本文聚焦眼动技术在飞行员初级培养中的多维度应用研究，通过高精度眼动仪实时采集飞行学员在模拟飞行任务中的视觉行为数据，系统探讨了该技术在五个关键领域的实践价值：在着陆偏差预测方面，通过分析注视模式与飞行操作的关联识别认知瓶颈；在飞行绩效评估中，结合统计分析（如t检验、方差分析）与机器学习（如随机森林）构建预测模型，揭示出以姿态仪为核心的注意力层级结构；通过训练前后眼动热点图与轨迹图对比，验证了模拟飞行课程对提升学员操作效率与视觉扫描规范性的显著效果；研究还证实科学的注意力分配模式能有效提高着陆轨迹控制精度，而专家-新手对比实验表明专项注意力训练可使学员视觉策略趋近专家水平，提升操作准确性。这些研究成果充分彰显了眼动技术能够客观量化飞行学员的认知负荷与注意力特征，为民航飞行训练的方法优化、人机界面改进及智能化评估体系建设提供了重要实证基础与技术支持。