可以推导出学生在不同兴趣区注视的一步转移概率和稳态分布概率。

4、模型验证与分析

4.1 成绩较好和成绩一般被试者专注状态下注视一步转移概率

根据实验中采取的学生眼动数据和兴趣区的划分，根据马尔科夫模型，利用Matlab软件编制程序，对成绩较好和成绩一般的被试者进行计算，求解出两组被试者在专注状态下注视一步转移概率。具体结果如表2、表3所示：

表2 成绩较好被试者专注状态下注视一步转移概率

实验选取的注视点为专注状态下的注视点，剔除了非专注状态下的注视点信息，避免对实验结果产生干扰，将注视点的坐标变化限制在1度以内(视为一次有效注视)。一旦注视点坐标的变化超过1度(认为这是另一次注视的开始)。对成绩较好和成绩一般的被试者专注状态下的注视一步转移概率数据进行Wilcoxon检验，数据表明，成绩较好和成绩一般的被试者注视点的一步转移概率在pii上存在显著差异(p<0.05),成绩较好的被试者pii的概率值显著高于成绩一般的被试者。在研究中发现，对于成绩较好的被试者来说，单次注视无法满足他们对信息的充分获取。相反，他们倾向于进行多次连续的注视，并对所获得的信息进行深度的认知处理，以实现准确理解。而成绩一般的被试者，对于手机或其他区域的注视点的一步转移概率显著高于成绩较好的被试者，说明成绩一般的被试者的注意力更容易被手机或其他区域吸引，在所学内容分配的注意力较少，从而导致学习效率不高。如表3所示，成绩一般的被试者从课本到手机的一步转移概率为该行的最大值，说明成绩一般的被试者在低头看课本期间注意力最容易被手机吸引。

表3 成绩一般被试者专注状态下注视一步转移概率

实验通过对被试者注视行为的数据分析发现，成绩较好的被试者更倾向于进行多次连续的注视并对所获得的信息进行深度的认知处理；而成绩一般的被试者更容易被手机或其他区域吸引，他们在学习过程中对手机或其他区域的注视点转移概率显著高于成绩较好的被试者。这些发现对于深入理解学习过程中的注视行为和注意力分配具有重要的意义。

4.2 成绩较好和成绩一般的被试者注视的稳态分布

无论成绩较好还是成绩一般的被试者对于对多媒体和黑板的注视概率都明显大于课本和笔记，说明学生在上课期间对老师所讲知识的认知加工主要来源于多媒体和老师板书。与成绩较好的被试者相比成绩一般的被试者对于手机或其他区域分配了较多的注意力，从而导致学习效率偏低，如表4所示。

表4 成绩较好和成绩一般的被试者注视的稳态分布

此外，还发现成绩较好的被试者对于问题的回答也更为准确和全面，这表明他们在上课期间能够更专注于老师所讲的知识，并且能够更好地理解和记忆这些知识。而成绩一般的被试者则更容易分心，无法有效地将注意力集中在课堂学习上，这可能是导致他们学习效率偏低的原因之一。

5、结语

目前，高校学生注意力分配问题的研究主要依据调查问卷，根据学生的主观感受进行评估，主观性强。该模型实现了高校学生注意力分配的量化研究，对提升高校教学质量、改善教学模式提供了较强的科学性和客观性依据。通过眼动实验对高校学生上课期间的注视特性进行分析，得知上课期间学生的注意力保持能力直接影响学生对知识的获取和理解水平，注意力保持时间越长，对知识的获取和理解水平就越高，学习效率也就越高。学生上课期间对老师所讲知识的认知加工主要来源于多媒体和老师板书，并且学生在低头看课本时最容易发生注意转移。因此，老师可以优化课堂设计，借助现代多媒体技术和传统板书相结合，生动形象的展示教学内容，使学生能够较长时间的将注意力保持在所学内容上，避免长时间宣读课本内容，导致学生注意力分散或发生转移。在未来的研究中，可以进一步探讨不同注视行为与学习成绩之间的关系，以及如何通过改善教学模式和设计有效的学习策略来提高学生的注意力分配能力和学习效率。此外，还可以将眼动实验方法应用于实训教学中，以深入探究不同场景中学生的注视行为和注意力分配特点。

参考文献:

[1]孟昭兰.普通心理学[M].北京:北京大学出版社,1996:158-162.

[2]陈伟.高校学生注意力管理探析[J].江西农业大学学报(社会科学版),2008,(02):131-134.

[5]曹培杰.数字化学习中注意力失焦的原因分析[J].中国电化教育,2015(08):42-46+58.

[7]李金波,许百华.人机交互过程中认知负荷的综合测评方法[J].心理学报,2009,41(01):35-43.

[8]李其维,金瑜.简评一种新的智力理论:PASS模型[J].华东师范大学学报(教育科学版),1995,(04):41-50.

[10]张军翎.中小学生的逻辑推理能力､元认知及注意力水平与学业成绩的比较[J].心理科学,2008(03):707-710.

[13]刘次华.随机过程[M].广州:华中理工大学出版社,2008.

[14]陈学松,杨宜民.强化学习研究综述[J].计算机应用研究,2010,27(08):2834-2844.

基金资助:中国民用航空局教育人才类项目“校企合作､产教融合背景下数字化教学资源与实训平台共建､共享研究与实践”(mhrc202310); 广东省教育科学规划项目“基于岗位胜任力模型的人才培养与粤港澳大湾区民航业国际化发展适配性研究”(2023GXJK158); 2023年广东省高职教育教学改革研究与实践项目“‘智慧民航’背景下课程思政融入机场运行专业课教学改革研究”(2023JG111); 广东省高等教育学会项目“‘新工科’建设背景下的民航交通运输专业虚拟仿真教研室体制机制建设研究”(23GQN78); 广州民航职业技术学院项目“基于物元可拓模型的高校虚拟仿真实验室安全评估”(22X0228);广州民航职业技术学院项目“航空公司智慧运行产教融合基地”(SJJD202307);广州民航职业技术学院项目“智慧通航理念引领下的通用航空航务技术专业虚拟仿真实训基地建设”(SJJD202203);

文章来源:于超博,张亮,乔亮,等.基于马尔科夫链的高校学生注意力分配过程研究[J].职业技术,2024,23(10):87-93.