AttentiveLearn：面向注视感知的沉浸式学习的个性化课后支持

文献标题

AttentiveLearn: Personalized Post-Lecture Support for Gaze-Aware Immersive Learning

出版信息

• 主题领域: 沉浸式学习系统与课后个性化支持。
• 关键词: 沉浸式学习、VR课堂、注意力感知系统、个性化测验、眼动追踪、移动学习助手、学习者参与度、动机、学习成果。

背景与问题

• 问题/挑战: 虽然虚拟现实中的沉浸式课堂在增强学习体验方面表现出了潜力，但大多数研究集中于课堂内的支持。课后支持对于维持动机、参与度和学习成果至关重要，但在沉浸式环境中仍未得到充分探索。
• 重要性: 解决课后支持的不足可以改善以学习者为中心的设计，从而在课堂之外更好地管理注意力、提高动机和参与度。
• 动机与相关研究: 先前的研究已证明注意力感知系统和个性化测验在非沉浸式环境中的有效性。然而，沉浸式学习缺乏将现场注意力监测转化为课后个性化支持的框架。本研究基于眼动注意力指标和自适应测验的研究，旨在弥补这一空白。

解决方案

• 提出的方法: AttentiveLearn，一个注意力感知学习生态系统，利用VR课堂中的眼动数据生成个性化课后测验，并通过移动学习助手进行分发。
• 创新点:
  1. 构建一个框架，将沉浸式课堂内的学习与课后个性化支持通过注意力感知测验连接起来。
  2. 将注意力感知个性化流程集成到移动助手中，展示其在真实教育环境中的可行性。
  3. 通过四周的实地研究提供关于动机、参与度和学习成果影响的实证见解。
• 流程与关键技术:
  • 在VR课堂中收集的眼动数据被处理为注意力指标（兴趣区域覆盖率、注意力切换、注意力分布指数）。
  • 指标用于生成针对低注意力部分的个性化测验。
  • 测验通过移动助手分发，并提供额外功能如问答（OpenChat）和后续练习测验（ChatQuiz）。

结果

• 具体发现:
  • 注意力感知测验在反映注意力缺口方面被显著评价为更准确（注意力组：M = 4.21，非注意力组：M = 2.94，p = 0.003）。
  • 注意力组的参与度显著提高（ω2 = 0.09），尤其是在内在目标导向（ω2 = 0.177）、任务价值（ω2 = 0.137）和自我效能感（ω2 = 0.070）方面。
  • 注意力组的中期Mini-Exam分数在第三周保持稳定，而非注意力组则下降（p = 0.004）。
• 相较基线的优势:
  • 注意力感知测验比非个性化测验更有效地揭示注意力缺口，提升了参与度和动机。
  • AttentiveLearn在难度增加和外部压力下缓解了中期评估中的表现下降。
• 实验/评估:
  • 四周的实地研究，参与者为36名大学生，学习贝叶斯数据分析的VR课程。
  • 混合方法评估结合了眼动数据、测验分数、问卷调查（UES-SF, MSLQ）和访谈。
  • 采用组间设计，比较注意力组与非注意力组。
• 局限性与未来工作:
  • 样本量较小（n = 36）且多样性有限，限制了研究的普适性。
  • 研究仅聚焦于一个课程主题，需要在更多领域中验证其适用性。
  • 注意力指标依赖于眼动追踪，可能无法完全捕捉认知参与。未来研究应整合多模态信号和用户报告的注意力。

总结

AttentiveLearn通过利用眼动数据生成针对注意力缺口的测验，将沉浸式VR课堂与个性化课后支持连接起来。一项为期四周的实地研究表明，使用注意力感知个性化支持的学生在参与度、动机和中期学习成果方面表现更好。虽然该系统对最终考试成绩的影响不显著，但在压力下维持学习进展方面表现出了潜力。未来研究应探索多模态个性化、多样化学习领域以及扩展支持功能，以进一步增强沉浸式学习生态系统。