摘要

现代指挥、控制、通信、计算机、网络、情报、监视与侦察（C5ISR）环境对任务指挥官（MC）的注意力分配提出了极高要求。在这类高风险、高代价的复杂场景中，注意力分配失当可能引发严重后果。本研究依托高保真模拟军事指挥中心，探究了基于注视驱动的注意力引导（含纯视觉与多模态两类）自适应决策支持工具（DST）的有效性，以及影响任务指挥官绩效的潜在注视动力学机制。为解析被试与注意力引导型自适应决策支持工具交互过程中的注视与注意力动态特征，研究采用递归量化分析（RQA）方法处理眼动追踪数据，并运用基于贝叶斯信息准则（BIC）的逐步回归模型识别可预测绩效得分的递归量化分析指标。回归结果显示，多模态自适应决策支持工具的绩效表现显著优于纯视觉注意力引导型自适应决策支持工具。递归量化分析指标中，平均对角线长度（L）与绩效水平呈负线性相关，而熵值（ENTR）与绩效呈正线性相关。此外，递归率（RR）、确定性（DET）与熵值（ENTR）均与绩效存在非线性二次关系，其中递归率与确定性呈现符合耶克斯-多德森定律的倒U型曲线特征。上述发现表明，动态任务环境要求决策者兼具结构化扫描行为与动态化扫描策略，方能实现最优绩效。

关键词：决策支持工具；递归量化分析；指挥与控制

图1 模拟测试平台及其显示布局。任务指挥官依托模拟无人机与E-3空中预警与控制系统获取的信息开展监控并制定决策。

现代指挥、控制、通信、计算机、网络、情报、监视与侦察（C5ISR）环境已呈现数据饱和态势，对任务指挥官的认知极限构成了前所未有的挑战。尽管人工智能与实时传感技术的进步旨在提升战场态势感知清晰度、降低认知负荷，但海量数据的涌入速度往往超出人类信息处理能力的上限。在此类场景中，维持态势感知（SA）已不再仅仅是获取数据访问权限的问题，更关乎视觉注意力资源的高效分配，直接关系到任务成败（Demir等，2023；Endsley，2001；Endsley等，2003；Humr等，2023）。当任务指挥官需要在高信息密度的界面中进行导航时，“信息漏检”风险便成为决策链路中的关键脆弱点（Curts和Campbell，2001；Endsley和Garland，2000）。

信息过载易在现代军事指挥体系中形成注意力瓶颈（Giles，2019；Shackelford和Lily，2026）。学界已充分证实，人类认知资源具有有限性与易耗竭性（Rogers，2023；Tsotsos等，1995），且在信息过载状态下注意力会自然分散（C. D. Wickens，1976）。在C5ISR这类高风险场景中，注意力分散可能导致作战链路阻塞。虽然选择性注意机制有助于任务指挥官优先处理高价值信息，但也可能诱发“隧道视觉”效应，导致关键边缘信号漏检、响应显著延迟或态势感知丧失（Endsley等，2003）。C5ISR环境要求任务指挥官同时监控多个视觉显示屏，这对注意力管理能力提出了严峻考验。在此类动态环境中，精准的注视行为与有意识的认知投入——二者均以合理的注意力分配为前提——是构建有效信息处理闭环、支撑及时决策的必要条件。当分散注意力的需求超出任务指挥官的认知容量时，由此产生的认知摩擦将导致决策失效，表现为重要数据虽被感知却未被加工为决策输出。因此，当代战场与C5ISR环境迫切需要能够引导人类指挥官注意力的辅助工具。 眼动追踪是人因工程文献中研究注意力分配最常用的方法。多数眼动研究聚焦于静态兴趣区（AOI）内的注视次数、注视时长等时间汇总指标。然而，这类常规方法往往忽略了人类注视行为固有的时间依赖性与动态组织特征（Mahanama等，2022）。通过引入时间维度，眼动分析能够揭示视觉注意力动态中更为精细的特征，例如扫视路径结构、注视（不）稳定性及注视回归模式。因此，视觉注意力动态特征不仅可作为区分不同实验条件的差异化指标，更能成为预测整体决策绩效的可靠依据。

在Jei等（2026）的前期研究中，作者测试了面向地面车队护航任务监督任务的、具备自适应注意力引导功能的决策支持工具。实验结果表明，自适应注意力引导决策支持工具显著提升了被试的整体绩效，且该效应在具备相关经验的被试群体中更为显著。但前期研究存在一个局限：注意力引导仅以视觉形式呈现。在指挥官需从多块显示屏获取信息的场景中，部分屏幕可能完全处于指挥官的视野范围之外。此时，无论视觉引导的显著性多高，相关信息仍可能被漏检。因此，亟需研发多模态自适应注意力引导决策支持工具。根据多重资源理论（MRT；Wickens，2008，2021），当信息通过同一通道（如视觉）呈现时，人类认知资源消耗速度更快，因为多条信息需竞争同一认知资源池；而当信息通过不同通道（如视觉与听觉）呈现时，认知资源竞争概率显著降低。此外，不同形态的信息呈现方式还能提升信息的离心度与显著性（C. Wickens，2008，2021）。N-SEEV模型指出，人类操作员注意到某事件或信息的概率随信息离心度与显著性的提升而增加（Wickens，2015；Wickens等，2009）。尽管事件预期价值与重要性也会提升注意概率，但这属于自上而下的认知要素，难以通过注意力引导等外部助推手段直接调控。

多项研究证实，多模态组合能更有效地引导人类注意力至目标区域。例如，Reyes和Alles（2021）发现，在网络物理环境中，视觉与听觉线索的组合显著提升了注意力引导效果。此外，Sheth和Shimojo（2004）及Van der Burg等（2009；2008；2008）的研究表明，多模态刺激能增强视觉搜索任务中视觉目标的显著性。尽管多模态注意力引导已在汽车驾驶（Calvi等，2021）与军事决策场景（Savick等，2008）中得到应用，并显示出提升人类绩效的潜力，但据我们所知，针对军事C5ISR监督控制场景中多模态实时注意力引导的研究仍存在空白。为填补这一空白，本研究在模拟C5ISR环境中开展实验，旨在评估：1）多模态自适应注意力引导决策支持工具是否能进一步提升任务指挥官的整体绩效；2）不同实验条件下视觉注意力动态特征的差异；3）哪些可靠的眼动指标可有效预测任务指挥官的绩效表现。