人在学习过程中是如何处理讯息的?如果学会了，是怎么学会的?若没学会，又是因为什么?交通大学的佘晓清教授在认知与科学学习领域深耕多年，就是在探究这学习历程的奥妙。

「要理解一个人在当下如何处理讯息是很困难的。过去有人以问学生或考学生的方式来理解其思维历程，但所得到的结果其实都不是『当下』的思维。即使学生是一边想、一边说，说出来的话也是已经过处理或筛选过的。人『当下』是如何思维的，始终是科学学习的研究中尚待理解的问题。」而她选择了从「眼动」切入，探究一个人在学习的「当下」是如何处理讯息的。

佘晓清教授表示，过去的眼动研究证实了眼动与学习行为有密切关系，但只能说明眼动是学习行为表现的指标，而无法确切告知我们处理科学问题的思维是怎样的历程，从眼动也没有办法预测学生答对或答错的能力。

她在研究中发现，学生学习或考试时，有没有看到教材的「关键字」或考题的「关键区」是很重要的。因此，她尝试藉由学习者的眼动情形，探究眼动是否可预测电脑化科学测验的表现(即答题正确率)，同时探讨学生进行物理概念提取时，以眼动情形是否能预测不同表征(图片或文字)的电脑化测验表现(答题正确率)。

佘教授把物理概念试题分别以图片和文字呈现，并找来60位受试者，给他们84题试题，其中42题以图片、42题以文字等不同表征呈现，希望藉由学生眼动的情形，观察他们处理图片与文字试题时的差别，以及眼动是不是具有预测其答对、答错的能力。

这个实验运用了「眼动仪」探测他们在答题过程中的眼动情形。眼动仪是放在电脑萤幕下方的一个仪器，可以侦测眼睛移动的位置，借此了解受试者处理讯息的先后顺序。实验结果发现3个眼动指标，分别是「平均凝视时间」、「平均扫视距离」与「回视率」，能有效预测学生在不同表征时的电脑化测验表现。

佘晓清教授分析了上述眼动指标，证实「平均凝视时间」是最佳的预测指标，即从受试者的「平均凝视时间」在关键区上是否够长，最能预测其答题正确与否，其次是「回视时间」也能有效预测。此外，研究结果显示，图片表征方式较文字表征方式能「更有效率」地传递物理概念，即图片较能引发学生早点找到关键点并预测答题的正确性。

但另一方面，以文字为表征的题目能较「精准」地传递物理概念。这研究显示无论题目是以图片或文字为表征，都能藉由学生的眼动预测其反应。值得一提的是，学生看图片题目时的回答速度较快，而文字的答对率却比图片的高。

然而，无论是图片或文字表征，都必须看到关键区才可能答对。佘晓清教授在研究设计与分析方法上突破了过去的发现，证实眼动确实具有预测学习者学习成效的能力，她希望这项成果未来能应用在人机介面上。

她表示，有些孩子在学习时会因始终无法学会某些教材而深感挫折，这是因为他们不知道哪些地方是关键区。其实无论教材或试题，都有其关键字或关键区，但有些学生就是很难发现，或凝视时间不够长、处理讯息深度不够。因此，若透过人机介面把「眼动仪」做为电脑的一部分装置，一旦侦测到学生在关键区的凝视时间不够，或没注意到关键区时，就适时透过人机介面给他们提示，要求他们把视线放在该注意的关键区域，就能帮助他们提高学习的效果。