1 定义
视觉搜索是指个体在多个刺激中寻找目标刺激的过程，也是研究视觉注意最经典的实验范式之一。视觉搜索任务通常要求被试在由目标项（target）和干扰项（distractors）组成的视觉场景中寻找特定目标，并通过反应时间、正确率以及眼动指标等评价搜索效率。由于任务简单、控制性强且具有良好的生态效度，视觉搜索不仅广泛用于视觉注意研究，也是人因工程、用户界面设计、驾驶安全、医疗诊断和安防监控等领域最常用的实验任务之一。
2 类型与相关理论
早期研究者发现，不同目标的搜索难度存在差异。例如，人很容易在大量绿色圆形中寻找一个红色圆形；而在红色横线和绿色竖线组成的阵列中寻找红色竖线时，搜索时间则明显增加，并随着项目数量增长而持续延长。为解释这种现象，1980年Treisman和Gelade [@treismanFeatureintegrationTheoryAttention1980]提出了特征整合理论（Feature Integration Theory，FIT）。该理论认为，视觉加工首先在前注意阶段（pre-attentive stage）并行提取颜色、形状、大小、方向等基本特征；接着在集中注意阶段（focused attention stage），注意力将来自不同特征维度的分散信息整合为完整客体。当目标和干扰项能够通过单一特征进行区分时，可直接依赖前注意加工快速完成；当目标与干扰项的区别需要多个特征共同定义时，则需要注意力与特征整合过程，因此搜索效率下降。前者叫做特征搜索，后者叫做联合搜索（如下图所示）。
- 在特征搜索（feature search）中，目标由单一视觉特征或维度来定义，例如在多个绿色圆形中寻找一个红色圆形，或者在圆形中寻找一个三角形。目标与干扰项在某一特征维度上存在明显差异，人通常能够快速发现目标，这种现象被称为“突显（pop-out）效应”。
- 在联合搜索（conjunction search）中，目标与干扰项分别共享部分特征，无法通过单一特征直接识别。例如在绿色圆形、黑色圆形、绿色三角形之中寻找一个黑色三角形。此时目标与部分干扰项共享颜色，与另一部分干扰项共享形状，被试无法仅依靠单一特征定位目标，需要进一步比较和筛选多个候选项目，对认知资源的要求更高，因此搜索效率显著下降。
图3.1 特征搜索与联合搜索（“visual search.html”文件可以交互展示二者区别）
不过，后续研究发现，现实中的视觉搜索并不像理论预测的那样严格分为并行的特征搜索和串行的联合搜索。例如，当目标具有明显特征时，即使是联合搜索，参试者仍能较快发现目标；而某些特征搜索任务在复杂场景下也可能表现出搜索效率下降。因此，Wolfe等人提出引导搜索模型（Guided Search Model） [@wolfeGuidedSearchAlternative1989]，指出视觉搜索会受到目标特征和任务需求的共同影响。该模型认为，视觉系统会首先对场景中的颜色、形状、方向等基本特征进行快速分析，并根据当前任务目标为不同位置赋予不同的优先级，形成优先级地图（priority map）。例如，当用户正在寻找红色目标时，所有红色项目都会获得更高的注意优先级；当用户寻找特定形状时，符合该特征的项目也更容易吸引注意。随后，注意资源会优先分配到这些高优先级区域，而不是随机或严格逐项扫描整个场景。引导搜索模型已经过了30余年发展，目前最新的版本为2021年的GS6.0 [@wolfeGuidedSearch602021]，进一步整合了任务目标、经验历史和场景信息等因素对视觉搜索的影响，更符合真实复杂场景中的视觉行为，因此成为当前视觉搜索研究最具影响力的理论框架之一。
3 操作要点
视觉搜索实验中，可以通过操纵刺激集合大小（set size，即场景中目标项与干扰项的总数量）、目标与干扰项的相似程度、界面布局等方式来改变搜索难度。在因变量方面，最常见的测量指标是找到目标的反应时间、正确率等行为指标，认知负荷等主观感受，以及眼动追踪的相关指标。
在实际人因实验中，视觉搜索任务通常不用于验证视觉搜索理论本身，而是作为评价信息发现效率的标准化实验框架。目标项通常对应研究者关注的信息元素，而干扰项则模拟真实环境中的竞争信息。例如，目标可能是某个重要功能图标或告警信息、异常状态指示等。比较不同设计条件下的搜索时间、正确率和眼动行为等因变量，可以用于评价设计方案对信息获取效率的影响。
4 参考文献
Treisman, A. M., & Gelade, G. (1980). A feature-integration theory of attention. Cognitive Psychology, 12(1), 97–136. https://doi.org/10.1016/0010-0285(80)90005-5
Wolfe, J. M. (2021). Guided Search 6.0: An updated model of visual search. Psychonomic Bulletin & Review, 28(4), 1060–1092. https://doi.org/10.3758/s13423-020-01859-9
Wolfe, J. M., Cave, K. R., & Franzel, S. L. (1989). Guided search: An alternative to the feature integration model for visual search. Journal of Experimental Psychology: Human Perception and Performance, 15(3), 419–433. https://doi.org/10.1037/0096-1523.15.3.419