在认知心理学领域，认知负荷指的是在工作记忆中所使用的心理努力的量。通常，认知负荷与特定的任务相关联，人们需要使用工作记忆中的有限资源来完成这项任务。当任务难度控制在一定的范围内时，任务越复杂，所需的认知资源就越多，即认知负荷越高。例如，在课堂上，老师经常需要结合学生的认知结构和表现来测量学生的认知负荷状态，以便调整教学内容和策略。
研究表明，认知负荷不仅影响身体和精神疾病，还会影响工作效率和安全。因此，测量认知负荷的研究已成为认知负荷理论的重要部分。本文提出了一种利用眼睛运动数据以非接触方式识别认知负荷状态的方法。设计了一项视觉实验，以在两种光照强度环境下诱发人的认知负荷为高和低状态，并记录了这一全过程中的眼睛运动数据。通过统计测试选择了十二个显著的眼睛运动特征。提出了一些特征处理算法以提高识别率。使用支持向量机（SVM）对高低认知负荷进行分类。实验结果显示，在光照控制条件下，该方法可以达到90.25%的准确率。
认知负荷理论（Cognitive Load Theory, CLT）是由Sweller等人在1988年提出的，其核心观点是，人的工作记忆资源是有限的。当学习或执行任务时，如果所需处理的信息超过了工作记忆能够处理的极限，就会产生认知负荷。认知负荷理论将认知负荷分为内在负荷、外在负荷和德国负荷三种类型。内在负荷与任务固有的难度有关，如处理复杂概念或结构时的认知负荷；外在负荷主要来源于信息呈现方式的不恰当，例如，设计不合理的界面会增加用户的学习难度，从而增加外在负荷；德国负荷则是指为了优化学习过程或任务执行而添加的额外负荷，例如，学习者尝试组织和整合信息时产生的负荷。
在认知负荷理论的基础上，研究者们开发了多种方法来测量和识别认知负荷，包括自评量表、行为指标、生理指标等。自评量表依赖于被试者的主观报告，虽然操作简便，但可能受到主观偏见的影响。行为指标，如任务执行的时间、错误率等，虽然具有一定的客观性，但往往需要在特定实验条件下收集数据。生理指标，如心率、脑电波、眼动等，通过检测人体在完成任务过程中的生理变化来间接反映认知负荷的变化，具有非侵入性和实时性等特点，因此越来越受到重视。
基于眼睛运动的非接触式认知负荷识别就是利用眼动追踪技术，通过对个体在执行任务过程中的眼动特征进行分析，识别其认知负荷的高低。眼动追踪技术能够记录眼球的移动轨迹、注视点、瞳孔大小、眨眼频率等信息，这些都是反映认知活动的重要指标。在认知负荷高的状态下，人们可能会出现更多的注视点、更短的注视时间、更高的眨眼频率等现象。
本研究中提到的实验设计包括在不同的光照环境下进行视觉任务，这样的设置可以帮助模拟真实世界中可能出现的不同情况，从而提高实验结果的普适性和实用性。通过视觉实验诱发的认知负荷状态，可以更加精确地评估认知负荷理论在实际应用中的有效性。
此外，文中提到的支持向量机（SVM）是一种常用的分类算法，尤其适用于处理高维数据，它通过找到一个最优的决策边界来最大化分类间隔，从而有效地区分不同类别的数据。在此项研究中，SVM被用来区分高低认知负荷状态，其高达90.25%的准确率表明基于眼动数据的非接触式认知负荷识别方法具有很好的应用前景。
随着技术的发展，非接触式眼动追踪设备的精度和可靠性不断提高，使得在实际环境中对认知负荷进行实时监测成为可能。这样的技术可以应用于教育、航空航天、工业设计等多个领域，帮助研究者和专业人员更好地了解和优化工作流程，提高工作效率和安全性。此外，对于普通用户而言，认知负荷的监测可以帮助设计更加人性化的用户界面和交互体验，使技术更加贴合人的认知特点。
