隋 雪，楊 帆，徐邇嘉

（遼寧師范大學 心理學院，遼寧 大連 116029）

一、引言

閱讀是一個復雜的心理認知過程，既需要感覺加工和認知加工，還需要眼睛精確運動來提取信息。那么，閱讀過程中眼睛的運動是如何進行的？其控制機制是什么？眼睛運動的計劃與觸發(fā)是如何進行的？這些問題是閱讀研究中最關(guān)注的問題。研究者們從不同的角度對閱讀中的眼動控制等問題進行了研究，提出了不同的眼動控制解釋模型，并通過實驗對模型進行驗證。1984年Morrison提出了一種基于注意力的模型，認為閱讀中眼睛的運動主要是由視覺注意力的瞬間變化決定的，詞匯的加工過程與閱讀中視覺注意力的分配之間存在密切關(guān)系，并且假定加工是從注意分配到當前注視的單詞和言語分析上開始的[1]。后來這一注意轉(zhuǎn)移理論發(fā)展出了很多版本，其中較有代表性的是E-Z讀者模型[2]。E-Z讀者模型是一個較為完整的閱讀眼動控制的計算類模型，認為眼動行為主要受認知加工過程的控制，而閱讀時對詞語的加工是以序列加工的方式進行的。目前，隨著計算機模擬技術(shù)的發(fā)展，在閱讀的眼動控制研究領域中，計算類模型的發(fā)展占據(jù)著舉足輕重的位置，研究者使用計算機模擬技術(shù)來控制和模擬閱讀中眼球的運動以驗證不同的理論觀點，同時提出了各自的眼動模型。其中，比較典型的模型除了E-Z讀者模型之外，還有SWIFT模型[3]及Glenmore模型。

本文主要介紹Glenmore模型的主要結(jié)構(gòu)、基本的模型單元以及模型單元的實現(xiàn)，并分析了該模型對解釋中文閱讀現(xiàn)象的適合性及仿真研究的可能性。

二、Glenmore模型的基本框架

Reilly和Ralph提出的眼動控制Glenmore模型，主要由輸入單元、字母單元、詞語處理單元、特征單元、注視中心、眼跳觸發(fā)器等模塊構(gòu)成，見圖1。圖1中的圓圈代表聯(lián)結(jié)組件，矩形代表非聯(lián)結(jié)組件，圓箭頭代表負聯(lián)結(jié)，尖箭頭表示正聯(lián)結(jié)。從單詞到字母的負聯(lián)結(jié)維持字母單位的活動，這些單位擁有累積的高斯轉(zhuǎn)移函數(shù)，其中，自上而下的負性值會阻礙自下而上的正性值的輸入[4]。

圖1 Glenmore模型的主要組件

該模型的基本假設為：正常閱讀情況下的眼動行為是由低水平的眼球神經(jīng)運動和高水平的認知加工過程共同決定的。低水平的眼動控制傳遞了一個強力的觸發(fā)信號，這個信號受字母水平和單詞水平言語加工的有力調(diào)節(jié)，并且在一定程度上也受較高水平的句子和語篇加工的影響[1]。每一個低級視覺信息開始被注視時，都會被編碼為一個特征矢量，這樣就可以不受認知的影響，來進行目標選擇和眼跳觸發(fā)。在注視期間，特征矢量的單詞單元會隨著語言加工反饋的信息而改變。這種機制可以在當前的知覺廣度下，選擇眼跳的合適位置。假如被試注視詞N時，其注視廣度是詞N右邊的7個字母，而詞N+1很短，只有3個字母，而詞N+2又是7個字母，這種情況下，詞N+2在注視中會被編碼一個更高的特征矢量，并且會成為下一次眼跳的注視詞，如果詞N+1很容易被加工，那么它的特征矢量就迅速的下降，不會被注視。但如果詞N+1很難在副中央凹進行加工，就會形成更多的特征矢量，并且可能會成為眼跳后的注視詞。當前注視詞N很難加工的話，就會導致回視它的可能性增加[4]。

該模型還認為，詞語加工就是通過這些單元模塊來完成。視覺輸入量是當前知覺廣度和注視得到視覺結(jié)構(gòu)編碼的基本體現(xiàn)，從輸入單元開始，視覺信息轉(zhuǎn)化為特征地圖，然后進入詞語處理單元，在交互激活框架中，實現(xiàn)對字母和詞語的同時處理。在特征地圖單元中，矢量內(nèi)個別位置的特征值是被作為兩個激活相加的函數(shù)進行計算的，即輸入單元的自下而上的視覺激活和自上而下的單詞激活[4]。

在字母加工水平上，字母離心率增大導致加工效果迅速下降，這是進行非對稱的字母加工造成的[5][6]，而激活單詞層面加工的時間進程與詞頻也是函數(shù)關(guān)系，高頻詞語的上升和下降的激活作用都比低頻詞語的要快[4]。

字母單元和詞語處理單元,向兩個不同的方向發(fā)送信息，字母單元激活的矢量值被傳遞到特征地圖，特征地圖被用于連續(xù)調(diào)節(jié)潛在眼跳目標的特征值。同時，總體水平上的言語加工的反饋被傳遞到注視中心。而實際眼跳的發(fā)生是以注視模塊的激活為基礎的，是空間特征相互作用的結(jié)果。在注視過程中,注視中心的活動往往會下降,加工過程中存在一個隨機組件和一個非空間處理組件,眼跳是在經(jīng)歷了潛伏期之后在眼跳觸發(fā)器中產(chǎn)生的，直接與目標單詞的特征相關(guān)[4]。

在每次注視過程中，網(wǎng)絡中所有的單元會逐漸積累輸入的刺激信息，在注視結(jié)束時，一些單元的激活量會重置為零，有些得到保持，并將這些激活量帶到下一次注視中。這種激活量由當前注視轉(zhuǎn)移到下一次注視的情況表現(xiàn)為溢出效應和預視效應。每個單元都有一個聯(lián)結(jié)轉(zhuǎn)換功能，來決定輸入的激活信息會導致哪種輸出信息，以及何時執(zhí)行這種轉(zhuǎn)變。該模型使用了兩個傳遞函數(shù)：高斯函數(shù)和S型生長曲線。高斯傳遞函數(shù)允許各自單元生成一個隨時間增長或衰減的輸出單元，轉(zhuǎn)換的有效速率與分布規(guī)律相符，并反過來對高斯的兩個參數(shù)：平均值和標準差產(chǎn)生影響。在目前的模型版本中，這些參數(shù)是不變的，即m=50,SD=0.3m，這樣，當m=50時，函數(shù)的輸出值=1.0。S型生長曲線傳遞函數(shù)的操作類似于高斯函數(shù),只是它的輸出不會隨時間而下降。唯一可變的參數(shù)是各個單元之間聯(lián)結(jié)的比重，賦予所有類型的聯(lián)結(jié)相同的值。這些可變的模型參數(shù)是基于Alopex的學習算法的參數(shù)配置來處理篩選的[4]。

在圖2中呈現(xiàn)了Glenmore模型內(nèi)部聯(lián)結(jié)的細節(jié)。聯(lián)結(jié)單元之間的轉(zhuǎn)移函數(shù)由臨近方框內(nèi)函數(shù)表示。代表有關(guān)單位的轉(zhuǎn)移功能以圖形的方式，在相鄰的盒子里表示出來。輸入單元的活動，按照伽馬函數(shù)計算特征量,并傳播到特征地圖。字母單元對詞語單元進行正反饋，而詞語單元會反過來激活字母單元，詞語對字母的反饋是負性的，所以字母接受大量的反饋會導致活動維持時間加長，詞頻會周期性的對詞語單元產(chǎn)生影響，詞語的熟悉性和詞頻越高，激活就會越快的上升或下降。注視從字母單元接受輸入信息，當激活低于中心臨界值時，眼跳會轉(zhuǎn)移到特征地圖中最大值的詞語。在這個過程中，隨機組件會隨時間改變而衰減，導致注視中心活動的不同，從1s和0s之間的30個空間寬度，把不同知覺廣度的矢量，向字母單元傳遞。這些字母單元聯(lián)結(jié)和加工過程的網(wǎng)絡，聯(lián)結(jié)了單詞單元和特征單元。單詞單元作為字母單元自上而下加工的來源，能夠增加/減少字母的激活作用。特征單元維持輸入矢量的空間表征，并影響眼跳目標的選擇。眼跳的發(fā)生是由于在注視中心的激活超出了一定的可調(diào)節(jié)的臨界值。注視中心的調(diào)節(jié)受到字母單元的整體水平活動對單詞單元自下而上調(diào)節(jié)的影響。注視中心的臨界值受到總體策略的調(diào)節(jié)，例如閱讀任務和材料的難度。本質(zhì)上，臨界值的變化會引發(fā)早期眼跳或晚期眼跳[4]。

圖2 Glenmore模型的內(nèi)部聯(lián)結(jié)細節(jié)

從計算的角度來看，Glenmore模型的認知系統(tǒng)框架來源于，非線性動力學系統(tǒng)的理論框架[7]，其動力學模型是典型的廣泛類別的交互激活模型。在注視開始時，30個元素輸入矢量單位被激活，其激活值依賴于，在特定位置是否有文字呈現(xiàn)，以及那個位置的離心率，并通過伽馬函數(shù)來加權(quán)這些輸入。一旦在輸入單元中出現(xiàn)一個激活的矢量值，網(wǎng)絡的連接就會以動態(tài)的形式去確保適合的字母單元與適合的單詞單元相連接，反之亦然。網(wǎng)絡的默認狀態(tài)是每一個字母單元與單詞單元之間是雙向連接的，而單詞間的空格則代表了在字母單元水平上存在的零激活狀態(tài)的字母。這樣的配置方式可以確保在每一次注視開始時就消除掉虛假的連接，而單詞和字母的激活矢量值則會被一直延續(xù)到下一次的注視。通過這樣的機制，可以實現(xiàn)溢出效應和預視效應。隨著網(wǎng)絡配置的完成，所輸入的激活就會被傳送到一組字母單元和一組特征單元，每一組的這些字母和特征單元都包含了30個單位。從輸入單元到字母和特征單元的連接是一對一的，同時也存在從單詞單元到字母單元的反饋連接。因為這里使用了高斯概率密度函數(shù)作為字母和特征單元的轉(zhuǎn)移函數(shù)，所以字母單元的激活將會在一定數(shù)量的循環(huán)周期之后達到峰值，循環(huán)周期的數(shù)量被設置為50次，因此字母單元所表征的來自于視覺中央凹范圍的輸入將會在50次循環(huán)之后達到峰值然后開始下降。而越遠離中央凹，激活的累積水平就會越慢。雖然外圍的字母也可以達到相同的峰值，但是越遠離中央凹，所需要的達到峰值的循環(huán)次數(shù)就會越多[4]。

字母單元對詞語單元有激活作用，同時也會受到詞語單元自上而下輸入的影響，例如詞頻的影響。詞頻越高，激活的越快，就會越快的到達輸出值，詞頻效應通過正性的自發(fā)周期性聯(lián)結(jié)反應而實現(xiàn)，因此高頻詞會比低頻詞更快的到達激活水平。因此，視野中的高頻詞會比低頻詞加工的更快[4]。

對詞語進行加工時，詞語之間存在著相互的競爭，而這種詞間的競爭事通過各個詞語單元之間的抑制性聯(lián)結(jié)來進行調(diào)節(jié)。一旦一個單詞達到峰值，它就會停止競爭，為其他單詞的競爭留出空間。通過這樣的方式，便可以同時加工多個單詞，只是通常情況下會由一個單詞占據(jù)大部分的加工資源。在Glenmore模型中所反映的這種加工機制即為中央凹—副中央凹效應，相較于副中央凹—中央凹效應的調(diào)節(jié)方式,中央凹—副中央凹的調(diào)節(jié)方式是無可置疑的，同時也是有據(jù)可依的。研究表明，當中央凹的單詞很難加工的時候，副中央凹的預視效應是會降低的[8]，而在Glenmore模型框架中，加工資源競爭的形式，是普遍存在于當前感知覺范圍中所有的單詞之間的[4]。

來自字母單元的激活也會被傳送到特征單元，在這里它將與輸入單元的激活相結(jié)合。這里所使用的轉(zhuǎn)移函數(shù)還是用高斯函數(shù)表示的，激活程度的累加或衰減是隨著時間的變化而變化的，高激活區(qū)域達到峰值快，但衰減也快。假設輸入單元分辨率改變了（這里是用高斯函數(shù)模擬的），特征單元接收的中央凹的輸入將會比其他部分更快地達到峰值和衰減，所以在到達一定數(shù)量的迭代次數(shù)之后，在特征單元中，中央凹區(qū)域的特征值會下降，導致返回抑制。字母單元的激活會轉(zhuǎn)移到注視中心單元，經(jīng)過注視中心單元的處理后，原則上會引發(fā)再次注視、向前或向后眼跳等情況，而最后的選擇取決于特征值達到最大時的加工位置[4]。

總之，Glenmore模型是一個“結(jié)構(gòu)及所假定的加工過程”都相對簡單的計算類模型。開始時，注視單詞的知覺信息進入到輸入單元后，這些信息會轉(zhuǎn)換為特征地圖，特征地圖單元將眼跳所需的必要信息提供給眼跳觸發(fā)器，同時這些信息也會被傳送到字母單元和詞語單元，從而完成對注視單詞信息的字母水平和詞語水平上的加工。在這一過程中，字母單元和詞語單元之間是相互作用的，字母單元的信息傳入詞語單元，詞語單元在加工單詞的信息時會出現(xiàn)詞語間的競爭，即詞頻越高，激活達到閾限的速度越快，同時，它也會對字母單元進行反饋并激活字母的加工。反饋激活后的字母單元的信息會進入注視中心，注視中心決定產(chǎn)生眼跳后，會激活眼跳產(chǎn)生器，延遲一段時間后眼跳產(chǎn)生。這樣也就實現(xiàn)了自上而下的單詞激活與自下而上的視覺信息激活之間相互作用的加工過程。

三、Glenmore模型的單元及其實現(xiàn)方式

（一）輸入單元

言語的加工處理是從視覺信息的輸入開始的，輸入單元中的視覺輸入量是當前知覺廣度和注視得到視覺結(jié)構(gòu)編碼的基本體現(xiàn)。視覺信息從輸入單元開始轉(zhuǎn)化為特征地圖，然后進入詞語處理單元，在交互激活框架中，實現(xiàn)對字母和詞語的同時處理。輸入單元的活動形式是通過動態(tài)地配置網(wǎng)絡聯(lián)結(jié)來確保字母單元與詞語單元之間有恰當?shù)倪B接[4]。

視覺輸入值包括視野內(nèi)的30個特征空格，中央凹的位置是第11個特征空格。存在于感知覺范圍中的字母加工的不對稱性是通過在中央凹中心的伽馬分布的概率密度函數(shù)來實現(xiàn)的，這個函數(shù)被用來計算當前的輸入，特征賦值為0到1，并隨離中央凹的距離變大而減小[4]。

（二）字母單元

字母處理單元接受來自輸入單元自上而下的刺激以及來自單詞單元自下而上的刺激。字母單元的轉(zhuǎn)換功能可以用高斯分布的概率密度函數(shù)表示[4]，

其中x是積累輸入單元值，m=50，SD=0.3m。在時間為t+1時，xi是加權(quán)積累后的值，計算方法如下[4]：

其中：wij是i單元對j單元聯(lián)結(jié)的權(quán)重，而oj，t+1代表t+1時輸出到j單元的值[4]。

通過激活相應的字母單元，可以顯示字母是否存在于相應的視覺范圍中。模型假定字母單元依次連接到與它相對應的單詞單元。若視野中缺少字母就會導致無法激活，這時字母單元會反過來影響相應的詞語單元。字母單元的處理結(jié)果與詞語單元在模型中的預先處理有關(guān)，因此，考慮到注視的情況，模型在字母和詞語之間建立了適當?shù)穆?lián)系，也就是每個特征位置的多重字母單元與多重詞語相結(jié)合，這樣也就可以同時加工處理多個詞語，而不是傳統(tǒng)的交互激活模型所做的一次只能加工一個單詞的假設，這也是該模型與傳統(tǒng)的交互激活模型的不同之處[4]。

（三）特征單元

由特征矢量組成的特征單元，從輸入單元和字母單元接受信息，字母單元輸入時，介于“是什么”通道和“到哪去”通道之間的途徑，提供一種間接的自上而下的對于當前視野中特征值的認知。這種影響是間接的，就像字母單元不僅從視覺輸入單元接受信息也從詞語單元接受信息一樣，統(tǒng)計頻率與他們有一定的相關(guān)。特征單元的轉(zhuǎn)化功能是高斯密度函數(shù)的概率，結(jié)合字母單元函數(shù)中相應的參數(shù)得出的。特征單元慢慢積累能量，當能量積攢到超過50次的循環(huán)周期時，會對眼-腦系統(tǒng)進行一定的激活[4]。

Radach提出了閱讀中的特征地圖理論，認為特征地圖反映了當前位置知覺廣度特征值的矢量值，研究者假設在閱讀文本的過程中，眼跳是一種對詞語空間頻率的配置，通常有以下幾種情況：眼跳到下一個詞語（大多數(shù)是N+1或N+2），或者再次注視當前注視詞語（N），或者對句子中的前一個詞語（N-1）進行回視。而對于這些眼跳情況的選擇會受注視位置和詞語長度的影響[4]。

模型中特征地圖的關(guān)鍵作用是目標選擇加工，也就是詞語單元的高激活量會引發(fā)尋找下一次眼跳目標，它可能是當前注視的詞語，也可能是前一個詞語或后一個詞語。當詞語單元的激活量到達最高水平時，眼跳產(chǎn)生模塊通過測量材料性質(zhì)執(zhí)行不同幅度的眼跳。這種機制中的目標選擇與加工的分離，解釋了眼睛如何進行低水平的自動獲取目標，以及如何進行高水平的認知選擇目標[4]。

（四）詞語單元

詞語水平的加工單元，從各自的字母單元接收輸入信息，反過來，詞語單元也把激活反饋發(fā)送回這些字母單元。這些單元使用了S型成長曲線函數(shù)[4]：

其中x是單元內(nèi)累積的凈輸入，平均值m還是50。這個函數(shù)在0到1的范圍內(nèi)，以0.5作為輸入的平均值，進行輸出。除數(shù)8用來使S型生長曲線函數(shù)直線化。本方程中的凈輸入量x比其他單元略復雜一些[4]：

wr和wo分別表示周期性的輸入和從其他詞語得到的輸入，字母信息的處理在單詞長度n上是平均的，所以單詞長度本身不影響刺激積累速度，僅僅只是影響字母成分的平均激活速率。自我重現(xiàn)的連接值是單詞統(tǒng)計頻率的函數(shù)，詞頻越高，單詞獲得的激活就越多，也就能越快到達輸出的峰值。其他聯(lián)結(jié)的特征值是由參數(shù)搜尋機制決定的。相同的聯(lián)結(jié)類型會使用相同的聯(lián)結(jié)值。為了表現(xiàn)詞語更多的特性，例如可預測性，聯(lián)結(jié)值有一個范圍。而除了自發(fā)聯(lián)結(jié)，詞語單元會通過聯(lián)結(jié)抑制臨近的詞語單元確保處理資源有效分配，所以在一次注視中可以同時加工超過一個單詞[4]。

（五）注視中心

注視中心單元是一個單獨的單元，與所有的字母單元都有聯(lián)結(jié)，可以容納多種認知處理過程的輸入，其激活可以用S型成長曲線轉(zhuǎn)移函數(shù)表示。注視中心的主要功能就是控制決定什么時候去執(zhí)行一個新的眼跳，這一控制是通過激活量的積累來達到。注視中心單元從字母單元接受輸入信息，當激活低于中心臨界值時，眼跳會轉(zhuǎn)向特征地圖中最大值的詞語，而當激活量的積累到達臨界值時，就會指示發(fā)出眼動。在注視過程中,注視中心的活動往往會下降,并且在該加工過程中存在著一個隨機組件和一個非空間處理組件,隨機組件會隨時間衰減，導致注視中心不同的活動。注視中心的調(diào)節(jié)會受到字母單元的整體水平活動對單詞單元自下而上調(diào)節(jié)的影響。其臨界值會受總體的策略的調(diào)節(jié)，而臨界值的變化會影響眼跳發(fā)生的時間[4]。

眼跳行為的分析則是基于McConkie等人提出的眼跳目標分布的五項原則：1.首次進入詞語的眼跳的落點在詞語的中心；2.由于系統(tǒng)的測量誤差，導致眼睛落點與目標位置之間存在偏離并可以通過線性函數(shù)表示；3.眼睛在目標詞上時間越長，這種系統(tǒng)測量誤差越??；4.眼跳著陸位置與目標位置之間可以用隨機的高斯分布函數(shù)表示；5.這種偏離的分布會擴散性增加[2][9]。這些原則可以歸納為三個方程：

第一個是一個線性方程（如下）。描述眼跳著陸地點（m）與偏離距離（d）之間的函數(shù)。如果m和d都為零，那么說明注視位置在目標詞的中心。如果是一個四個字母的單詞，那么第二個和第三個字母之間一半的位置就是詞語的中心。

第二個是一個三次方程（如下），表示圍繞m的眼跳落點的范圍。

第三個是一個高斯方程（如下），以m和SD為參數(shù)描述眼跳落點的隨機分布情況。

在目前的Glenmore模型的版本中,一旦注視中心單元的激活達到臨界值時,就會通過上述方程來選擇一個眼跳落點[4]。

還有一種方法也可以確定眼跳目標，那就是不參考目標詞的中心位置，而是使用特征到達峰值時的實際位置的時間，這樣就可以解釋一些副中央凹周圍正字法規(guī)則的眼跳落點現(xiàn)象[10]。

（六）參數(shù)擬合

該模型采用參數(shù)搜索算法，是基于Alopex[11]的神經(jīng)網(wǎng)絡學習的算法，用局部相關(guān)方法來統(tǒng)計不同權(quán)重各自的改變和整體的誤差指標的改變。與傳統(tǒng)的梯度下降學習算法不同，Alopex對于各個單元之間的轉(zhuǎn)移函數(shù)和誤差指標函數(shù)的形式不做假設，在Glenmore模型中使用這種算法可以將一定數(shù)量的因素結(jié)合到一個復合成本函數(shù)中去，并且在將該函數(shù)最小化后，就可以確保這個算法能篩選出一系列的參數(shù)，來統(tǒng)計出總閱讀時間和空間上的一些特征指標，特別是注視時間和眼跳距離指標[4]。

該算法在搜索中最初是隨機的，以類似于模擬低溫退火的方式使用了一個溫控參數(shù)來逐漸地使搜索更具確定性，最終收斂于一組令人滿意的參數(shù)[12]。參數(shù)擬合時逐漸選取了相應的小擾動溫控參數(shù)，該參數(shù)會由于一些其他的變化而導致自身的變化較小，這樣可以減少成本函數(shù)[4]，而參數(shù)變化的概率取決于成本函數(shù)值的變化。這個概率是由一個溫控參數(shù)變量來調(diào)節(jié)的，它是從整體的成本函數(shù)值中派生出來的，當這個值降低時，參數(shù)也會由隨機逐漸變?yōu)榇_定的。

在Glenmore模型中，評估了九個自由參數(shù)，其中四個參數(shù)的符號為正向的并且它們的最大值的絕對值可以達到10.0。這些參數(shù)具有以下的聯(lián)結(jié)形式（其中的正負號表示所必需的權(quán)重的兩極性）：輸入與字母（+）、輸入與特征地圖（+）、字母與詞語（+）、字母與特征地圖（-）、詞語與字母（-）、詞語與詞語（包括正向的詞頻周期性自我重現(xiàn)權(quán)重的應用與其他單詞的負向聯(lián)結(jié)）、字母與注視中心（-）、注視中心臨界值（+）以及注視中心到達臨界值的斜率，其中詞語與字母的抑制只局限于詞語本身的字母[4]。

該模型用于擬合參數(shù)的文本材料是一篇7570字的，以“Inuit”為話題的德語文章，由此得出的功能函數(shù)如下：

其中n是峰值(至少是某一個峰值)，m是最大值的峰值(至少為1.0)，p是最大峰值的位置(在中央凹的右邊8個字符中)，t是注視中心單元的臨界值(所需的閾值是0.75)，和矢量d和d’代表在一系列詞語上預期的和實際的平均注視時間。該函數(shù)不僅能反映在實驗中發(fā)現(xiàn)的眼跳長度和注視位置的值，也能表示一些臨界值[4]。

四、Glenmore模型的評價

Glenmore模型能很好地解釋很多閱讀中存在的眼動現(xiàn)象，而且相較于E-Z讀者模型和SWIFT模型，也擁有自身一定的合理性和獨特性。

首先，Glenmore模型認為閱讀中詞語的加工是并行加工，這與E-Z讀者模型所認為的序列加工不同。有研究表明，閱讀中的詞匯加工可能有較大的空間分布，知覺廣度可能在1-3個詞左右，而不是只局限于一個詞[13]。同時，副中央凹詞對中央凹注視有明顯的影響[14]，也就是說，在注視廣度內(nèi)，詞匯加工應該是平行加工的。因此，Glenmore模型所依據(jù)的分析模式應該更為合理。

其次，Glenmore模型的整體框架是依據(jù)神經(jīng)生物學和眼動信息處理的生物學基礎提出的，沒有涉及注意轉(zhuǎn)移和視覺注意力的概念，認為眼動控制的時間及空間特性是由視覺輸入信息和言語加工信息決定的，這一觀點與E-Z讀者模型和SWIFT模型所認為的眼動是受認知加工控制的觀點是不同的。

最后，Glenmore模型最大的特點是提出了對單個字母和詞語在眼動控制和言語加工兩方面的解釋，這樣的交互式激活模式能夠反映出在并行處理的單位之間所存在的相互正向激活和負向抑制作用[4]。

但是，Glenmore模型在研究時所使用的材料，為上面所提到的德語文章，眼動閱讀加工過程是以使用德語的個體為研究對象所提出來的，德語屬于拼音文字[15]，所使用的單詞都可以分解成單獨的字母，因此，Glenmore模型提出，信息在進入輸入單元后就進入字母單元，之后才到達詞語水平的加工單元。但是，中文的漢字是表意文字[16]，雖然可以分解成單獨的筆畫，但是個體在識別這樣的表意文字的時候，不太可能先將它分解成筆畫后再進行加工。漢字中的筆畫與拼音文字中的字母的加工也不一致。在中文閱讀中還會出現(xiàn)一些筆畫特別多的漢字（例如：，51畫），按照Glenmore模型所提出來的，先分解成單獨的筆畫，那大腦的加工負擔也太重了。因此，Glenmore模型所假定的眼動閱讀的加工過程是否可以運用到漢字的加工，還需要進一步研究。

［1］DeubelH，O’ReganJK，Radach R.Attention，Informationprocessing，and Eyemovementcontrol［J］.Readingas a Perceptual Process，2000（3-4）：355-376.

［2］ReichleED，PollatsekA，F(xiàn)isherDL，etal.Towardamodelofeyemovementcontrolinreading［J］.PsychologicalReview，1998（1）：125-157.

［3］Engbert R，Longtin A，Kliegl R.A dynamical model of saccade generation in reading based on spatially distributed lexical processing［J］.Vision Research，2002（5）：621-636.

［4］Reilly R G，Radach R.Some empirical tests of an interactive activation model of eye movement control in reading［J］.Cognitive Systems Research，2006（1）：34-55.

［5］Mcconkie G W，Kerr P W，Reddix MD，et al.Eye movement control during reading：ii,Frequency of refixating a word［J］.Perception&Psychophysics，1989（3）：245-253.

［6］Mcconkie G W，Underwood N R，Zola D，et al.Some temporal characteristics of processing during reading［J］.Journal of Experimental PsychologyHuman Perception&Performance，1985（2）：168.

［7］PortRF，GelderTV.Mindasmotion:Explorationsinthedynamicsofcognition［M］.Cambridge,MA:MITPress，1995：195-453.

［8］Henderson J M，F(xiàn)erreira F.Eye movement control during reading:Fixation measures reflect foveal but not parafoveal processingdifficulty［J］.Can J Exp Psychol，1993（2）：201-221.

［9］McConkie G W，Kerr P W，Reddix MD，et al.Eye movement control during reading：i.The location of initial eye fixations on words［J］.Vision Research，1988（10）：1107-1118.

［10］Radach R，Inhoff A，Heller D.Orthographic regularity gradually modulates saccade amplitudes in reading［J］.European Journal ofCognitive Psychology，2004（1-2）：27-51.

［11］Unnikrishnan K，Venugopal K.Alopex：A correlation-based learning algorithm for feedforward and recurrent neural networks［J］.Neural Computation，1994（3）：469-490.

［12］Kirkpatrick S，JR GC，Vecchi MP.Optimization bysimulated annealing［J］.Science，1983（220）：606-615.

［13］Hy?n? J，Bertram R.Do frequency characteristics of nonfixated words influence the processing of fixated words during reading？［J］.European Journal ofCognitive Psychology，2004（1-2）：104-127.

［14］Abbott MJ，Staub A.The effect ofplausibility on eye movements in reading：testing e-z reader’s null predictions［J］.Journal ofMemory&Language，2015（8）：76-87.

［15］Charolles LS.Linguistic processes in readingand spelling:the case ofalphabetic writingsystems:English,French,German and Spanish［G］//Nunes T.Handbook ofChildren’s Literacy.Netherlands：Springer，2004：44-66.

［16］馬新軍.從漢字的形、音、義關(guān)系談漢字的特點［J］.語言與翻譯：漢文版，2006（4）：38-42.