注视轨迹可用于推断用户当前关注的界面区域，无需用户主动操作
别名: 隐性注意测量 · 注视热图 · AOI dwell
概念解释
不必等点击或语音，一条注视轨迹就能用来估计：用户此刻大概在界面的哪一块上分配视觉注意。兴趣区停留、扫描路径、热图，都是这种隐性测量的产物。它是观测，不是命令——系统没有把“看”当成提交。它也不是注视引导渲染：渲染问的是把高质量像素画在中央凹，测量问的是人在加工哪一块内容。用户甚至不知道自己在被测。
机制
注意虽然可以离开注视点，但在需要分辨细节的界面上，中央凹仍是最强的空间先验。把显示划成兴趣区，累加区内注视时长和回视，得到一块相对“更被加工”的地图。Just 与 Carpenter 的阅读研究，以及后来的可用性热图，都靠这条先验工作。它给出的是区域级、概率性的注意分配，不是像素级的意图。
测量可以是事后的（会话结束出一张图）或在线的（当前哪一块正在被看）。在线测量的时间分辨率受注视时长限制，大约数百毫秒，不能当成逐帧的真实注意指针。没有主动操作作为锚，测量窗口里混着搜索、走神、等待和下一次扫视的途中点。
怎么研究
经典做法是给任务（找错、比较价格、读说明书），用 AOI 时长、首次到达时间和回视来预测随后的选择或口头报告“刚才在看哪”。再和点击、鼠标轨迹对照，看注视提前了多少、错了多少。 眼动可用性测试是应用形态；实验室要控制照明和校准，否则热图是追踪误差的热图。生态效度取决于任务是否真的需要分辨细节——纯颜色块的大按钮上，注视测量几乎测不到“注意”，只能测到扫视路过。
边界
隐性注意测量在用户戴着未校准的消费头显、或正在听语音不看屏幕时，会系统性空窗或指错。低视力用户的落点与加工区分离更大。把测量用于广告归因时，商业上常把“看过”写成“感兴趣”，那已经越出测量、踏进意图，是下一张要划的界。渲染系统也可以读取同一条轨迹，但用途是画质，不应和“用户关注什么”的日志混写成一种数据。
怎么落地
- 用 AOI 级停留估计当前视觉注意分配，用来做可用性诊断或粗粒度的内容适配，不要当成点击。
- 报告时写清这是区域概率，不是“用户在想这个”。
- 验证：让用户事后指出刚才在看的区域，与测量出的最高 AOI 对照，报一致率，而不是只出一张好看的热图。