跳到主要内容

DATASET 05 · 心理语言学

眼动阅读与认知语料库

960 名被试、1,280 篇中文文本的阅读眼动数据,附兴趣区、注视指标与朗读语音对齐。

眼动文本语音心理语言学阅读研究
眼动阅读与认知语料库 · 封面示意
规模
420 小时
参与者
960 名被试
语种
现代汉语书面语(4 类文体)
标注
注视点与眼跳事件、兴趣区划分、注视时间指标、朗读语音对齐
格式
CSV / TSV / WAV / JSON
同步
眼动与语音同步误差 ≤ 3 ms
授权
科研授权 / 商业授权
更新
2026 年 5 月 22 日

01 / 数据构成

规模、关键指标与数据流

用毫秒级注视轨迹还原阅读的认知过程

420 h
总时长
960 名
被试
1,280 篇
文本
1,000 Hz
采样率
数据构成与规格
数据流规格说明
眼动1,000 Hz · 双眼屏幕式遥测眼动仪,含瞳孔直径
音频48 kHz / 24-bit朗读模式的同步语音
文本UTF-8 / JSON词边界、句法树与兴趣区定义

表格为示例批次的采集参数,最终规格以随数据交付的说明文档为准。

02 / 数据说明

采集、标注与质量控制

以下内容说明数据如何被采集、标注与验证,可作为方法学引用与方案评估的依据。

数据概况

眼动阅读与认知语料库包含 960 名被试阅读 1,280 篇中文文本的眼动记录,累计 420 小时,采集时间为 2024 年 5 月至 2026 年 3 月。文本覆盖说明文、议论文、记叙文与新闻 4 类文体,平均篇幅 620 字,生词密度与句法复杂度经过分级控制。

被试按阅读能力(熟练读者、一般读者、二语学习者)、年龄与教育背景分层。实验包含默读与朗读两种条件,朗读条件同时记录语音,用于研究眼音距(eye-voice span)与阅读流畅性。

采集规范

实验在光线受控的行为实验室进行,屏幕式遥测眼动仪采样率 1,000 Hz,记录双眼注视与瞳孔直径。被试头部以颌托固定,眼睛距屏幕 65 cm,五点校准误差超过 0.5° 视视角即重新校准。每篇文本前呈现注视点,阅读结束后完成理解判断题,正确率低于 70% 的试次标记为无效。

朗读条件使用头戴式麦克风,48 kHz / 24-bit 录制。眼动与音频通过同一触发盒同步,刺激呈现软件在每次翻页时写入事件标记。所有被试签署知情同意书,视力或矫正视力正常,无阅读障碍诊断史。

标注体系

文本侧与眼动侧标注分开组织,再通过试次 ID 关联。

层级内容规模复核方式
文本层分词、词性、句法树、词频与具体度1,280 篇人工校对 20%
兴趣区层词、短语、句子三级 AOI约 78 万个 AOI自动生成 + 抽检
眼动层注视、眼跳、回视、瞳孔直径全量事件流算法检测 + 人工复核 10%
语音层朗读音素边界与眼音距约 260 小时强制对齐 + 抽检

质量与验证

眼动与语音同步误差中位数 1.8 ms,95 分位不超过 3 ms;校准平均误差 0.28°;注视事件检测与人工复核一致率 96.4%;文本分词与句法标注一致性 κ = 0.92。每批次抽取 10% 被试做全流程复核,剔除眨眼、丢失追踪比例超过 15% 的试次。交付附实验程序说明、AOI 定义文件、指标计算脚本与质量报告。

典型研究问题

  • 中文词频与首次注视时间、总注视时间的关系。
  • 句法歧义消解中的回视模式与再分析成本。
  • 朗读时眼音距随文本难度的变化。
  • 二语学习者与母语者阅读策略的眼动差异。
  • 瞳孔直径能否反映阅读中的认知负荷。

获取与授权

科研授权面向心理语言学、认知科学与教育研究团队,商业授权面向阅读产品、教育测评与无障碍技术团队。交付格式为 CSV、TSV、WAV 与 JSON,附指标字典与分析脚本示例。可按文体、阅读条件与被试群体筛选子集。可先通过示例数据查看试次级数据结构,或在联系页说明研究设计获取报价。

03 / 典型用途

这批数据可以回答的问题

以下为典型研究与产品方向,具体分析方案需结合研究设计与统计方法确定。

  • 01

    中文阅读的眼动控制模型

  • 02

    词频与注视时间关系

  • 03

    二语读者阅读策略对比

  • 04

    阅读困难筛查指标

NEXT STEP

需要调整采集场景或标注体系?

现有数据集可直接授权,也可基于你的研究设计扩展说话人、场景与标注层级。

1 个工作日内回复 · 支持 NDA 与数据授权协议 · 高校科研专属方案