物理训练的可视化指令:探索视觉线索以支持从教学视频中学习动作
时序数据与网络图可视化健身追踪与运动监测运动员与健身爱好者健身教练物理治疗师(运动康复)
文献标题
Visualizing Instructions for Physical Training: Exploring Visual Cues to Support Movement Learning from Instructional Videos
文献信息
- 主题领域: 人机交互与身体活动学习
- 关键词: 视觉提示, 教学视频, 视频学习, 动作学习, 身体训练, 体育, 健身
研究背景与问题
-
问题与挑战:
- 教学视频缺乏即时反馈与个性化指导。
- 用户需要依赖自身模仿能力学习动作,过程具有挑战性。
- 现有研究主要关注增强反馈技术,而对通过视觉提示改进教学的研究较少。
-
重要性:
- 定期身体训练与改善健康密切相关。
- 数字技术的普及使教学视频成为身体训练的重要媒介,但其学习效果受到多种限制。
-
研究动机与相关工作:
- 探索视觉提示在教学视频中提升教学效果的可能性。 -视觉提示已被证明可以帮助用户理解信息、克服语言障碍以及提升记忆。
- 现有HCI研究对上述问题进行了初步探索,但对视觉提示设计是否能够促进动作学习仍然知之甚少。
解决方案
-
方法与解决方案:
- 采用“通过设计研究”方法开发增强型教学视频。
- 在教学视频中加入三类视觉提示:方向性提示(箭头和线条)、身体高光(肌肉激活区域)、视觉隐喻(3D物体和图形)。
-
创新之处:
- 从设计角度探索不同类型视觉提示对教学信息的传递效果。
- 提供初步研究成果以激发未来视频辅助动作学习领域的设计与研究。
-
实施步骤与关键技术:
- 创建原始教学视频:包括全身视角、多个摄像机角度及并行语言指导。
- 使用视频后期制作软件添加视觉提示,以增强原始视频。
- 通过用户对比实验分别评估三种视觉提示的影响。
研究成果
-
具体成果:
- 提炼出改善教学视频设计的一些标准,例如全身视图、清晰提示、颜色对比。
- 发现视觉提示能有效引导用户注意肌肉激活和空间位置。
-
优势:
- 视觉提示可以直接传达信息,不需要语言帮助,因此有助于克服语言障碍。
- 不同视觉提示针对不同运动品质,可灵活设计以适应不同教学需求。
-
实验与评估结果:
- 用户认为所有视觉提示都能增强操作理解力,但对不同提示的偏好存在分歧。
- 分类分析显示:方向性提示适用于解释复杂动作,身体高光适合强调特定肌肉区域,视觉隐喻易于记忆且能够提高用户对环境的动作感知。
-
局限性与未来方向:
- 当前研究范围较小,参与者均具有一定的运动背景,尚需覆盖新手用户群体。
- 各类提示均单独研究,未来可探讨提示间的组合效应。
- 自动化制作视觉提示仍待技术突破,需探索技术扩展的可能性。
- 拓展到其他运动学习领域以验证其通用性。
结论
该研究通过增强教学视频的视觉设计,为运动学习提供了一种新的方法论基础,验证了视觉提示在提升身体动作学习方面的潜力。作者希望该研究成果能激发更多的设计实验及人机交互领域的技术开发,推动教学视频在运动和身体训练中的应用优化。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
help
研究问题
3- 视觉提示如何帮助用户更高效地从教学视频中学习身体动作?分类: 语言学习与发音训练同类问题arrow_forward
- 不同类型的视觉提示(方向提示、身体高亮、视觉隐喻)在动作学习中各自发挥了什么作用?分类: 语言学习与发音训练同类问题arrow_forward
- 针对动作学习的视频中,如何设计有效的视觉提示来解决语言障碍问题?分类: 语言学习与发音训练同类问题arrow_forward
lightbulb
现实痛点
1- 用户在观看教学视频学习动作时难以正确模仿或理解重点。分类: 语言学习与发音训练同类问题arrow_forward
- 67%
探索柔性可穿戴设备支持体育训练的机遇
DIS '25· 触觉可穿戴设备 +1
- 67%
Quali-Mat:使用压力感应运动垫评估体重锻炼的执行质量
UbiComp '23· 健身追踪与运动监测 +1
- 60%
体内活动追踪
CHI '18· 健身追踪与运动监测
- 60%
理解人们的身体活动计划体验以及探索历史记录对计划创建和执行的影响
CHI '22· 健身追踪与运动监测
- 60%
为健身追踪器设计反思性派生指标
UbiComp '23· 健身追踪与运动监测
- 60%
ProxiFit:使用单 commodities 移动设备通过接近磁传感实现整体重量训练监测
UbiComp '23· 健身追踪与运动监测
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/abs/10.1145/3491102.3517735
一眼看懂
fact_check论文快照
dataset
来源
CHI
calendar_month
年份
2022
emoji_events
奖项
未标记奖项
group
作者
2 位作者
sell
研究子方向
时序数据与网络图可视化、健身追踪与运动监测
work
职业/产业
运动员与健身爱好者、健身教练、物理治疗师(运动康复)
article
内容状态
已索引正文
hub
相关论文
6 篇相关论文