防守情境中网球运动员眼动特点研究

张立敏，沈 欣， 查圣祥

(1.南京师范大学 体育科学学院 ，江苏 南京 210024； 2.南京市雨花台区体育局 ，江苏 南京 210012；3. 江苏第二师范学院， 江苏 南京 210013)

1 问题的提出

人类的信息加工在很大程度上依赖于视觉，眼动是人类视觉系统探索外部世界的一项重要工具[1]。眼动确保个体可以对视野范围内的目标进行注视，从而进行进一步的精细加工[2]。在体育运动过程中，视觉信息的提取是基本的心理支持，运动员对比赛视觉信息的接收和处理能力是影响其赛场表现的关键因素[3-4]，视觉能力直接影响着运动员完成任务的能力和表现，视觉能力与运动成绩之间的关系是竞技体育中眼动研究的焦点[5]。

专家-新手范式是该领域最常见的研究范式，意在揭示不同项目、不同水平运动员视觉注意特征的差别[6]，结果发现，视觉信息提取的不同模式可能反映了选手之间运动能力的差异[7]。专家具有更多更合理的视觉搜索策略，表现为专家对比赛场景中信息的注视次数少，注视时间短，注视点多集中在与具体项目相关的关键兴趣区，注视轨迹简单集中，特别是注视顺序上表现出较强的策略性[8]。因此，探索具体项目高水平运动员的视觉搜索特征，不仅可以为该项目的基础教学和竞技训练提供可靠的理论依据，而且可以为专业运动员和业余爱好者提高竞技水平提供实际支持。

以隔网对抗类运动项目为对象的研究来看，结果大都表明专家和新手在视觉搜寻策略和眼动特征上存在区别，专家优于新手。例如，对专业羽毛球运动员的研究发现，其视觉搜索模式有效性及正确率更高[9]。不同水平排球运动员的眼球注视时间不同，专业组的眼跳距离、瞳孔直径等变化较大，并且视觉的信息搜寻策略更合理，获取信息注视的范围更大，对信息的加工更迅速，做出的判断更准确[10]。乒乓球运动员新手和专家在对进攻路线进行预测的过程中，做出判断的时间差别不大，但是注视时间和注视点存在较大差距[11]。从眼动指标上来看，“静眼搜索”模式被认为是一种最具经济效益的方式[12]，但有研究者[13]认为：“静眼搜索”模式虽然具有一定经济性，并不适用于所有运动项目。李安民等人对乒乓球运动员的研究发现了与之相反的“平扫搜索”模式[14]。事实上，视觉搜索模式的差异并不反映运动员在视觉搜索方式上的经济性和有效性，而是运动员为了在运动情景任务中达到自身目标所需要的一种更为合理、有效的视觉搜索模式[15]。

以网球运动为对象的研究发现，专家似乎有着专属模式。高水平网球运动员的击球效果并不依赖于球的飞行轨迹，对手击球时的站位、握拍方式、拍面角度、挥拍轨迹、身体动作、击球类型等都是他们可以利用的线索[16]。专家组和新手组对对手的注视位置差异较大，专家注视点多集中在运动员身体中部位置，新手注视点则是运动员身体靠上部位[17]。优秀网球运动员会根据不同动作发力顺序的不同方向对材料进行加工，对关键部位反复注视，而新手的注视轨迹复杂，注视顺序比较随意，没有任何的加工策略[18]。运动水平与决策正确率和反应时成正相关，水平越高正确率越高，决策速度越快。视觉搜索模式与年龄成正相关，随着年龄的增长，视觉搜索更有效、更快速[19]。

纵观当今网坛，进攻网球大行其道，随着网球运动员们的进攻能力越来越强大，稳固的防守愈发显得重要。多拍回合、紧张对峙增加了比赛的观赏性，长时间的紧张对峙或者受到压迫被动防守时，往往一次准确的预判和精妙的回击就足以逆转局势。准确的落点预判是防守能力中最重要的环节，具备优秀的落点预判能力，就能在激烈的对抗中占得先机。

预判，即预测和判断，预测强调预见性和及时性，判断强调果断性和预测的准确性，从心理学角度来说，预判是一个接收外界信息—信息加工—做出决策的过程[20]。在网球比赛中，落点预判起始于运动员自身击球后，对手准备接球前，结束于自己根据有效信息搜索对对手击球线路做出判断的时刻[21]，属于运动直觉的研究范畴。已有研究证实，在相持过程中，专业的高水平网球运动员在落点预判上的测试成绩远远超出非专业运动员的表现，专业网球运动员具备高效完备的直觉决策模式[22]。

网球运动员想要在激烈的对抗中进退自如，就需要在受迫情境中依赖有限的线索，预测对手的击球线路、球的落点并快速做出合理的反应。传统的研究范式主要以反应时为基本指标，而反应时只是大脑加工的综合结果，无法提供加工准确的时间进程及相应的神经机制。因此，越来越多的研究开始采用眼动追踪技术来进行考察。眼动技术是当前运动领域直觉决策研究的常见手段，常见的眼动指标有眼动时间(包括注视时间、眼跳时间、回视时间、总注视时间、单个平均注视时间、眼跳潜伏期、追随运动的时间)、注视次数、眼跳距离、注视轨迹等，其中正确率和反应时常被选作运动决策的评价指标。

鉴于以往鲜有针对防守情境进行的研究，探讨防守情境中网球运动员落点预判的眼动特点成为本研究拟解决的重点。根据以上文献综述，提出以下研究假设：

(1)专家组比新手组对落点预判的反应时更短；

(2)专家组比新手组对落点预判的正确率更高；

(3)专家组和新手组同样重视兴趣区，但在不同兴趣区注视时间分配、注视热点存在差异；

(4)在防守情境下，专家组的直觉决策模式比新手组优秀。

2 研究方法

2.1 参与者

筛选专家组和新手组各10名选手作为参与者。专家组选取具备国家一级或以上运动等级的专业网球运动员，有国际比赛经验。其中，男受试者8名，女受试者2名，平均年龄23.7岁；新手组选取球龄5年以上，有业余比赛经验的资深网球爱好者。其中，男受试者6名，女受试者4名，平均年龄23.2岁。所有受试者优势手均为右手，健康状况良好，无遗传病史，视力或矫正视力正常，无色盲色弱，自愿参加本实验。

2.2 测试工具

(1)眼动仪：北京飞宇星电子科技有限公司制造的Hi-speed型眼动记录设备及其配套电脑(显示器分辨率为1024*768)，眼动仪的采样率为1250HZ。

(2)联想台式电脑：用于运行E-prime2.0实验程序(显示器分辨率为1024*768)。

2.3 测试材料

运动直觉的眼动研究中，进行时空遮蔽是一种重要的研究手段。不同的遮蔽方式提供的信息量不同，生态学效度不相同，受试者所采取的视觉搜索策略也会有所不同。常见的遮蔽方法可以划分为时间遮蔽、空间遮蔽和完整无遮蔽。空间遮蔽情况下，对手的身体信息和运动轨迹信息不充分，从而加大了预判的难度。本研究采取空间遮蔽法，完全遮蔽防守方运动员的身体信息，仅呈现进攻方运动员的图片信息和防守方的场地信息，请受试者模拟防守方的运动员，对进攻方队员的击球落点进行预判。

防守是受到对方压力而采取的状态，对进攻方而言则是“施压”的过程。因此，本研究将选手进攻得分前的最后一次击球作为施压情境，将接球一方对该情境的状态定义为“受迫”情境，将接球运动员定义为防守方。从2014和2015年澳网女单比赛的比赛视频中选取了30张视频截图作为实验刺激材料备选，甄选选手进攻得分前的最后一拍图片，征询专家意见后，最终筛选出15张成为刺激材料。所有视频均为高清视频，刷新率同为25帧每秒，图片中遮蔽一方运动员，视频截取的时间定格点分别为球员击球前200毫秒，球拍击球时，击球后200毫秒三种，每种5张。

面对进攻对手进行模拟的第一视角，最能体现受迫情境中防守运动员的眼动特点，考虑到图片选自于实际比赛的转播画面，第一视角的图片少之又少，加之击球者第一视角时的站位对本方的场地信息亦有遮蔽效果，影响落点的选择，对研究结果产生干扰，因此选择“观众视角”，请受试者对进攻方运动员的击球落点进行预判。

2.4 测试指标

(1)反应时：受试者看到图片到做出判断按下反应键之间的时间。

(2)正确率：将网球半场分割为6个区域(见图1)，受试者预判的落点所在区域与实际落点相吻合的次数占所有判断次数的比例。

1区2区3区4区5区6区

图1 落点预判区域图

(3)注视点数量：受试者从开始观察图片到做出判断的时间段中的注视点的总数量。

(4)兴趣区注视时间：受试者判断过程中注视点落在兴趣区中的时间。

(5)兴趣区注视时间百分比：受试者判断过程中注视点落在兴趣区中的时间占总注视时间的比例。

兴趣区即研究者感兴趣的区域，研究者根据自己的研究目的和实验假设，人为定义和划分兴趣区[23]。在利用眼动分析软件的时候，研究者可以在刺激材料中依据自身需要划分兴趣区。兴趣区的大小、形状等都可以根据研究者的研究需要进行操控。对于动态的刺激材料，也可以设置动态的兴趣区。在数据处理时，眼动分析软件就可以自动将划分好的不同兴趣区内的数据进行分类整理和统计[24]。例如，在对乒乓球运动员落点判断过程中视觉搜索特征研究的文章中，研究者将刺激材料的兴趣区划分为运动员头部、球拍、手腕、球台以及其他[25]。

本研究中，实验的刺激材料是静态的图片，利用Begaze软件共设置了A、B、C三个兴趣区，选择的兴趣区为A(网球和球拍附近区域)、B(选手的躯干)以及C(落点判断区域)，将这三部分以外的区域视为非兴趣区D。这样，整个材料就被分为了两大区域，即兴趣区(A、B、C)和非兴趣区。结合实验进行中的实际情况，兴趣区和刺激材料可以用下图关系表示(见图2)。区分目的在于观察受试者在实验过程中各兴趣区的注视点分布和眼动轨迹等眼动数据。

图2 兴趣区关系图

3 测试过程及数据处理

3.1 实验调试

调整好实验室环境，保持教室干燥舒适，温度适宜。

打开E-prime软件，向受试者简要说明实验目的，受试者明白后，稍作休息，关闭门窗，遮蔽光源，屏蔽噪声，受试者状态稳定后立即开始预实验。

实验指导语为：实验开始前请将下巴放在U型托上，额头顶着仪器的前端坐好，一只手放到反应键(空格键)上，实验开始后在屏幕中心会出现一个黑色十字注视点，请注意，一旦按下反应键(空格键)即代表可以开始实验，数据记录就会进行，可以看到网球比赛的图片，其中一方的运动员已经被我们屏蔽，假设你自己就是这名被屏蔽一方的运动员，此时对方正进行着凶狠的击球企图得分，而你需要做的是根据已有的信息判断图中对方运动员击球的落点进行回击，当判断完成后，请注视那个“落点”并按下空格键。通过预实验目检测实验程序，保证实验数据能够得到完整的记录。

3.2 正式实验

实验安排在专业心理学实验室进行，环境幽静，无光线和噪声干扰。

受试者到来后，首先向受试者介绍本次实验，说明实验注意事项以及要求，填写实验知情同意书和受试者基本情况调查表。

受试者端坐于实验台前，调整座椅高度，使之平视时视线汇聚于观测屏幕的中心，眼睛距屏幕60cm，下巴置于U型托上以稳定头部。双臂自然放置于实验台上，左手置于反应键上，完成准备工作后，主试再次详细介绍实验流程后，由受试者独立在操作间完成实验任务，全部流程由主试监控。具体操作流程为：受试者准备好后开始实验，给受试者阅读指导语，进行13点定标，完成后再次阅读指导语，进行两个Trial的练习实验，同时屏幕呈现注视点“+”的图片，受试者准备好后按反应键空格键开始正式测试。

3.3 具体实验流程

正式实验开始后，施测者念完指导语，如果受试者已经做好接受测试的准备，按下反应键(空格)，此时显示器呈现“+”，800ms后呈现刺激图片，完成判断后再次按下反应键(空格)，表示该阶段测试完成。当受试者做好接受下一张图片测试的准备时，再次按下反应键(空格)，此时显示器呈现“+”，800ms后呈现刺激图片，完成判断后再次按下反应键(空格)，表示该阶段测试完成。如此往复，直至所有测试任务完成。

图3 具体流程

3.4 数理统计

利用E-DataAid和眼动数据分析软件Begaze，以及spss22.0对实验数据进行整理、分析与统计。

4 结果与分析

4.1 专家—新手组预判反应时的比较

根据表1描述统计结果可知，专家组在前200ms、击球瞬间、后200ms三个环节上的预判反应时均少于新手组。以不同击球时机的反应时为因变量，以组别和击球时机为自变量，进行方差分析，结果发现，组别的主效应显著(F=21.54，p<.01)，专家组的反应显著快于新手组。专家和击球前200ms，击球瞬间，击球后200ms三个环节的反应时均显著少于新手，尤其在击球后200ms，专家的预判优势最为明显。击球时机没有主效应(F=0.29，p>.05)，分组与击球时机没有交互作用(F=0.01，p>.05)。

表1 新手/专家组不同击球时机预判反应时描述统计结果(单位：ms)

击球时机组别M±SD 新手组6229.20±3330.29前专家组3643.20±839.80 新手组5652.20±3094.73中专家组3189.32±666.63 新手组6042.52±2248.37后专家组3391.24±806.95

张怡关于网球运动员相持阶段落点预判的研究同样支持了专家在反应时上的优势[22]。专家反应时更短，原因可能在于进行落点预判时，专家不仅能高效地收集、处理有效信息，过滤无用信息，还能利用自身的经验进行直觉决策，减少判断的反应时间，而新手则需要花费更多的时间筛选有效信息，并且因为没有自己的直觉决策模式或是直觉决策模式还不成熟，从而在判断的时候更加审慎，需要经历更多的比较和思考。

4.2 预判的正确率

4.2.1 专家—新手组预判正确率比较

表2 新手/专家组不同击球时机预判正确率描述统计结果

击球时机组别M±SD 新手组.20±.16前专家组.50±.24 新手组.40±.27中专家组.68±.19 新手组.58±.18后专家组.86±.19

以实验刺激材料中运动员击球的不同时间点(击球前200ms，击球瞬间，击球后200ms)为变量，对专家—新手组的正误信息进行统计，将受试者正确的判断记做“1”，错误的判断记做“0”。以预判的正确率为因变量，以组别和不同击球时间作为自变量，进行方差分析，组别的主效应显著(F=28.74，p<.01)，击球时机主效应显著(F=15.96，p<.01)，组别与击球的交互作用不显著(F=.12，p>.05)，结合表2描述统计结果可见，专家组的落点预判正确率显著高于新手组。

4.2.2 各组不同击球时机的预判正确率比较

由表2描述统计结果观察可见，专家和新手有一个共同的规律，即击球前200ms的判断正确率最低，在击球后200ms的判断正确率最高，击球时的判断正确率居中。为明确各组不同击球时机预判正确率的差异，以下进行进一步的比较。

以各组正确率为因变量，击球时机为自变量进行方差分析，并进行事后(Post-Hoc)比较，结果发现，新手组对击球前200ms和击球时、击球时和击球后200ms这两个击球时机的落点预判正确率没有显著差异(p>.05)，击球前200ms和击球后200ms两个击球时预判正确率存在显著差异(p<.01)。专家组的结果亦是如此，即后200ms的预判准确率显著高于前200ms。

表3 新手组不同击球时机预判Post-Hoc比较结果

组别前200msvs击球击球vs后200ms前200msvs后200ms p值p值p值新手.17.26.00专家.22.14.01

从正确率来看，专家组的正确率显著高于新手组，这一结果与此前其他运动项目的研究结果类似，如优秀排球运动员对扣球落点的预判[26]、优秀羽毛球运动员对落点的预判[27]等。至此，研究假设1和假设2得到了支持，即专家组比新手组对于落点的预判正确率更高，所用反应时更短。这些都是专家具备针对防守情境的直觉决策模式的佐证，而大型比赛经验、训练量和训练质量则是运动员信息处理方式建立与更新的重要影响因素[28]。

4.3 专家—新手组注视点总数比较

通过BeGaze对眼动数据进行分析，统计两组受试者在每个刺激材料上的注视点数量，根据描述分析可知，专家组受试者的注视点平均值为86.40±14.13个，新手组受试者的注视点平均值为96.47±27.67个，以注视点为因变量，组别为自变量进行方差分析，组别效应不显著(F=1.58，p>.05)因此，专家组和新手组在注视点数量上不存在显著差异。

注视点的数量在一定程度上反映了任务复杂程度以及受试者在单位时间内搜集信息的能力。以往有研究表明，专家组和新手组的注视点数量存在着显著差异[18]。本次实验没有得到与以往研究一致的结果，一方面可能是由于专家组和新手组(二级运动员)的技能水平差距相对较小，且样本数量有限，另一方面也可能与兴趣区的划分标准有一定关系。

4.4 注视时间的比较

4.4.1 专家—新手组兴趣区与非兴趣区注视时间的差异

根据本实验中兴趣区的划分规则，由于A(球和球拍区域)、B(运动员躯干)是运动员判断来球信息的重要来源，且在图片分析时经常重叠，因此合并为兴趣区加以考察，兴趣区和落点区(C)以外的区域作为非兴趣区(D)，以注视时间占总体时间的百分比作为因变量，组别作为自变量，进行描述统计(结果见表4)和方差分析检验。结果发现，专家组和新手组在兴趣区(F=3.50，p>.05)和非兴趣区(F=0.67，p>.05)的差异均不显著。

表4 不同组别注视时间描述统计结果(单位：%)

区域组别M±SD兴趣区新手29.94±12.05 专家24.26±11.52非兴趣区新手6.71±5.00 专家8.17±4.75

4.4.2 专家—新手组注视时间热点图

利用眼动热点图对两组受试者的注视情况进行进一步探究。

图4 热点图示意(左列为新手，右列为专家)

热点图是以颜色暖色度来显示注视点的时间和位置的动态变化，即越接近深红的暖色，证明注视该区域的时间越长。根据对15组刺激材料热点图的观察分析可知，在A、B兴趣区，即有效信息搜索区域一侧，C兴趣区(落点的判断区域)异侧，专家组更加关注B兴趣区(运动员的躯干)，而新手组更加关注A兴趣区(球和球拍的区域)。结果发现，专家组更关注对方运动员的身体信息，而新手组更加关心球的信息。

结合兴趣区、非兴趣区时间分配以及热点图可以看出，假设3得到了部分支持，即专家和新手对于兴趣区具有同等的重视程度，但是在兴趣区注视的分配时间上没有显著差异，对无效信息的过滤和抗干扰能力也没有显著差异，说明专家和新手在信息搜索的注意分配上有着相似特征。由于专家更多地借助对手身体的信息，而不是球的信息，因此专家组对于落点判断的“预判”成分更加明显，这或许是专家组判断更快、更准确的原因之一。综合以上反应时、预判正确率、注视时间、注视热点等信息，研究假设4基本得到支持，即在防守情境下，专家组的直觉决策模式比新手组更加优秀。网球初学者或业余选手可以借鉴专家组的眼动特点，在实践中有意识地加以练习。

5 结论

在网球防守情境中，专家跟新手相比，具备独特的、高效的直觉决策模式。体现在专家对于落点的预判用时更短、更准确，对手击球后是专家进行信息搜索从而做出预判的最有效时刻，专家和新手同样重视兴趣区，但专家更关注对手的身体信息，新手则更关注球的信息。