《Behaviour & Information Technology》：Differential gaze patterns in facial attractiveness and beauty evaluation of virtual characters: an eye-tracking study
编辑推荐：
为解决虚拟面孔（Virtual face）评价中“美”（Beauty）与“吸引力”（Attractiveness）维度混淆及注视时间（Dwell time）与偏好关系不明的问题，研究人员开展眼动研究，发现两者在显性评分上高度相关（r≈0.96），但在信息采样策略上存在差异：审美更关注核心构型区域，吸引力则更关注嘴部；且注视时间与评分呈倒U型关系，提示不能简单将注视时间作为偏好代理指标。
在虚拟现实（VR）和增强现实（AR）技术飞速发展的今天，虚拟角色已成为社交网络、在线教育、远程会议及数字娱乐中不可或缺的“社交伙伴”。这些虚拟角色的面部特征，作为传递情感状态、建立人际亲和力的关键载体，其设计优劣直接影响到用户的沉浸感与交互体验。然而，尽管计算机图形学与生成模型（如GANs）已能创造出高度逼真的虚拟面孔，但学术界对其评价机制仍存在两大盲区：一是常被混用的“美”（Beauty）与“吸引力”（Attractiveness）在认知层面究竟是同一概念的不同表述，还是驱动着不同的视觉采样策略；二是在缺乏真实生物线索的虚拟面孔上，传统的“注视时间越长越喜欢”的线性假设是否依然成立。针对这些问题，发表在《Behaviour》上的这项眼动追踪研究为我们揭示了虚拟面孔感知中“显性评分”与“隐性策略”的分离现象。
主要技术方法
本研究采用眼动追踪（Eye-tracking）技术，招募24名学生参与者，以63张标准化的中国虚拟面孔（Static faces）为刺激材料。实验设计为2（评价维度：Beauty vs. Attractiveness）× 2（观看条件：3000 ms限时 vs. 自由观看）的组内设计，通过记录参与者的评分行为与眼动指标（如注视位置、停留时间），利用混合效应模型（Mixed effects models）分析评价维度与观看条件对评分及视觉策略的影响。
研究结果
1. 行为评分：维度趋同
在显性评价层面，“美”与“吸引力”表现出极高的相关性（r ≈ 0.96）。混合效应模型分析显示，评价维度本身并未对评分产生可靠的统计学影响。这表明，对于标准化的静态虚拟面孔，人们在给出最终分数时，并未严格区分审美愉悦与社会动机层面的差异。
2. 眼动策略：维度分离
尽管评分趋同，眼动数据却揭示了截然不同的信息采样模式。当参与者进行“美”的判断时，注视资源显著集中于面部的核心构型区域（Core configural region）（如眼睛、鼻子区域），强调对整体结构的审美评估；而在进行“吸引力”判断时，注视点则相对更多地投向嘴部（Mouth）。这一发现表明，评价维度的差异主要体现在信息采样策略上，而非最终的显性输出。
3. 观看时间与偏好的非线性关系
在自由观看条件下，总面部注视时间（Total face dwell time）与评分之间呈现出倒U型（Inverted U-shaped）关系，即中等时长的注视往往对应较高的评分，而非简单的“越长越好”。这一结果挑战了将注视时间作为偏好线性代理指标的传统观点，提示在虚拟面孔研究中需谨慎解读注视时长。
结论与讨论
本研究通过精细的眼动实验设计，明确了在标准化虚拟面孔评价中“美”与“吸引力”的边界条件：二者在显性判断上高度融合，但在隐性视觉策略上存在显著分离。审美判断更依赖核心构型的整体加工，而吸引力判断则更关注嘴部这一社会互动线索。此外，注视时间与评分的非线性关系警示研究者，不能简单地将视觉注意力等同于偏好强度。这些发现不仅为虚拟角色的精细化设计（如根据交互目标优化不同面部区域）提供了理论依据，也为理解社会认知中多维评价的认知机制提供了新的视角。
