研究面部识别的眼动特征，是对信息加工过程的一种即时追踪，通过分析这一即时过程，可以更好地了解病理性互联网使用青少年面部表情识别过程的实质。我们使用“识别—判断”的实验范式分两种类型来研究这一即时加工过程：绝对识别判断和相对识别判断，分别研究表情性质识别和差异识别。前者表现出整体性能力，后者表现出细节分辨觉察能力。
一、病理性互联网使用青少年对面部表情绝对识别判断研究方法
选取某心理医院网络成瘾戒除中心的临床被试，14～22周岁的青少年15名形成病理性互联网使用临床被试组（以下简称“临床PIU”）。在广州市三所普通高等学校大一、大二的学生中使用青少年病理性互联网使用问卷（APIUS）进行问卷调查，筛选出病理性互联网使用非临床被试组（以下简称“非临床PIU”）、边缘病理性互联网使用被试组（以下简称“边缘组”）和正常组被试45名。使用Eyelink1000型眼动仪及其相连接的电脑为实验仪器。
实验材料选取每种情绪性质图片六张，男女各半，共18张。进行兴趣区划定，通过左上角和右下角坐标确定定义三个矩形的兴趣区：一为眼睛区，二为嘴区，三为鼻兼两颊区。用于分析面部识别过程对面部不同区域的依赖程度。
使用“绝对识别判断”的研究方法，即每次呈现一张面部表情图片，要求被试判断其情绪效价。实验设计为3（被试类型：临床PIU青少年、非临床PIU青少年、非PIU青少年）×3（表情性质：正性、负性、中性）×3（兴趣区：眼睛区、嘴区、鼻兼两颊区）混合设计，因变量为反应时、正确率以及眼动指标（平均瞳孔大小、首视点时间、注视次数、注视点持续时间）。
实验假设为：PIU组与正常组被试的表情识别的即时加工过程不同，眼动模式存在差异，眼动轨迹不同，对面孔不同区域的依赖程度不同。对某一性质的表情图片，两组被试的眼动指标存在差异（瞳孔大小、注视次数、注视时间等）。
在眼动仪电脑上运行C 程序，被试注视屏幕首先进行眼睛校准测试，通过校正以后进入练习阶段。图片单张随机呈现，呈现时间2500ms。被试的任务是判断屏幕上出现的人物表情的性质，并按键盘上的光标左键、光标中间键和光标右键。按键后图片消失，一次试验结束。2500ms之内无反应的，按键不作记录。实验流程为：眼睛校准—指导语—练习阶段—练习结束—正式实验指导语—正式实验阶段—结语。练习阶段有反馈，正式实验阶段没有反馈。详细流程：注视点→表情图片→被试按键消失或超时自动消失。
选取合适的眼动指标，将眼动数据导出到Excel中，作初步整理和排列，将有效数据导入SPSS建立数据库，进行多因素方差分析。以正确率和反应时作为行为指标进行分析。
二、病理性互联网使用青少年对面部表情绝对识别判断特点
（一）临床PIU青少年、非临床PIU青少年和正常组面部表情识别眼动特点
以注视点持续时间为因变量进行多因素方差分析，被试类型主效应显著，F=9.12，p＜0.001.表情性质主效应显著，F=3.371，p＜0.05.被试类型与表情性质的交互效应不显著。多重比较（LSD）发现，临床PIU的注视点持续时间显著高于正常组（p＜0.001），非临床PIU的注视点持续时间也显著高于正常组（p＜0.05），而两个PIU组之间没有显著差别。被试对积极表情的注视点持续时间显著长于消极表情（p＜0.05），中性表情与积极表情、中性表情与消极表情之间不存在显著差异。
以注视次数为因变量的多因素方差分析发现，被试类型的主效应显著，F=4.009，p＜0.05.表情性质的主效应显著，F=52.417，p＜0.001.被试类型与表情性质的交互效应不显著。多重比较（LSD）发现，正常组被试的注视次数显著多于临床PIU（p＜0.05）和非临床PIU（p＜0.05），临床PIU和非临床PIU之间无显著差别。被试对消极表情的注视次数显著多于积极表情（p＜0.001）和中性表情（p＜0.05），对中性表情的注视次数显著多于积极表情（p＜0.001）。
以首视点时间为因变量的多因素方差分析发现，被试类型的主效应显著，F=8.736，p＜0.001.表情性质的主效应不显著，交互效应不显著。多重比较（LSD）发现，非临床PIU的首视点时间显著长于临床PIU（p＜0.05）和正常组（p＜0.001），临床PIU的首视点时间显著长于正常组（p＜0.05）。
两个PIU组的注视点持续时间显著高于正常组，说明在加工细节上病理性互联网使用被试所耗费的时间更长。但正常组的注视次数却显著高于其他两组，说明正常组在识别过程中会寻找更多的线索来达到任务要求。由于这两个变量都属于后期加工指标，所以也反映出病理性互联网使用被试与正常组被试在信息初级加工的晚期存在差异。在首视点时间上，非临床PIU的首视点注视时间最长，而两个PIU组的首视点时间都显著长于正常组。首视点时间是一个早期加工的指标，因此结果说明在早期加工上PIU被试和正常被试存在差异。总体来看，在整个表情识别的过程中，临床和非临床的病理性互联网使用青少年特点类似，而与正常组不同。
（二）三类被试在兴趣区内的眼动特点
以兴趣区内注视次数为因变量的方差分析发现，兴趣区主效应显著，被试类型主效应显著，兴趣区与被试类型的交互作用显著，F=15.117，p＜0.001.临床PIU被试在三个兴趣区的注视次数很接近，而非临床PIU和正常组被试在眼睛区的注视次数显著多于鼻兼两颊区和嘴区。
以兴趣区内注视时间为因变量的方差分析发现，兴趣区与被试类型的交互作用显著，F=22.769，p＜0.001.临床PIU对三个兴趣区的注视时间非常接近，几乎没有差别；而非临床PIU的差别最大，对眼睛区的注视时间显著多于鼻兼两颊区和嘴区。对正常组被试来说，对眼睛区的注视时间最长，其他两个区则比较接近。
以兴趣区注视比例为因变量的方差分析发现，兴趣区与被试类型的交互作用显著，F=26.577，p＜0.001.
以兴趣区内最大瞳孔大小为因变量的方差分析发现，兴趣区与被试类型的交互作用显著，F=8.615，p＜0.001.临床PIU在三个兴趣区的最大瞳孔大小都比较小，而且大小接近，非临床PIU的兴趣区瞳孔最大值最高。
研究发现，相对于其他图形而言，人脸图形的识别有其独特之处。被试在识别人脸时有一个比较规则的扫视途径，取样的注视点停留在脸部的局部特征，如眼睛、嘴巴、鼻子等器官上。兴趣区的眼动指标比较反映了被试在表情识别过程中对面部不同区域的依赖程度，以及信息搜索特征。从各个眼动指标上看，被试对眼睛区域的依赖性都更强，其次是鼻部和两颊区域，最后是嘴部区域。但是不同类型被试的情况有所不同，临床PIU对各个区域的信息提取程度都比较均衡，差别不大。许多研究表明，人类面孔识别对眼睛的依赖程度最大，即使将眼睛部位加以掩蔽，使之无法提取有效信息，但人们还是首先去搜索眼部特征，而对鼻子和脸颊部、嘴部等则没有这么大的依赖。根据趋利避害的理论，我们认为这是由于相对其他部位来说，眼睛部位是最能透露人的情绪的，“眼睛是心灵的窗户”，观察眼部特点能够最快速、最准确地判断出人的情绪状态，所以人类才更倾向于首先和最多地注视眼部。而本研究发现，临床PIU被试这一倾向几乎没有，而是将注意资源平均分配到面部各个主要区域，这种特点在时间较短的过程中无疑会造成其判断效率的降低。而非临床PIU被试则刚好相反，他们在判断面部情绪效价时，这种对眼睛区域的主要依赖程度表现得非常明显，比正常组更大。我们认为，三个区域注视情况均衡以及对某一区域过度注视都是信息加工效率较低的表现，均衡分配注意力导致无法快速、节省、高效地获取最重要的判断信息，而对某一区域如眼睛区的过度注意则可能使得对其他区域信息的注意度不够，信息获取不全面，同样可能造成判断效率低下。而较高效的加工模式应当既重点注意关键区域（如眼睛区），但又不过分依赖，而是能兼顾其他次关键区（如嘴巴和脸颊等），从而获得更多的有效线索，提高识别、判断速度和准确性。与这一理想模式最接近的为正常组被试，病理性互联网使用青少年临床类和非临床类情况有所区别，但是都有识别效率低的表现。
三、病理性互联网使用青少年对面部表情相对识别判断研究方法
在相对识别实验部分，将图片进行配对。将图片按照性别、表情性质进行配对。同时，对单幅呈现和成对呈现的图片进行兴趣区划定，通过左上角和右下角坐标确定定义三个矩形的兴趣区，一为眼睛区，二为嘴区，三为鼻兼两颊区，用于分析面部识别过程对面部不同区域的依赖程度。
相对识别实验的假设是，PIU组与正常组在差异识别的速度和正确率上存在差异，眼动模式存在差异，眼动轨迹不同，对面孔不同区域的依赖程度不同。
实验按这样的过程进行：在眼动仪电脑上运行C 程序，被试注视屏幕，手持操作手柄。首先进行眼睛校准测试，通过校正以后进入练习阶段。图片成对呈现，时间3500ms。被试的任务是判断屏幕上出现的左右两张人物的表情是否一致，并按手柄上的相应字母A或B，按键后图片对消失，一次试验结束。3500ms之内无反应的，按键不作记录。
眼动数据处理，选取合适的眼动指标，将眼动数据导出到Excel里，作初步整理和排列，将有效数据粘贴到SPSS里建立数据库，进行多因素方差分析。以正确率和反应时作为行为指标进行分析。
四、病理性互联网使用青少年对面部表情相对识别判断特点
（一）临床PIU青少年、非临床PIU青少年和正常组面部表情相对识别眼动特点
经统计，在注视成对的表情图片并判断一致性时，三类被试在识别面部表情性质时的眼动数据。
以眼动指标为因变量，对6（图片对类型）×3（被试类型）进行方差分析，得到在注视点持续时间上，被试类型的主效应显著，F=6.397，p＜0.01；图片对类型的主效应不显著。两者的交互效应不显著。对被试类型进行多重比较发现，临床PIU和非临床PIU的注视点持续时间均显著大于正常组（p＜0.01），两个PIU组之间不存在显著差异。
在总注视次数上，被试类型的主效应显著，F=4.126，p＜0.05；图片对类型的主效应显著，F=10.301，p＜0.001.两者交互效应不显著。对被试类型进行多重比较发现，正常组对图片对的总注视次数显著多于临床PIU（p＜0.05）和非临床PIU（p＜0.05），两个PIU组之间不存在显著差异。对图片对类型进行多重比较发现，对积极—积极图片对的注视次数最少（p＜0.01），其次是积极—消极图片对（p＜0.05），均显著少于其他四种类型的图片对，而对消极—消极图片对的总注视次数最多。
在眼跳次数上，被试类型的主效应显著，F=3.742，p＜0.05；图片对类型主效应显著，F=10.711，p＜0.001.两者的交互效应不显著。对被试类型进行多重比较发现，正常组对图片对的眼跳次数显著多于临床PIU（p＜0.05）和非临床PIU（p＜0.05），两个PIU组之间不存在显著差异。对图片对类型进行多重比较发现，被试对积极—积极图片对的眼跳次数最少（p＜0.01），其次是积极—消极图片对（p＜0.05），均显著少于其他四种类型的图片对，而对消极—消极图片对的眼跳次数最多。
在注视总时间上，被试类型的主效应不显著；图片对类型的主效应显著，F=11.448，p＜0.001，两者的交互效应不显著。对图片对类型进行多重比较发现，积极—积极图片对的总注视时间少于其他各类图片对，除了与积极—消极图片对不存在显著差异外，与其余比较均达到差异显著水平（p＜0.01）。消极—消极图片对的注视总时间长于其他各类图片对，与消极—中性不存在显著差异，与其他各对都达到差异显著水平。
（二）表情差异识别的正确率分析
统计三类被试对不同类型图片对识别判断的正确率。
多因素方差分析发现，图片对类型的主效应显著，F=32.600，p＜0.001.被试类型的主效应不显著，交互作用不显著。对图片对类型的多重比较发现，对消极—消极图片对的正确识别率最低，显著低于其他各类图片对（p＜0.01），对积极—中性图片对的正确识别率较低。被试对积极—消极图片对的识别率最高，高于其他各类图片，除与积极—积极未达显著水平外，其他均达到显著水平。
相对识别判断可以反映被试觉察表情差别的能力，属于细节判断范畴。在注视点持续时间上，临床PIU和非临床PIU被试都大于正常组，这和绝对识别判断类似，说明在加工具体细节上，病理性互联网使用被试的时间比较长。我们认为，总注视次数和眼跳次数这两个眼动指标至少体现了两个方面的加工特征：信息搜索的广度、任务的难度。与绝对识别判断类似，在差异比较识别上，正常组的总注视次数较多，这也反映出正常组虽然在单个细节上的加工时间不长，但是会搜寻和使用比较多的信息点，即信息搜索广度比较广。对积极—积极类型图片对和积极—消极类型图片对的注视次数最少，反映出这两类信息的差异识别是最简单的，不需要进行太多的信息搜索即可以完成判断。
由上述可知，病理性互联网使用被试在单个信息上加工时间比较长，而正常组被试在信息搜索广度上更广，所以，综合来看，在对信息的总注视或总加工时间上持平，因此在注视总时间上不同类型被试之间无差异。但是对包含消极类信息的图片对加工时间较长，尤其是消极—消极图片对，注视总时间长于其他各类图片对。一般认为，对相关信息的注意包含了注意指向、注意维持、注意转移等成分，消极情绪信息更能吸引被试的注意力以及使得被试更难以从消极情绪信息上转移，所以造成了差异识别的时间延迟，加工这类信息的差异性会耗费更多的时间。信息类型本身的差异性越大，在差异识别任务中就越容易，不同的被试都表现出这种特点，与被试类型无关。
？§§第七章 PIU青少年的情绪调节策略特征
？
