为什么眼动追踪看起来天然适合VR学习
VR头显本来就戴在脸上，加装眼动追踪摄像头在技术上很方便，头显还能在学习者穿行于虚拟场景时连续记录视线。这就让人很容易把视线当成一扇窗，用来判断一个人是否在注意、大脑有多费力。一篇关于头显学习研究的综述就是这样设定目标的：眼动追踪被研究用来评估VR学习过程中的视觉疲劳和认知负荷[3]。
这种吸引力很实际。如果视线模式能可靠地提示超负荷，虚拟课程原则上就可以实时调整。针对在线学习平台的研究正是在追求这个想法，把眼动追踪数据与机器学习模型配对，用来预测认知负荷，并支持学习过程中的实时自适应响应[5]。不过这是一种设计上的抱负，并不证明某个具体的视线指标就能有效代表脑力付出。
这些指标实际捕捉的是什么
这些指标可以分成几类。视线分配——学习者看哪里、看多久——被用作视觉注意力的指标，沉浸式360度视频研究曾用内置于VR头戴显示器的眼动追踪设备来评估学习行为和注意力[2]。在那项工作中，研究者考察了嵌入沉浸式视频中的提示对学习和注意力的影响，背后的担忧是注意力管理不当可能使认知负荷升高、逼近超负荷[2]。
眨眼、瞳孔行为和眼动模式等生理信号是另一大类，头显综述把这些当作同时评估视觉疲劳和认知负荷的工具[3]。重要的提醒是，这些都是间接的。眨眼或视线分散程度的变化与脑力付出的变化相一致，但也可能反映疲劳、光照或虚拟场景本身的要求——正因如此，该综述把疲劳和负荷放在一起讨论，而不是把某一种信号当作纯粹的负荷[3]。
证据能走出头显多远
很多关于注意力和认知负荷的眼动追踪工作根本不是在做沉浸式VR。有一项研究旨在建立认知负荷的眼动追踪指标，并分析多媒体学习中视觉注意力如何分配，但它不涉及沉浸式虚拟环境[1]。同样，关于AI虚拟形象与真人教师的研究用眼动追踪来捕捉视频学习中学习者的视觉注意力模式和认知负荷，而不是在VR中[4]。这些研究支持一个总体逻辑：视线和生理信号能追踪注意力和脑力付出，但不该假定它们的具体指标在头显里会原封不动地成立。
VR专属的证据更窄，而且大多把注意力当作负荷的一个组成部分来研究，而不是研究负荷整体。360度视频研究是在沉浸式头显环境中直接考察注意力的最清晰案例[2]，而综述则是专门讨论头显学习中认知负荷和视觉疲劳的主要来源[3]。所以诚实的解读是：注意力已在沉浸式VR中被研究过，但VR中从眼动信号到认知负荷的映射，更多依赖综述层面的综合，而不是大量直接的VR实验。
这对判断一堂VR课意味着什么
对任何单一的眼动追踪数字都要保持怀疑。证据支持用视线分配来刻画视觉注意力[2]，用生理性眼动指标来评估负荷和疲劳[3]，但并没有确立某个指标是VR中认知负荷的经过验证的指数。把注意力信号和生理信号结合起来，并结合学习情境来解读，比把某一个指标当作结论更有依据。
了解证据覆盖的是哪类VR内容也有帮助。直接的沉浸式工作涉及带提示的360度视频[2]，综述则广泛涉及头显学习[3]；来自平面屏幕多媒体和视频学习[1][4]以及在线学习预测模型[5]的发现是有用的背景，但不经核查不应直接移植到VR中。如果某个关于VR注意力或负荷的说法只引用了非VR研究，那就说明这个说法是外推出来的，而不是被证明的。
本文引用的文献
多媒体学习中用生理性眼动指标评估认知负荷和视觉注意力
该研究用眼动追踪建立认知负荷指标，并分析多媒体学习中的视觉注意力分配，但研究场景不是沉浸式VR。
提示对沉浸式360度视频学习和注意力的影响：一项眼动追踪研究
该研究利用内置于VR头戴显示器的眼动追踪，考察沉浸式360度视频中的提示如何影响学习和注意力，并把认知超负荷列为关注点。
用眼动追踪测量虚拟现实头戴显示器学习中的视觉疲劳和认知负荷：一篇综述
该综述探讨如何用眼动追踪评估VR头戴显示器学习过程中的视觉疲劳和认知负荷。
AI虚拟形象与真人教师在视频学习中的作用：一项关于认知负荷和社会临场感的眼动追踪研究
在视频学习中，眼动追踪分析捕捉了学习者面对AI虚拟形象与真人教师时的视觉注意力模式和认知负荷。
利用眼动追踪数据预测在线学习环境中认知负荷的机器学习方法
该工作探索把眼动追踪数据与机器学习方法结合，用于预测在线学习平台中的认知负荷，以支持实时自适应响应。