与头像共舞:最小的头像自定义可以提高心理运动任务中的学习效果

沉浸感与临场感研究XR 中的身份认同与化身(Avatar)舞蹈与身体动作计算舞者与表演艺术家HCI 研究员认知科学家

文献标题

Dancing with the Avatars: Minimal Avatar Customisation Enhances Learning in a Psychomotor Task

文献信息

  • 主题领域: 虚拟现实与运动学习的交叉研究,重点探讨虚拟环境中定制化化身的影响
  • 关键词: Avatar Customisation, Skills Training, Psychomotor, Virtual Environments, Virtual Reality

研究背景与问题

  • 发现的问题与挑战:

    • 在虚拟环境中使用与学习者外貌相似的化身有可能提升学习效果,但这一点在心理运动任务(如舞蹈训练)中尚未得到充分研究。
    • 高度相似的化身生成成本较高,且存在隐私问题和可能导致用户体验的“恐怖谷效应”。
    • 尚不明确化身的最低相似程度如何影响学习效果,也缺乏屏幕和虚拟现实(VR)环境条件下的对比研究。
  • 研究重要性:

    • 通过化身观察学习这种方式,尤其是在虚拟现实中,具有很大的潜力可扩展到体育运动、临床康复及教育训练领域,对心理运动技能学习有显著影响。
    • 虚拟现实和虚拟环境在教育和培训中的普及性越来越高,优化化身的设计有助于提升整体学习体验。
  • 研究动机与相关工作:

    • 观察学习中的“镜像神经元”理论表明,学习者与化身的相似性可能增强镜像神经元的活跃,从而提升学习。
    • 以往研究主要集中在单一运动任务(如深蹲)的学习效果,或者高度定制化的化身对其他行为领域的影响,但较少探讨“最小自定义化”化身在复杂心理运动任务中的表现。

解决方案

  • 研究方法:

    • 提出了“最小化化身定制”的方法,即通过仅匹配学习者外貌的三个基本特征(性别、肤色和发色)创建化身。这些化身生成快速、成本较低,且避免了高度真实化身相关的一些问题。
    • 对比了视觉相似(matched-feature, MF)和不相似化身(dissimilar, D)在屏幕和虚拟现实两种学习环境下的效果。
  • 创新之处:

    • 提出并验证了“最小化化身定制”方法,减少了化身生成的复杂度,同时保护隐私且避开恐怖谷效应。
    • 系统性地研究了化身在屏幕与VR的效果差异,重点探索了学习者与化身外貌相似性对心理运动任务学习的影响。
  • 具体实施步骤与技术:

    • 实验设计为混合因素实验:屏幕或VR作为组间变量,化身类型(MF和D)为组内变量。
    • 任务内容为学习两种3步骤的嘻哈舞蹈序列,由参与者观察化身并模仿动作。
    • MF 化身由参与者选择性别、肤色和发色生成,而 D 化身则采用对比特征。
    • 结果通过新开发的“舞蹈动作影像清晰度问卷” (VDMIQ) 以及内在动机、化身喜好、虚拟存在感等多种量表评估。

研究成果

  • 具体成果:

    1. 与不相似化身相比,使用最小化定制化身显著提升了参与者对舞蹈动作的影像清晰度,包括内部视觉影像、外部视觉影像和动作感觉影像。
    2. 最小化化身定制在屏幕和VR两种环境下都表现有效,但在VR环境下效果更显著,尤其是在动作感觉影像方面。
    3. 个体差异(如年龄、性别、感知能力、虚拟存在感)显著影响学习效果,其中低技能学习者和感知化身与自身更相似的学习者收益更大。
  • 优势:

    • 提供了一种低成本、高效的化身设计方法,相较于高度真实的化身生成,它更易实现且更用户友好。
    • 此方法兼顾了隐私保护、用户体验与学习效果,适合规模化推广。
  • 实验与评估结果:

    • 对化身的相似性(性别、发色、肤色)与参与者学习表现的相关性进行了线性回归分析,发现更强的化身相似性感知与学习效果之间的正相关关系。
    • 对于VR条件下的学习表现,参与者的虚拟存在感显著影响了学习效果。
  • 局限性与未来方向:

    • 仅研究了少数基本外貌特征(性别、发色、肤色),未涵盖年龄、体型等因素,需要进一步研究更全面的化身特征。
    • 在跨文化语境中如何调适化身特征,以及化身设计与学习时间的长期效果仍需进一步研究。
    • 化身相似性与用户学习效果的关系是否线性、以及相似性提升到何种程度会引发负面效应(如恐怖谷效应)尚未明确。

总结

本文通过研究证明,最小化化身定制在心理运动任务(如舞蹈学习)中的应用潜力,特别是在虚拟现实环境下表现更显著。研究不仅对化身设计提出了实用建议,也拓展了虚拟环境下行为与认知互动的理解。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/96599/2023

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3544548.3580944
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2023
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
沉浸感与临场感研究、XR 中的身份认同与化身(Avatar)、舞蹈与身体动作计算
work
职业/产业
舞者与表演艺术家、HCI 研究员、认知科学家
article
内容状态
已索引正文
hub
相关论文
1 篇相关论文