展示如何玩:探索虚拟现实健身游戏中的自我模型入门

荣誉提名
VR 中的社交与协作健身追踪与运动监测全身交互与体感输入游戏开发者与设计师运动员与健身爱好者

文献标题

Show Me How to Play: Exploring Self-Modeling for Onboarding in Virtual Reality Exergames

出版信息

  • 主题领域: 虚拟现实运动游戏及入门教程
  • 关键词: VR运动游戏、入门教程、自我建模、试错法、教程、玩家体验、学习理论、身体化、身体活动、动机

背景与问题

  • 问题/挑战: 在虚拟现实运动游戏中引导玩家进行正确动作仍然具有挑战性,尤其是由于动作执行不当可能导致碰撞和受伤的风险。
  • 重要性: 合适的入门教程可以提升玩家表现,减少挫败感,并提高虚拟现实运动游戏中的安全性,这类游戏在促进身体活动方面越来越受欢迎。
  • 动机与相关研究: 先前研究探索了虚拟现实游戏中的教程设计,但尚未比较探索性(试错法)和演示性(观察学习)教程在虚拟现实运动游戏中的效果。这种理解上的空白激励了本研究的开展。

解决方案

  • 提出的方法: 开发并评估两种虚拟现实运动游戏的入门教程:(i) 试错法教程 (T&E) 和 (ii) 自我建模教程 (GHOST),后者通过暂时解除玩家的身体化,让玩家观察其虚拟化身执行正确动作。
  • 创新点:
    1. 引入一种新颖的自我建模教程 (GHOST),利用过渡性身体化和观察学习。
    2. 实证比较探索性 (T&E) 和演示性 (GHOST) 教程在虚拟现实运动游戏中的效果。
    3. 提供关于教程对玩家体验、表现和动机影响的洞察。
  • 过程与关键技术:
    • 设计一个以拳击为主题的虚拟现实运动游戏 (BoxPunchVR),包含基于目标的任务。
    • 实现 T&E(试错学习)和 GHOST(自我建模观察学习)教程。
    • 进行一个包含60名参与者的组间研究,分为三种条件:BASE(无教程)、T&E 和 GHOST。
    • 收集心理测量、生理数据和表现指标。

结果

  • 具体发现:
    • GHOST 显著提高了拳击准确度(中位准确度:0.92),相比 T&E(0.85)和 BASE(0.74)。
    • GHOST 增强了对控制的感知容易性、进度反馈和动机,与其他条件相比表现更优。
    • T&E 和 GHOST 均减少了挫败感,相比 BASE。
  • 相较基线的优势:
    • GHOST 在准确度、控制容易性和感知有用性方面优于 T&E 和 BASE。
    • T&E 提高了准确度并减少了挫败感,相比 BASE,但效果不如 GHOST。
  • 实验/评估:
    • 研究包含60名参与者(每种条件20人),测量拳击准确度、心率、玩家体验(PXI, IMI)、工作负荷(NASA-TLX)以及感知身体化(VEQ, IPQ)。
    • 定性反馈强调了教程对理解游戏机制的重要性。
  • 局限性与未来工作:
    • 仅限于短期游戏体验;未评估长期学习效果。
    • 结果受到 BoxPunchVR 特定设计的影响;其他虚拟现实运动游戏可能会有不同的发现。
    • 需要进一步探索过渡性身体化和玩家敏感型教程。

总结

本研究引入并评估了两种虚拟现实运动游戏的入门教程:试错法 (T&E) 和一种新颖的自我建模教程 (GHOST)。GHOST 教程利用观察学习和过渡性身体化,显著提升了玩家表现、控制容易性和动机,相比 T&E 和 BASE。研究结果强调了教程在增强玩家体验和减少挫败感方面的重要性,并提出了未来研究的启示,包括探索过渡性身体化、玩家敏感型教程以及其他学习理论。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/222602/2026

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3772318.3790333
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2026
emoji_events
奖项
荣誉提名
group
作者
4 位作者
sell
研究子方向
VR 中的社交与协作、健身追踪与运动监测、全身交互与体感输入
work
职业/产业
游戏开发者与设计师、运动员与健身爱好者
article
内容状态
已索引正文
hub
相关论文
0 篇相关论文