鉴于需要分析眼动参数首次注视时间，视频制作和眼动分析都需要划分知识点以保障研究的效度；同时囿于文章字数，本文仅讨论一个完整知识点的眼动行为研究，其余知识点统计结论一致（统计工具为SPSS 22.0）。
1.眼动行为研究实验数据分析
（1）早期眼动指标。首次注视时间是眼动研究的早期指标，反映了早期加工难度。[24]
①如表2所示，早期学习加工与行为投入的方式或层次有关，无行为投入方式（测试正确率均值0.3278±0.283）和暂停行为投入方式（测试正确率均值0.3127±0.236）两种方式无助于降低学习材料的早期加工难度或提升搜索效率。
表2 不同行为投入方式眼动指标（M±SD）
②答题行为投入方式（测试正确率均值0.1631±0.177）能够有效降低任何知识类型的学习内容的首次注视时间。学习者在答题行为投入方式下，初期加工难度降低，有助于搜索目标信息，是引发眼动首次注视时间减少和知识类型之间差距缩小的主要原因。
③如表3所示，暂停行为投入方式陈述性知识与程序性知识首次注视时间配对样本t检验中（t=0.057，p=0.955），说明暂停行为投入方式最能够降低知识类型造成的眼动首次注视时间之间的差异，初步分析这种现象与多媒体、网络环境下学习的行为习惯有关。
表3 不同行为投入方式陈述性知识与程序性知识眼动指标配对样本t检验
（2）后期眼动指标
本实验选取的后期眼动指标为总注视时间与总注视次数，这两个指标反应出加工的难度和深度，后期眼动指标与知识类型、行为投入方式有着极其密切的联系。
①答题行为投入影响后期加工，增加总注视时间与总注视次数（如表2所示），提高加工资源的投入程度，强化认知结构的提取与重组。虽然本知识点中问题的设置并没有指向后续教学内容，而是对已完成内容的提问，但还是使学习者提高了存在感、效能感（回答出来）、紧迫感（未作答）。如果能够将行为投入与后续教学内容相结合，可以起到预评估的作用，也会为深度学习创造条件。
②如表4所示，陈述性知识与程序性知识之间的后期眼动指标差异极其显著（p=0.000＜0.001），说明不同知识类型的学习内容的后期加工过程存在非常大的差异，虚拟现实学习环境的设计要尊重这个规律和现象，利用虚拟现实环境下的特有工具与条件支持不同类型知识的学习活动。
表4 不同行为投入方式眼动指标单因素组间方差分析事后差异检验（LSD）显著性分析
③暂停行为投入与答题行为投入都有利于降低后期眼动指标学习者之间的异质度，从整体上来说，学习者普遍适应这两种行为投入方式。
④暂停行为投入优于无行为投入，暂停控制的交互行为在真实的视频学习过程中，有增加学习者加工时间、关注程度的辅助价值，答题行为投入比暂停行为投入的促进加工的作用更加突出，呈现出随着投入程度的深化，加工程度也逐渐递增，正相关的联动发展趋势愈加明显的迹象。
⑤答题行为投入会使后期眼动指标升高，说明被试投入更多资源；但是心理学的阅读眼动研究指出，搜索难度越大，眼跳次数也会增多，整体加工时间也会增加，但这些加工时间并没有产生深度学习的效果。因此后期眼动指标的讨论需要配合内部关联迁移与外部拓展迁移测试成绩进行综合分析，以区分数据接近的两组（无行为投入组与答题行为投入组）是在困难中进行无意义加工，还是在进行深度地、建构地加工。(www.xing528.com)
2.认知行为研究实验数据分析
（1）深度学习的基础。
①新知理解表现受到行为投入的层次和知识的类型的共同影响，如表5所示，与答题行为投入方式相比，暂停行为投入方式对视频内容新知理解（测试正确率均值65.5557±26.959）影响相对更加明显；如表6所示，在暂停行为投入方式下，知识类型对新知理解成绩的影响差异虽已显现（p=0.070＞0.05）但不显著；如表7所示，暂停行为投入方式与无行为投入方式的事后差异检验达到了边缘显著的水平（p=0.051）。
表5 不同行为投入方式深度学习效果指标（正确率＊100）（M±SD）
表6 不同行为投入方式陈述性知识与程序性知识深度学习效果指标配对样本t检验
表7 不同行为投入方式深度学习效果单因素组间方差分析事后差异检验（LSD）显著性分析
②如表7所示，答题行为投入方式降低了程序性知识与陈述性知识在早期加工阶段的差异（p=0.818），但并没有对新知理解表现（测试正确率均值63.3334±23.733）起到促进作用，原因在于答题行为投入下学习者的加工资源没有被更多地应用在记忆、理解等这些水平的认知加工中。
③新知理解是深度学习的基础，是深度学习实施中的一个重要环节，更是我们深度学习常态化的发展进程中非常重视的环节。过去，很多人都会惯性地认为行为投入的层次（或程度）越深、投入的时间越长，理解的效果就会越好；但实验研究结论打破了这种偏见与误解。与答题行为投入方式相比，暂停行为投入方式最有助于提升新知理解的效果。
（2）深度学习的程度
①内部关联迁移阶段是正式迈入深度学习的初级阶段。内部关联迁移测试成绩是深度学习程度的评估指标，如表7所示，无行为投入方式与答题行为投入方式事后差异检验中（p=0.003＜0.01），说明内部关联迁移表现与行为投入的存在与否、表征方式和程度都有密切关系。
②对于陈述性学习材料，暂停行为投入方式对内部关联迁移表现影响并不显著。只有高水平行为投入方式即答题行为投入方式才会起到促进陈述性知识内部关联迁移的作用。
③程序性知识的深度加工过程对行为投入本身非常敏感，通过暂停行为投入方式就可以在一定程度上促进程序性知识的深度加工。然而，低水平行为投入并不能在最大程度上促进程序性知识较高水平的加工，深度学习效果受到行为投入水平的直接影响。答题行为方式更有利于降低程序性知识学习材料的难度，增加相关认知负荷，程序性知识的高层次加工过程会更加顺利。
④暂停行为投入方式有利于降低学习者内部关联迁移测试成绩的离散程度，说明学习者整体倾向于暂停行为投入方式。这一研究结果启示我们，面对日新月异的虚拟现实领域的新系统、新平台，我们也应该更多地尊重学习者的学习行为习惯，尊重学习现象背后的事实与规律，在理论与技术的发展的道路上，真正的做到继承与创新相结合。
⑤深度学习阶段的加工不能缺少深层次的行为投入。如表5所示，答题行为投入方式下外部拓展迁移表现（测试正确率均值为83.0000±17.251）说明答题行为投入方式显著地提升了虚拟现实环境下视频内容的深度学习效果。
⑥存在行为投入的情况下，两级迁移测试正确率均值都表现出同比最高，但是标准差值偏高，也说明学习者的深度学习表现异质度较高，离散度明显。初步分析，原因在于学习者深度加工能力不同，元认知能力不同，在深度学习过程中，Avatar网络虚拟教室呈现问题促进行为投入，学习者的答题行为投入方式与学习内容的交互作用程度不同。当然，除了后期深度加工外，部分学习者投入不同程度的认知资源用于其他加工，其中不排除产生无关认知负荷的可能性。[25]
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
