高互動的閱讀模式能夠引發學習者更高的學習動機與意願，同時也帶給學習者更直覺的閱讀學習體驗。過去使用眼動進行讀者與文本互動的閱讀模式研究仍缺乏有效的實驗驗證其對於提升閱讀理解成效的助益，因此本研究使用眼動追蹤儀器，結合網頁技術與閱讀標註概念，發展一套基於眼動技術發展之視覺互動文本閱讀模式，同時探討此一閱讀模式在支援英語文本閱讀之學習成效、學習時間、認知負荷、科技接受度與閱讀歷程序列等面向上，是否優於滑鼠操作之閱讀標註互動文本閱讀模式。 　　研究結果顯示：(1)採用眼動操作的實驗組學習者閱讀問答式說明文文體結構具閱讀標註補充之互動式閱讀文本進行閱讀的學習成效顯著優於採用滑鼠操作的控制組學習者；(2)眼動操作的實驗組學習者在閱讀問答式說明文文體結構具閱讀標註補充之互動式閱讀文本進行閱讀的學習時間、標註觸發次數、標註觸發時間、閱讀序列長度與單位學習時間標註觸發次數均顯著優於滑鼠操作的控制組學習者；(3)採用眼動技術操作的場地獨立型學習者對於閱讀問答式說明文文體具有顯著學習成效；(4)採用基於眼動技術發展之閱讀標註互動文本閱讀模式具有引導閱讀者規律進行前後文參照回視之特性；(5)文體結構差異對於採用眼動技術操作與滑鼠操作具閱讀標註補充之互動式閱讀文本之學習成效產生影響。 　　最後，根據研究結果，本研究提出眼動技術實際應用於閱讀標註互動文本閱讀的教學建議，並針對未來研究方向提出建議。

閱讀是吸收知識的途徑，不同的閱讀模式所帶來的閱讀成效也會不同。如何透過機器學習的方式，從凝視點找出閱讀行為的關聯性，將是本研究的目標。實驗選擇低成本眼動儀紀錄讀者閱讀過程中的眼動資料，採用dispersion-based演算法找出凝視點，以計算凝視點特徵，包含凝視時間、凝視距離、凝視位置以及凝視方向。 本研究將閱讀模式分成五種類別，包含快讀、慢讀、精讀、跳讀與關鍵字識別，透過不同文章的呈現，引導30位測試者遵循其內容進行閱讀，藉此收集不同行為模式的眼動資料。實驗流程中所有的眼動資料會隨機被分成為兩份，依序建立不同維度的訓練資料，由交叉驗證的分類結果找出理想之特徵與維度。以每次挑選6位測試者的眼動數據為測試資料進行5次分類驗證，其平均正確率為78.24%、74.19%、93.75%、87.96%以及96.20%，均達到不錯的分類結果。 / Reading is one of the paths to acquire knowledge. The efficiency is different when different reading patterns are involved. It is the objective of this research to classify reading patterns from fixation data using machine learning techniques. In our experiment, a low-cost eye tracker is employed to record the eye movements during the reading process. A dispersion-based algorithm is implemented to identify fixation from the recorded data. Features pertaining to fixation including duration, path length, landing position and fixation direction are extracted for classification purposes. Five categories of reading pattern are defined and investigated in this study, namely, speed reading, slow reading, in-depth reading, skim-and-skip, and keyword spotting. We have recruited thirty subjects to participate in our experiment. The participants are instructed to read different articles using specific styles designated by the experimenter in order to assign label to the collected data. Feature selection is achieved by analyzing the predictive results of cross-validation from the training data obtained from all subjects. The average classification accuracies in five-fold cross-validation are 78.24%, 74.19%, 93.75%, 87.96% and 96.20% using the eye movements of the six randomly selected subjects as test data.