基于沉浸式虚拟现实系统的学习评估指标体系设计

何举厚，梁日娜，肖欣，梁玉帅，韩光信

（陕西师范大学教育部现代教学技术重点实验室，陕西西安710062）

[摘要]沉浸式虚拟现实系统具有沉浸性，虚拟性和想象力，可为学生提供丰富的学习场景，可以有效地促进学习. 目前，支持学习方向的虚拟现实技术研究主要集中在基于案例的教学设计上，缺乏系统，的学习评价指标体系. 本文以学习目标的分析为指导，运用文献分析，问卷调查和层次分析法构建评价指标体系，该指标体系采用学习动机，注意力，学习适应性和其他三个层次的指标，并确定每个指标的权重元素根据所提出的评估指标体系，它被应用于虚拟现实技术支持的人体骨骼学习系统. 研究表明系统设计的评价指标，评价指标体系可以有效地评价学生在人体骨骼学习系统中的学习效果.

[关键词]沉浸式虚拟现实系统；学习评估；指标体系深度学习

首先，提出的问题

虚拟现实技术具有模拟虚拟世界的结构和强大的多感官交互的特征. 它可以创建现实世界的替代空间[1]，可以为学生创建沉浸式学习环境，并成为教育力量的主要引擎之一. 虚拟现实技术创造的身临其境的学习方法具有3E特征: （1）参与，鼓励学生表现良好，提高学生的自我效能感； （2）再现性（唤起性），在真实环境中唤起学生（3）证据中的真实表现，提供丰富的证据线索并指导学生进行自我探索[2]. 沉浸式虚拟现实学习系统在教学中的应用主要表现出三个优点: （1）加深思维水平，指导学生进行深度学习[3-4]； （2）丰富的场景构建，为教学提供虚拟现实和超现实学习场景[4-5]； （3）感官刺激的多样化为学生提供了多种感官体验[6].

目前，虚拟现实技术正在逐渐影响教育领域. 市场上有许多公司使用虚拟现实学习系统的内容开发和环境作为产品. 但是，仍然缺乏对这些产品支持的学习效果的全面评估. 因此，索引系统仍处于浅层应用阶段[7-8]. 在基于沉浸式虚拟现实系统的学习目标分析的基础上，作者构建了有效的学习评价指标体系，以期为回答“如何评价学生在虚拟现实中的学习效果”提供思路. 系统”.

第二，基于沉浸式虚拟现实系统的学习评估指标元素的确定

（1）如何确定学习评估指标的要素

1. 学习目标分析方法

学习评估基于学习目标，需要使用观察，调查，实证研究和其他研究方法来判断学生过程学习的价值[9]. 虚拟现实系统的学习目标是深度学习，这意味着学生可以结合自己的学习需求以基于知识理解来实现批判性学习，并可以使用多种学习策略来实现对学习信息的深度处理以实现新的学习和旧知识. 它们之间的联系并获得有效的知识转移.

2. 问卷调查方法

本文以研究虚拟现实技术在教育领域中的应用的和专家为研究对象. 发放问卷30份，回收问卷28份，回收率为93.3％. 选择一些意见不同的人进行采访. 结合调查结果和访谈结论，对通过学习目标分析法构建的学习评价指标要素进行了优化.

（2）学习评估指标要素分析

在分析学习目标的基础上，结合沉浸式虚拟现实学习的特点，可以根据三维教学目标确定第一级评估指标，即情感水平，过程水平和知识水平.

1. 情绪水平（x1）

情绪，态度和价值观是影响学生学习效果的重要因素，也是他们实现高效学习的内在动力.

（1）学习态度（y1）. 良好的学习态度是成功的一半. 中小学生的学习和认知特征主要是好奇心和强烈的个性化，学生对新学习技术的接受程度较高. ①学习兴趣（z1）: 学生对虚拟现实的兴趣是学生能否获得良好学习投资的重要指标； ②学习动机（z2）: Roussos认为学习动机是虚拟现实环境过程评估的重要指标[10]. 在虚拟现实情境学习中的学生，他们身临其境的学习环境对学生的自主学习能力有较高的要求，而学生的学习机会极大地影响了学生的学习深度.

（2）学习将（y2）. 在最初的情感投入之后，学生在虚拟现实环境中的学习意愿将成为影响学习能否继续的重要因素. 范小玲在“中小学生学习行为评价研究—学习行为评价和研究量表”中将学生的情绪指标分为好奇，注意力和主动性[11]. ①毅力（z3）: 在学习过程中，遇到困难，只有坚持探索才能获得深度学习经验； ②自我控制（z4）: 虚拟现实技术作为支持学习，创建虚拟现实情况和游戏的一种手段学习环境对中小学生非常有吸引力，如何控制他们的心态并避免在这种情况下迷路学生要有一定的自制力； ③注意力（z5）: 注意力是评估学生的学习情况的一个重要指标.

（3）学习价值（y3）. 学习价值是学生对其正在进行的学习活动的看法，直接影响学生的学习风格和表现[12]. ①满意度（z6）: 经历后学生的满意度是判断学生是否愿意继续使用这种学习方法的重要指标； ②识别（z7）: 学生对虚拟现实系统的认可是评价学生学习情感的重要主导指标.

2. 流程级别（x2）

对学生学习过程的评估需要基于学生在学习过程中的明确行为和学习表现.

（1）研究准备（y4）. ①学习计划（z8）: 学生根据学习目标制定合理的学习计划，这是学生合理安排学习行为的重要前提； ②自我效能感（z9）: 学生可以利用自己的技能完成学习任务. 自信心水平是学生建立学习信心的良好起点. 一些学者发现，网络自我效能感与中，低层的深度学习有着显着的线性相关. 在网络自我效能的中高端水平，深度学习的增加呈下降趋势，而两者呈线性相关[13].

（2）经验和互动（y5）. 陶侃将虚拟环境中基于问题状况的认知活动和交互作用分为五个层次: 信息交换层次，问题把握层次，问题解决层次，学习与创新层次，意义建构与再创新层次[14]. ①学习适应（z10）: 学生首先需要尝试获得情境探索能力. 在此阶段，中学生获得视觉，听觉，触觉和其他感官体验，并与场景进行自适应交互；对等沟通是重要的学习过程. Hwang强调了同伴学习行为对虚拟现实环境中学习效果的影响[15]； ③清晰度问题（z12）: 在虚拟现实的背景下，学生对学习问题的把握和清晰是解决问题的前提； ④问题解决能力（z13）: 问题解决能力是衡量学生学习效果的核心指标，Scherer R详细探讨了学生在虚拟现实化学环境中的问题解决能力，并指出了解决方案的积极作用. 元认知策略[16].

（3）反射（y6）. 反思性学习可以促进深度学习的实现. ①学习调整（z14）: 反思的本质是学生自我提高和自我调节的形成过程； ②知识的深层处理（z15）: 反思也是学生深入研究问题并实现知识的深层处理的过程.

3. 知识水平（x3）

根据虚拟现实系统支持的学习行为，学生在知识水平上的行为可以概括为知识获取，知识保留和学习转移.

（1）知识获取（y7）. ①知识获取（z16）: 在虚拟现实系统支持的学习过程中，学生获得的知识是学生知识建构过程中的主要产品； ②技能获取（z17）: 目前，虚拟现实系统在学习中应用的优势主要体现在技能转移的效率上. 学生更有可能通过身临其境的“自我体验”来学习技能. Loukas对虚拟现实系统在物理科学和技术获取中的作用进行了实证研究，发现它具有显著作用[17].

（2）知识保留（y8）. Kartiko我相信，对虚拟现实系统中学生学习效果的评估可以从知识保留和学习转移开始[18]. ①学习成绩（z18）: 由于知识系统的构建是一个隐藏的功能，因此教育界通常采用试卷测量方法来量化学生的知识系统； ②知识遗忘率（z19）: 学生接受新知识后，知识记忆将逐渐下降. 知识遗忘率与知识获取方式有一定联系. 根据经验塔理论，通过做事获得的知识显然比通过观看获得的知识要好.

（3）学习转移（y9）. 学生是否发生学习转移是评估学生知识水平的重要因素，学习转移程度是评估学生知识内化程度的重要指标. ①同化转移（z20）: 在不改变原始认知经验结构的基础上，将原始认知经验直接应用于相似事物； ②适应性迁移（z21）: 当无法解释原始的认知经验时，当发生新事物时，学习者积极调整旧经验，形成可以容忍新旧经验的高级经验结构； ③重组转移（z22）: 重组原始认知体验系统的要素或组成部分，建立新的联系，建立新的关系以解决新情况下的问题.

3. 基于沉浸式虚拟现实系统的评估指标权重的计算

选择以虚拟现实教育研究为方向的专家作为调查对象，发放指标权重调查表，并使用专家咨询法和层次分析法（AHP）整理各种指标和权重. 层次分析法是根据重要性将指标划分为不同的层次，对指标的各个层次的重要性进行比较判断，并根据重要性确定代表相对权重的判断矩阵.

在本研究中，使用Saaty的相对重要性量表（aij: 元素ai和元素aj的重要性的比较）来描述各个级别指标之间的相互关系: （1）量表值aij = 1: ai aj非常重要； （2）标度值aij = 3: ai比aj稍微重要； （3）标度值aij = 5: ai比aj更重要； （4）比例尺值aij = 7: ai比aj重要得多； （5）标度值aij = 9: ai比aj极其重要； （6）标度值aij是2到8之间的偶数: 相邻度的中间值.

（1）建立层次结构模型

基于沉浸式虚拟现实系统，建立了学习评估指标体系的层次结构模型. 决策目标层是学习评估，中间层是第一级索引和第二级索引，包括“情感水平”，“知识水平”和“过程水平”的三个第一级指标，七个“体验与互动”和“反思”二级指标. 计划层是“学习兴趣”和“学习成就”等三个指标，如图1所示.

图1层次模型图

（2）建立判断矩阵

在本研究中，选择了虚拟现实教育应用相关方向的专家进行了问卷调查，并对分析层次结构过程中每个要素的重要性进行了评分. 根据Saaty1-9的定标原理，得到判断矩阵（Aij）n×n，如表1所示. 在Aij值确定过程中，采用了多种轮询方法，咨询了7位专家在虚拟现实教育中的应用. 确定两个因素之间的重要性量表值.

表1专家判断矩阵

（3）可靠性分析

1. 判断矩阵的一致性比

将判断矩阵A的一致性比定义为CR（A）=λmax（A）-n（n-1）RI，并且RI是随机一致性指标[19]. 如果CR（A）≤0.1，则表示A属于一致性矩阵. 否则，A不具有一致性. 其中，λmax（A）是A的主要特征值. 检查判断矩阵的一致性，并全部通过一致性检验.

2. 同质可靠性

同质可靠性是指测试中所有项目的一致性，通常用克伦巴赫α系数表示:

其中K是测试中的问题数，S2i是某个问题分数的变体数，S2x是测试总分数的变体数. 使用SPSS19.0作为统计分析工具，计算得出α= 0.698. 说明专家问卷量表测试具有可接受的可靠性.

（4）确定专家评估水平的相对权重

假设评估权重的专家为m个，则每个专家在指标权重上的标度值a之间会有差异. 为了比较这两个指标，客观上应该有一个最佳比例值aij *. 几何平均法用于计算第k个专家的最佳比例值aij *，其公式如下:

通过判断尺度值与最优值之间的最小方差，确定专家评估水平的相对权重，第k个专家引起的尺度误差的比例为Ck，即:

因此，专家的相对权重可以通过以下公式计算:

计算表明，这7位专家的比例误差比率和相对权重分别为（0.219，0.198），（0.658，0.067），（0.347，0.125），（0.293，0.148），（0.216，0.202），（ 0.441，0.098），（0.269，0.162）.

（5）确定评估指标体系

将不同专家的权重相结合，并使用几何平均加权法来计算每个指标的最终权重值，如表2所示.

表2学习评估指标体系

（6）学习评估效果的加权计算

对于z1〜z22指标，将权重值设置为wi并将评估得分设置为gi. 那么学生的学习最终得分是:

四，基于沉浸式虚拟现实系统的评估指标系统的应用案例

基于沉浸式虚拟现实系统的学习评估需要应用于评估工具，以记录学生的学习行为并处理收集的数据. 该研究团队使用VR技术构建了人类骨骼体验学习场景，该场景可以体验和操作一些在现实环境中无法实现的抽象概念和学习场景，从而实现自适应学习. 天蓝色平台用于基于大数据动态跟踪和分析学生的学习过程和行为，实现对学生学习的自动评估反馈和指导.

（1）人体骨骼虚拟现实系统

人类骨骼虚拟现实系统是该研究团队使用虚拟现实技术和Azure平台构建的自适应学习系统. 该系统主要分为三个部分: 骨骼学习，骨骼观察和骨骼拼接，如图2所示. 在骨骼学习阶段，学生可以放大和旋转骨骼的各个部分以学习相关知识. 在骨骼观察阶段，学生可以移动位置以实现对人体骨骼组成结构的全面观察，获得更直观的视觉体验，并实现对人体骨骼细节的深度学习. 在骨骼缝合过程中，学生可以使用手柄拾起骨骼并将骨骼移动到相应的虚拟图像位置. 在此过程中，将直接调用相关的知识，以向学生提供相应的知识和反馈信息. 另外，骨骼构建完成后，您可以进入知识问答环节以评估学生的知识积累. 在整个过程中，将实时记录学生在虚拟现实系统中的学习行为，并结合大数据分析，以提供实时的信息反馈和汇总评估.

图2人体骨骼学习系统

（2）制作评估工具

1. 三维评价量表

根据拟议的虚拟现实系统学习评估指标，设计了学习评估量表. 学习评估分为自我评估，教师评估和系统评估三个部分. 每种评估方法均使用1到5的5个等级评分，代表完全不合格，基本不合格，基本合格，合格和完全合格（或非常不满意，基本不满意，基本满意，满意和非常满意） . 复选标记表示可以选择评估方法，如表3所示.

表3学习评估量表

续表3

2. 学习评估量表

学习评估需要记录和分析学生的特定学习数据. 作者完善了该系统的学习评估内容，并解释了行为数据和需要记录的数据结果的分析，请参见表4.

表4学习分析和实时反馈

（3）学习效果得分的计算

结合指标体系，学生的学习效果得分为:

对于每个学生，分数包括三个部分: 自我评估，教师评估和评估. 总分数为G =（自我评估G1 +教师评估G2 +评估G3）/3. 将学生的最终分数分为不同的等级，分为1〜2分: 不及格； 2〜3分: 及格； 3〜4分: 好. 4〜5分: 优秀. 例如，学生的最终分数为3.43，表明该学生在人体骨骼学习中的学习效果很好. 教师应结合评估系统提供的反馈信息，为学生提供促进学习的建议.

五，总结和建议

研究人员的技术团队使用此指标系统评估学生在人体骨骼虚拟现实系统中的学习行为，可以清楚地反映学生的学习兴趣，知识弱点和学习偏好，并有助于指导学生独立学习. . 该指标体系在其他项目中也具有一定的指导意义，可以应用于基础领域的虚拟现实学习系统的评估. 在实际应用过程中，应根据具体情况有选择地调整各项指标的评价标准和权重，以实现有效的学习分析.

本文发表于2018年《电子教育研究》第三期. 如需转载，请联系《教育教育研究》杂志编辑部（官方电子邮件: dhjyyj@163.com）

[参考文献]

[1]赵以明，郝建江，王海燕，乔兴峰. 视觉分析技术在虚拟现实技术教育中的应用研究[J]. 视听教育研究，2016，37（12）: 26-33.

[2] CHRIS D.实现更深入的学习: 技术的作用[R]. 北京师范大学智能学习研究所，2016年.

[3]傅树华. “虚拟现实技术”进入课堂: 一种学习“进化”的新方法[J]. 中小学管理，2016（7）: 16-17.

[4]强宏. 桌面3D虚拟学习环境的设计与实华: 浙江师范大学，2010年.

[5]曹建磊. 小学英语课程中的第二人生（第二人生）[D]. 新乡: 河南师范大学，2014.

[6] SALLNAS E L.触觉反馈增加了感知的社会存在感[J]. EuroHaptics在2010年国际触觉产生和感知实感会议上的10篇论文集: 第二部分，2010（6）: 178-185.

[7]丁楠，王亚民. 虚拟现实在教育中的应用: 优势与挑战[J]. 现代教育技术，2017（2）: 19-25.

[8]徐硕，范亚琴，周冬岱. 虚拟现实知识图谱在教育中的应用-基于CNKI的常用词可视化分析[J]. 教育现代化，2017（7）: 22-27. <

[9]张浩，吴秀娟. 深度学习的内涵和认知理论基础分析[J]. 中国视听教育，2012（10）: 7-11 + 21.

[10] ROUSSOS M.在虚拟现实学习环境的设计和评估中的问题[D]. 芝加哥: 伊利诺伊大学芝加哥分校，1997: 5.

[11]范小玲. 中小学生学习行为评估研究-学习行为评估与研究规模[M]. 广东: 世界图书出版社，2016年: 12-13.

[12]罗淑薇. 中学生学习价值观的结构和特征研究[D]. 重庆: 西南大学，2007.

[13]张琪. 电子学习环境下大学生自我效能感与深度学习的相关性研究[J]. 视听教育研究，2015，36（4）: 55-61.

[14]陶侃. 虚拟环境中基于问题情境的认知活动与学习互动[J]. 计算机应用，2006,26（6）: 1175-1178开放教育研究，2012（4）: 36-43.

[15]汪文英，胡苏珊. 虚拟现实中使用多重表示的同伴学习行为分析及其对解决几何问题的影响[M]. 荷兰: 爱思唯尔科学. 2013.

[16] SCHERER R，TIEMANN R，DIGER. 虚拟化学环境中解决问题能力的因素: 关于策略的元认知知识的作用[M]. 荷兰: 爱思唯尔科学. 2012.

[17] LOUKAS C系统设计的评价指标，NIKITEAS N，SCHIZAS D等人. 为了获得基本技能，虚拟现实与物理现实模拟培训之间的正面对比. [J]. 外科内窥镜，2012，26（9）: 7-8.

[18] KARTIKO I，KAVAKLI M，CHENGK. 虚拟现实应用中的学习科学: 虚拟演员视觉复杂性的影响[J]. 计算机与教育，2010，55（2）: 881-891.

[19]朱建军，王梦光，刘世新. 层次分析评价矩阵一致性改进若干问题研究[J]. 系统工程理论与实践，2007（1）: 18-22.

基于沉浸式虚拟现实系统的学习评估指标体系设计

何举厚，梁瑞娜，肖欣，梁玉帅，韩光新

（陕西师范大学教育部现代教学技术重点实验室，陕西西安710062）

[摘要]沉浸式虚拟现实系统通过其沉浸式，虚拟性和想象力为学生提供了丰富的学习场景，可以有效地促进学生的学习. 目前，虚拟现实系统支持的学习研究主要集中在基于案例的教学设计上，缺乏系统，的评价指标体系. 在学习目标分析的指导下，采用文献分析，问卷调查和层次分析法，构建基于学习动机，注意力和学习适应性的三级评价指标体系，确定各指标元素的权重. 然后将评价指标体系应用于虚拟现实技术支持的人体骨骼学习系统. 结果表明，该评价指标体系可以有效地评价人类骨架学习系统中的学生学习情况.

[关键词]沉浸式虚拟现实系统；学习评估；指标体系；深度学习

【

[作者简介]何举厚（1972-），男，甘肃秦安. 副教授，主要从事信息化教学模式创新，技术学习，大数据环境下智能信息处理等研究. 电子邮件: juhouh@snnu.edu.cn.

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/tongxinshuyu/article-210079-1.html