没有合适的资源?快使用搜索试试~ 我知道了~
计算机&教育:X现实2(2023)100011增强现实如何影响学生的学习和探究风格:1-1物理远程AR辅导Iulian Radua,*,Xiaomeng Huanga,Greg Kestinb,Bertrand Schneidera,**哈佛大学教育研究生院,6 Appian Way,Cambridge,MA,02138,USAb哈佛大学物理系,17 Oxford St,Cambridge,MA,02138,USAA R T I C L E I N F O关键词:增强现实1-1辅导探究表征协作学习A B S T R A C T虽然增强现实(AR)技术正在被教育工作者考虑其帮助学生可视化抽象概念的潜力,但目前存在开发复杂AR应用程序的高成本的障碍在这项研究中,我们调查了AR内容的复杂性如何影响学生在远程1-1辅导场景中的学习这种方法将增强现实的好处引入到现有的1-1远程教学的教育实践中,而不需要每个学生都使用AR设备我们提出了一个基于AR的物理教学系统,并进行了一项受试者之间的研究,测量学生的学习和探究行为在两个实验条件下的差异,这两个实验条件在AR内容的复杂性上各不相同通过定量和定性分析,我们的研究结果表明,谁是辅导与更复杂的AR内容的学生学得更好,并表现出更广泛的各种各样的查询风格。此外,AR视觉表现似乎刺激学生思考广泛的科学思想,在科学概念之间建立更深层次的联系,并鼓励学生拥有更积极的学习方式,增加探究活动之间的过渡。我们讨论了这些发现的可能原因和更广泛的影响。1. 导言和相关工作增强现实(AR)技术由于其可视化复杂3D现象并增加学生参与度的潜力而越来越为教育工作者所知(Arici等人,2019年)。因此,人们越来越热衷于将AR整合到教育环境中(Akçayır&Akçayır,2017年; daSilva等人, 2019年)。 在本研究中,我们探索了增强现实对1-1远程辅导的未充分探索的目的的影响,同时研究了低复杂性AR与高复杂性AR设计之间的教育影响差异。 我们专注于一对一辅导,因为这是一种常见的教育活动,发生在各种情况下,例如当学生参加办公时间向教师提出个性化问题时,或者当学生在正式上课时间之外参加私人辅导时,它可以亲自或通过在线视频会议服务远程进行。尽管增强现实已经被证明在学生独立地与AR内容交互的情况下对物理教育有 益 (Bellucci等人, 201 8;Ib'an~ezetal., 2014;Radu&Schneider,2019 a),缺乏研究探索AR技术对学生学习和探究风格的影响,特别是在1-1远程辅导环境中。此外,缺乏研究调查学生学习如何受到AR体验的设计复杂性的影响。预期可以通过增加AR应用的复杂性来达到更强的教育影响,例如当应用可以跟踪真实对象并将可视化锚定到移动对象时(Bujak等人, 2013年; Müller &Dauenhauer,2016年);当可视化是动态和3D而不是静态和2D时(Ainsworth,2008年; Bujak等人, 2013;Mayer,2002);或AR可视化数量较高时(Ainsworth,2006,2008)。然而,AR应用程序开发成本高昂,增加应用程序的复杂性并不是小事。一项研究估计,开发AR应用程序的成本在50,000 - 250,000美元之间(Berman &Pollack,2021),开发和支持AR应用程序的高成本可能是创建和使用AR的障碍(Alam等人, 2021; Berman &Pollack,2021;daSilva等人,2019年)。因此,由于开发和使用AR应用程序的成本很高,因此研究应用程序设计* 通讯作者。** 通讯作者。电子邮件地址:iulian_radu@gse.harvard.edu,iulian@gatech.edu(I.Radu),Xiaomenghuang108@163.com(X.Huang),kestin@fas.harvard.edu(G.Kestin),bertrand_schneider@gse.harvard.edu(B. Schneider)。https://doi.org/10.1016/j.cexr.2023.100011接收日期:2022年11月4日;接收日期:2023年2月13日;接受日期:2023年2949-6780/© 2023作者。爱思唯尔有限公司出版这是CC BY许可下的开放获取文章(http://creativecommons.org/licenses/by/4.0/)。可在ScienceDirect上获得目录列表计算机教育:X现实&杂志主页:www.journals.elsevier.com/computers-and-education-x-realityI. Radu等人计算机教育:X现实2(2023)1000112决策影响学习成果。 在本研究中,我们探讨了这些维度的复杂性增加如何影响学生的学习和探究过程。我们研究了这样的背景,其中教师正在教授物理概念,同时佩戴AR耳机以查看覆盖在真实对象上的可视化,并且学生正在通过计算机屏幕远程查看教师的视角(如图所示)。 1图像,和一个视频). 在这种情况下使用AR耳机是有益的,因为教师和学生可以看到学习活动的相同视角,并且教师可以自由地使用他们的手来操纵物理对象。这种AR增强的1-1远程辅导场景是现有1-1远程辅导的扩展,我们设想它将受到教育工作者的欢迎,因为它可以解决多个限制,例如:教师能够通过精心策划的AR活动来说明学习内容;不需要学生的个人AR设备,因为他们可以通过计算机屏幕查看AR可视化;学生仍然可以通过请求和与教师的调查,而不需要如何主动控制AR技术的专门知识。此外,这种背景对研究很有价值,不仅因为它可以理解AR如何为现有的1-1辅导情况带来好处,而且还因为这种背景提供的方法学好处,特别是在提供一个进入学生思维过程的窗口方面例如,已知AR具有改善学习增益、减少认知负荷、改善执行时间、改善协作等的潜力(Buchner等人,2022; Phon等人, 2014; Radu等人, 2021年)。然而,目前还不清楚AR可视化如何产生这些结果的机制这是可能的,当一个学生看AR可视化,这促使他们认为他们没有考虑的概念,理解多个概念之间的关系,发现自己的误解,或更清楚地沟通,等等的机制如何AR可视化在学习过程中可以通过学生和教师之间的1-1辅导互动揭示与学生直接与AR体验交互而不说话的情况交互可以提供关于AR可视化如何指导学生的附加信息。例如,从学生的对话中可以发现学生在关注什么,他们理解的门槛是什么,以及他们在活动的不同阶段在思考什么(Chin &Brown,2002; Hadzi-georgiou,1999;Meyer &Land,2005)。通过1-1辅导交互揭示的这些学习过程度量可以提供对AR体验的不同方面如何影响学生学习行为的更丰富的理解,增加了关于AR在影响结果度量方面的一般益处的已知内容这种AR远程辅导情况符合Azuma(1997)提出的增强现实的既定标准,因为这种体验结合了真实和虚拟内容(例如,虚拟可视化覆盖在真实世界的物理对象上),它是交互式的(例如, 教师可以直接对体验采取行动,学生可以通过向教师提出请求间接采取行动),并且它以3D形式注册(例如, 可视化保持锚定到桌面)。 这种远程AR体验是一种类似于增强现实的其他用途的介导交互风格,例如当专家指导远程工作人员时(Bhanu等人,2022; Obermair等人, 2020)或当协作者指导远程战术团队成员时(Datcu等人, 2014年)。在我们的背景下,学生可以通过计算机屏幕直接看到教师行为在AR中的影响,他们通过提问和要求教师采取行动来进行互动,教师通过操纵AR体验来回应。因此,学生仍然有代理权,可以参与积极的学习策略(Faust&Paulson,1998),如测试他们的思维,或提出问题并接受他们的询问反馈通过一个新的AR系统和一个对照研究,我们探索了AR技术对学生学习收益的影响,以及对学生由于这种1对1辅导涉及(1)使用增强现实通过外部表征教授科学概念,同时(2)支持主动询问和(3)鼓励社交互动,因此我们首先在下面的章节中回顾有关这些子主题的文献,然后再提出我们的研究问题和研究设计。图1.一、 在两种研究条件下,从讲师的角度显示的可视化。全AR条件(顶部)与基本AR条件(底部);以及学生在计算机屏幕上的视图(h)。括号:AR可视化的含义I. Radu等人计算机教育:X现实2(2023)10001131.1. 相关工作在研究文献中,增强现实已被证明可以提高学生在物理教育中的学习效果,但研究学生和教师之间的互动的研究很少,研究通常不会比较各种AR设计。例如,AR可以提高对能量转移(Fidan&Tuncel,2019)、磁场 ( Abdusselam &Karal , 2020; Cai 等 人 , 201 7 ) , electromagnetismconcepts(Ib′an~ ez etal., 2014;Radu&Schneider,2019 a)和电路(Beheshti等人,2017; Bellucci等人, 2018年)。通常,这种AR教育研究研究了学生单独学习或与同龄人合作学习的环境然而,有一个缺乏研究AR使1-1知识交流的学生和教师之间,因此,需要目前的研究。此外,AR学习的比较研究通常将AR体验与非AR体验(例如基于纸张或基于计算机的学习)进行比较;但这种方法无法控制新颖性对学生动机的影响,以及AR和非AR条件之间表示信息的不同方式(Chang等人, 2022; Radu &Schneider,2019 a; Sahin &Yilmaz,2020)。例如,当实验条件使用不同的媒体时,例如将AR体验与教科书进行比较时,它们在可能影响教育结果的多个变量上不同:技术的新颖性(即使用尖端技术,例如增强现实设备)可以使学生更兴奋和更有动力坚持学习活动; AR可视化的交互性质(即学生能够进行查询和接收反馈)可以使学生比非交互式教科书更容易进行代理,实验和获得反馈;并且AR活动中概念的呈现顺序可能与教科书中的呈现方式不同。这些实验条件彼此差异很大的研究可以揭示AR技术在改善教育成果方面的潜力,但它们很难确定哪些变量会影响学生的学习。 在本研究中,我们最大限度地减少实验条件之间的差异,以更好地确定AR应用在学生学习中的作用:两种条件都使用AR技术来控制新奇的影响;两种条件都允许学生提出问题并获得反馈;两种条件都遵循类似的教学顺序,以确保学生在相同的进度中接触相同的概念。以前的研究提出了分类法来指导AR应用设计这些分类法确定了可以考虑的设计维度,这些维度有可能以增加AR应用程序复杂性为代价,使学习成果例如,Müller和Dauenhauer(2016)的税收制度包含参考系统(AR内容是否锚定到世界)和视觉连接(AR可视化是否在空间上锚定到对象,或通过其他机制(如虚拟线)松散连接到对象)等维度 虚拟内容在空间上锚定到对象的AR应用可以在教育上是有益的,因为它更容易被用户理解(Bujak等人, 2013),但需要更复杂的软件开发对象跟踪(Müller &Dauenhauer,2016)。在Gattullo,Evangelista,Uva,Fiorentino和Gabbard(2020)的分类中,作者讨论了可以在AR应用程序中呈现的不同类型的可视化,从简单的视觉效果(如2D文本和2D符号和图片)到更复杂的视觉效果(如3D模型)。与更复杂的3D可视化相比,更简单的2D视觉表示更容易创建,需要更少的计算机视觉精度,并且需要更少的硬件资源(Gattullo等人,2020年)。其他研究人员已经讨论了学习者如何受到体验中可视化数量增加的积极影响(例如,Ainsworth(2008)),并通过访问动态变化的相互关联的可视化(Ainsworth,2008;Moreno&Mayer,2007)。然而,如上所述,关于AR教育的实验研究通常不会研究学生如何受到这些特定设计的影响。选择.在本研究中,我们扩展了现有的工作,通过比较更高复杂度的AR应用程序(包含多个动态变化的3D可视化,这些可视化与真实对象一起锚定和移动)与较低复杂度的版本(仅使用一些不与真实对象一起移动的2D表示),并调查这些设计差异如何影响学生的学习和探究过程。我们特别感兴趣的是探索学生如何学习复杂的物理现象。 理解一个复杂的现象需要学生理解多个科学子概念以及它们之间的关系:Lemke(1990)强调科学概念的有用性源于理解彼此之间的联系,Scott等人。(2011)认为,为了学习科学概念知识,学生需要认识到科学概念本身如何在一个相互关联的系统中相互配合,以及它们如何相互作用。 社会建构主义和分布式认知理论认为,学生通过与其他人和人工制品的互动来建立这种复杂的理解(Vygotsky&Cole,1978; Hutchins,2000)。因此,当学生学习物理时,他们将从与导师的互动中获得知识,并通过与教师的互动以及学习活动中的信息表示来获得知识。 Strømme和Mork(2021)在研究学生如何在使用动画数字表示的同时构建知识时,认为概念链接的形成过程受到通过与其他人互动的协作意义形成以及通过与计算机屏幕上可见的动画互动的支持。信息在学习环境中的具体表现方式可以帮助这一过程:安斯沃思(2006,2008)认为,视觉表征有助于学习者关注学习内容的不同方面,并且多种表征的存在可以用来显示模拟身体的不同科学概念(例如,视觉表征)。质量、力、摩擦力和速度值),可以通过减少认知负荷帮助学生发展关系理解,可以帮助建立更深层次的理解,并可以支持将知识转移到新的情况。在增强现实系统中,多种交互式表示可以让学生重新校准他们对复杂概念的理解,并通过看到个体表示的动态链接来构建对现象的在我们的研究中,我们调查了AR视觉表现如何帮助学生理解不同的科学概念,以及它们通过与教师的沟通对学生探究的影响。学生探究在知识发展中起着至关重要的作用,增强现实协作学习环境中的一个有价值的研究课题。 从社会认知的角度来看,科学思维的概念变化来自学生的探究过程和他们提出问题的方法(Hawkins &Pea,1987)。 Chin和Brown(2002)发现,学生生成的问题可以产生富有成效的讨论,并导致有意义的知识建构。具体来说,提问可以让学生检查他们对学习内容的理解,填补知识空白,监测和自我评估他们的学习,并重新引导他们使用学习策略(King,1989; Wong,1985)。学生的提问也可以揭示他们的概念困难(Hadzigeorgiou,1999;Meyer&Land,2005),并可以驱使学生寻找模式,与他们先前的知识联系起来,并建立通往新理解的桥梁(Chin&Osborne,2008)。在研究学生产生的问题时,发现知识较少的学生会问更多的基本问题,而知识较多的学生会问更多的高级问题(Marbach-Ad &Sokolove,2000;Offerdahl &Montplaisir,2014)。 为了量化学生的探究类型,并了解这些类型如何与学生的思维策略相联系,Chin和Chia(2004)开发了一种定性编码方案,对不同类型的问题和探究进行分类。 他们发现,学生在不同类型的询问之间移动,包括基本信息收集,学习领域的实验/探索和假设生成/反应。此外,本发明还当学生坚持不懈,I. Radu等人计算机教育:X现实2(2023)1000114他们继续从多个角度提出问题,他们能够将他们的努力引向其他方向,并最终得出有意义的见解。 作者还发现,从事许多不同类型的探究风格的学生表现出更好的学习,并且,如果学生的问题揭示了进行下一步探究的适当答案,那么学生更有可能保持积极性并积极参与活动。在本研究中,我们扩展了Chin和Chia(2004)的定性模型,并将其应用于研究AR内容如何影响学生的探究风格。在增强现实教育领域,研究表明,AR可视化(也称为AR视觉表示)有助于引导学生探究,并可以鼓励积极合作,改善同伴之间的问题解决方法。例如,Una-halekhaka et al. (2019),在研究协作AR物理活动时,发现合作者在相互教学时使用AR可视化作为有效的基础表示,通过简化提问和提供解释的过程。AR中的共享表示也可以增强贡献的平衡并减少 领 导 地 位 , 例 如 , 当 学 生 同 伴 参 与 AR 增 强 的 电 磁 探索( Radu&Schneider,2019 b)或调试机器人(Radu等人,2021年)。Fidan和Tuncel(2019)发现,与没有AR的传统学习活动相比,增强现实可视化增强了学生群体的学习,以及他们对基于问题的学习活动的态度。Wang等人(2014)研究了学生在协作物理环境中的行为,发现AR表示更有利于学习和解决问题,因为他们通过实验进行了更积极的学习;相比之下,当没有AR学习时,学生参与的实验较少。这些结果表明,至少在学生与学生合作的背景下,AR可视化可以让学生进行更深入的思考和更积极的学习,因为它们鼓励实验,快速反馈和更容易的沟通。 预计通过远程辅导进行的AR教学可能会产生类似的好处,并且可以使用对学生询问的定性分析来衡量AR可视化的影响。1.2. 研究问题我们扩展了现有的文献,通过调查如何ARin-acquisitions学生的学习和查询过程的背景下, 1-1远程辅导与经验丰富的教师。我们比较了两种类型的AR设计的效果,这两种设计的复杂性不同,特别是与空间锚定有关(例如,AR可视化锚定在移动的对象上,否),可视化的数量(例如, 两个AR可视化与许多),以及可视化的复杂性(例如,静态2D图像与动态3D模型)。我们调查以下研究问题:RQ1:学生的学习如何受到AR可视化复杂性增加的影响?RQ 2. 学生的探究如何受到AR可视化复杂性增加的影响为了回答这些问题,我们设计了一个用于物理教育的交互式AR系统,开发了一个编码方案来测量学生的询问及其与AR可视化的关系,并通过定量和定性方法进行了一项测量学习和询问的受试者间研究。 在下一节中,我们将描述AR应用程序的设计以及我们的研究指标。接下来,我们介绍了我们从学生学习成果中得出的结果,并分析了AR可视化如何影响学生的学习。接下来,我们介绍了我们关于学生探究风格的结果,并分析了探究风格在不同AR条件下的变化,以及AR可视化如何影响探究风格。最后,我们对我们的发现进行了讨论和反思。2. 材料和方法2.1. 活动设计和实验条件通过与通常教授本科物理课程的物理领域专家合作,我们设计并实现了一个AR系统,教师可以使用该系统来教授法拉第定律和楞次定律的电磁学概念。 这些定律适用于在线圈附近移动磁体的情况,并描述了多个科学概念之间的关系,例如由于移动磁体而改变的磁感应强度如何在线圈中感应出电流和相反的磁力。 学生传统上通过教科书中的公式和数字,或通过观察物理对象的行为(例如,通过测量线圈附近的电压)。通过我们的AR系统,这些内容可以由佩戴Microsoft Hololens 2耳机的教师教授给学生,并显示覆盖在物理磁体和线圈上的动态3D AR可视化(图10)。①的人。法拉第定律和伦茨定律解释了多个科学概念之间的关系,教师可以在教学序列中选择各种AR视觉表示来解释这些概念及其关系。例如,法拉第定律指出,当磁铁移动到线圈附近时,磁场的变化会导致线圈中感应出电流。反过来,由于导线中的电流,这会产生相反的感应磁场,这与排斥移动磁体的相反力有关楞次定律解释了线圈中电流的方向是这样的,即感应磁场抵消了外部磁场的变化。 这些概念可以用AR来解释,而学生观察物理磁铁和线圈,首先显示磁铁有北极和南极(图10)。 1 a,磁体上的N/S可视化),磁场具有形状(图1 b,场线可视化)。当磁铁向线圈中心移动时(图1b/c,蓝色截面可视化),线圈中会感应出圆形电流(图1b/c,蓝色截面可视化)。 1c,黄色箭头可视化)。此外,由于磁铁的存在(也称为“磁轭”),线圈内部的磁场会增加,磁场具有一定的强度(图1)。1 c,简化的图形可视化)和方向与磁体相同(紫色箭头,图1中未显示)。磁感应强度的变化与线圈感应的磁场有关,该磁场与接近的磁体的磁场相反,并且通过产生相反的物理力而表现得像磁体一样(图1)。图1d,绿色箭头可视化)类似于具有相反磁极的磁体(图1d,线圈磁极可视化)。在与学生讨论时,教师可以启用、禁用和移动此类可视化来回答问题。此外,可视化随着磁体的运动而动态变化,并且彼此同步,以向学生展示多个物理概念是如何相互关联的(例如,图10中所示的磁场线)。1 b. 移动磁铁,并导致图中的图形和箭头。1c和1d将实时变化)。在典型的辅导课程中,物理定律的演示可以它分为三个部分,我们在这项研究活动中遵循在第一部分中,在介绍了物理对象后,教师首先要求学生预测如果磁铁向线圈移动会发生什么,然后继续教授和演示上述序列,同时指示学生随时打断问题,并在最后提示学生可能有的任何问题。在第二部分中,教师介绍了磁铁远离线圈的情况,这导致了与第一种情况相反的物理行为,旨在巩固学生对概念的知识这是使用与第一部分相同的AR可视化和相同的教学结构(向学生提出预测问题,然后是教学材料,然后是进一步问题的提示最后,在第三部分中,教师介绍了线圈在保持静止的情况下向磁体移动的情况,这与第一种情况相似,除了以下概念:I. Radu等人计算机教育:X现实2(2023)1000115¼ ¼¼¼¼ ¼¼¼ ¼¼诱导力变得更加突出。与前两部分类似,学生会被问到预测问题,给出指导材料,并提示任何问题。在3部分结束时,教师会询问学生是否有任何其他可能对他们的课程有用的问题。本研究采用两种条件,比较AR内容的复杂性在小学生学习和探究中的作用。 在经历了高度AR复杂性的实验条件(“全AR”)中,教师使用了上述可视化。 在控制条件下(“基本AR”),经历了低程度的AR复杂性,教师使用基本的可视化,例如不遵循磁体的磁场线的静态可视化(图10)。1 f),以及一个与电力方向相匹配的简化的上/下箭头(图1 g)。选择基本AR条件的可视化是因为它们呈现了在传统教学期间可以访问的信息,例如通过显示磁铁场的纸质图纸和用于查看电流方向的电压表。这两个条件之间的差异在于AR内容的复杂性,其中全AR条件具有较高的复杂性(包含多个动态变化的3D可视化,这些可视化被锚定并随真实对象移动),而基本AR条件具有较低的复杂性(仅使用少数不随真实对象移动的2D表示)。这两种条件都被设计为包含一定程度的AR可视化,并从相同的教师视角观看(与教科书或2D计算机模拟上的非AR控制条件相反),以控制由于暴露于新颖的AR技术而导致的学生兴奋度的差异,并保持看到教师的物理环境的相似性。此外,这两种条件都遵循上述3部分指导顺序,并且在以下方面相似:个性和教学风格的相似性2.3. 度量我们测量了参与者2.3.1. 学习收获通过包含物理问题的前测和后测来测量学习情况。该测试是与两名物理领域专家合作创建的,他们通常在相同的内容上教授和评估学生测试问题(如图所示)2)提出了与法拉第定律和楞次定律有关的情况,通常涉及磁体运动、电流和物理力之间的关系。测试还包括迁移问题,衡量学生将知识转移到活动所涵盖的情况之外的能力。 学习指标是使用相对学习增益计算的,相对学习增益是对前后测试分数之间相对改善的衡量,考虑到很难对所有测试点进行评分,并且当参与者在研究之前已经知道大部分内容时,他们的分数不会增加那么多。相对学习增益被计算为实际改进与可能改进的总量之间的比率:(后分数根据学习测试,收集了学生整体学习成绩、迁移能力以及对感应磁场、线圈电流和物理力的概念理解的相对当参数假设时,使用T检验分析条件之间的统计学差异教学材料的条款教给学生,与唯一符合或非参数WilcoX脚本中的差异是当讲师提到特定的AR可视化时。在这两种情况,学生都有平等的参与机会,在这两种情况下,学生在开始时都被告知,他们可以随时打断并提问,当教师完成3个教学部分时,他们明确询问学生是否有任何问题。2.2. 参与者和程序参与者是从美国一所大学的物理学入门课程中招募的,要求他们是成年人,目前正在学习涵盖法拉戴定律和伦茨定律主题的物理学入门课程,并且至少参加过一次介绍这些定律的课堂讲座。 参与研究不计入课程学分,是自愿的,并发生在课程期间之外。所有参与者都自愿同意参加这项研究,该研究得到了大学机构伦理审查委员会的批准共有44名学生参加了这项研究,并被随机分配到两个条件(N 22在每个条件)。对于全部样本,参与者的平均年龄为23.5岁(SD 4.4;最小19岁;最大35岁),性别:28名女性,13名男性,2名非二元,1名未透露。对于全AR组,平均年龄为23.4岁(SD 4.5;最小19岁;最大35岁),性别:15名女性,6名男性,1名非二元。对于基础AR组,平均年龄为23.6岁(SD 4.4;最小19岁;最大33岁),性别:女13例,男7例,非二元1例,未透露1例在实验过程中,参与者通过Zoom视频会议与研究讲师交谈,总持续时间约为75分钟。实验程序包括15分钟的预测试(通过在线Google表单管理),持续35分钟的3部分教学活动(如上所述),15分钟的后测试,然后是非正式的非结构化访谈(其中参与者被要求对他们的经验进行反馈)。 对于教学活动部分,讲师佩戴Microsoft Hololens AR耳机,并在共享的缩放屏幕上分享其视图(图2)。 1),这样学生就可以看到与教师相同的视图。一名研究员担任所有课程的讲师,以确保不符合参数假设2.3.2. 询问方式我们对参与者的视频进行了定性分析,以了解参与者在进行探究式学习时如何与教师进行沟通。通过迭代自底向上编码构造编码方案编码方案的设计受到Chin和Chia(2004)提出的问题驱动的基于问题的学习(Q-PBL)框架的四个类别的指导。 Q-PBL框架的开发是为了在多周的时间范围内通过不同的媒介(从学生日记到与同伴的面对面对话)测量学生的思维,它按功能对学生问题进行分组:区分旨在收集信息的问题,桥接和整合知识,扩展和探索超越当前设置,以及反思/假设。基于此图二. 从知识测试中选出的一些问题。I. Radu等人计算机教育:X现实2(2023)1000116模型,我们生成了一个编码方案,为我们更有限的情况下,辅导之间的学生和教师在短短的35分钟的会议,其中学生的问题是在口头发言的形式,以回应教师的行动或问题提示。我们得到的编码方案,如下所述,分组问题类型分为四个类别类似于Q-PBL框架;它还跟踪学生的话语是否是一个行动的请求或没有;它跟踪学生的话语是否涉及到一个可视化或没有。由两名独立研究人员对20%的数据进行编码,在研究条件设盲的情况下评估评估者间可靠性,并达到0.86的Cohen kappa,这意味着高于实质性一致性(Cohen,1960)。所有会议的视频记录转录和分析使用这个过程。在编码过程中,与每个话语相关的研究条件对执行编码的研究人员是隐藏的,尽管有时可能知道条件(例如,当学生提到仅在全AR条件下可用的AR视觉表示时)。每次参与者提出问题或请求时,都会分配以下代码 使用Mann-Whitney-Wilco X on检验分析条件之间的统计学差异。此外,我们使用马尔可夫链来区分研究条件之间的查询行为序列。问题类型:每当提出一个问题时,都会分配以下五个代码之一 基本信息问题试图填充有关基本概念的知识(例如,“什么是磁?“). 整合问题调查两个或多个概念之间的关系(例如,“那么,这是怎么回事?”“).EX plo- ration问题将知识扩展到当前问题之外或新的情况(例如,“如果磁铁被刮坏了会怎么样?“). 假设问题是关于形成或测试假设的(例如,“这是不是意味着当我们把磁铁放在一起时,力就被削弱了?“). 最后,我们使用其他类别来捕获与学习内容无关的所有其他问题,例如关于物流的问题(例如,“这会考吗?“),关于沟通(例如:“你能再说一遍吗?),或关于技术(例如,“你能解释一下那支箭是什么吗?或者“你是怎么申请的?““).行动要求:每当学生明确要求教师采取行动时,都会分配一个二进制代码例如,“你能把磁铁从桌子上拿起来吗?或者“你能再拉一次吗?我对紫色的有兴趣。或者“如果你把磁铁贴上,让我们看看!”“视觉参考:每当学生的调查涉及到学习经验的视觉元素时,都会分配一个二进制代码。例如,“绿色和紫色的箭头总是相等且方向相反吗?或者“我看到磁力线了,线圈的磁力线是什么样子的?““2.3.3. 参考AR视觉表示和科学概念为了进一步了解AR视觉表示如何用于学习过程中,我们只对涉及视觉参考的学生话语进行了二次定性分析。每当一个学生提到一个视觉元素时,在这个数据集中使用查询。可视元素可以是对物理磁体或线圈的引用(例如,“如果它从线圈的另一端出来,它仍然在制造一个南北磁铁,对吗?”),“不好意思,这是什么箭?它倒下了,然后又上去了,那是什么“). 对于该分析,我们仅分析了AR视觉表示的参考。表1(顶部)列出了通过此过程编码的应用程序中涉及的AR视觉表示。每个学生查询可能有零个或多个被引用的AR此外,我们还记录了学生是否提到了科学概念,如感应力、感应电流方向、磁感应强度等。 表1(底部)列出了通过这一过程编码的科学概念。这里编码的科学概念与最初在学习前后测试中测量的科学概念不同,因为它们能够在学生的话语中检测出来。最后,每个学生的问题都与上述五种可能的问题类型之一相关联。如果学生指的是AR视觉表示或科学概念,但没有明确提及(例如,“这--这--是什么意思?“)因此,一个学生调查可以包含零个或多个AR视觉表示,零个或多个科学概念和一个问题类型。在编码过程中,与每个话语相关联的研究条件对研究人员是隐藏的,尽管有可能知道学生何时提到仅在全AR条件下可用的AR视觉表示。由于AR表示和科学概念在被明确提及时可以明确识别,因此没有进行评分者间可靠性,一名研究人员独立对这些维度进行编码。由于此类参考文献数量较少,仅进行了定性分析。这些指标用于回答以下研究问题:第3.1节我们将回答研究问题1“学生的学习如何受到AR可视化复杂性增加的影响?”通过使用来自学生学习收益指标的数据,对AR可视化表示的引用以及对科学概念的引用 在第3.2节中,我们将回答研究问题2“学生的探究如何受到AR可视化复杂性增加的影响?”,其中包括来自学生调查风格的数据,对AR可视化表示的引用以及对科学概念的引用。3. 结果在下面的部分中,我们首先介绍学生学习收益的结果,然后是学生探究风格的结果在这两个部分中,我们分析了两种研究条件之间的差异,并为AR可视化如何影响观察到的结果提供了证据。3.1. RQ 1.学生的学习如何受到AR可视化复杂性增加的影响?3.1.1. 总体学习成果认为两种条件之间的起始知识是等同的,因为完全AR(M< $8.18,SD< $3.23)和基本AR(M< $9.02,SD<$3.26)条件之间的参与者预测试得分没有显著差异(t(42)<$4 -0.37,p<$3.71)。表2学习指标的组均值、标准差和统计结果当满足参数假设时进行T检验,否则进行Wilco x-on-Mann-Whitney检验。星号¼sig(p.05)。<表1度量基础-AR平均值(SD)全AR平均值(SD)统计检验示例代码用于AR视觉表示,以及活动中存在的科学概念总分0.15(0.29)0.34(0.19)t(42)¼2.55,p¼0.015 *代码类型EX样本码转移0.11(0.35)0.24(0.25)t(42)¼1.42,p¼.163AR表示磁N/S极;磁力线;线圈横截面; FluX图;紫色箭头;绿色箭头;黄色箭头感应磁场0.71(1.83)0.66(1.11)W/142,p/1.944科学理念磁极;磁力线、形状或方向;磁通或磁通变化;感应线圈电流;感应线圈力;线圈感应极性线圈电流0.16(0.41)0.20(0.45)t(42)¼.291,p¼.773物理力0.03(0.42)0.28(0.27)W<$338,p<$.022 *I. Radu等人计算机教育:X现实2(2023)1000117¼¼参与者的相对学习收益得分见表2和图2。 3. 全AR参与者的整体学习得分明显高于基本AR参与者,超过2倍。对学习测试特定维度的分析显示,全AR学生在物理力量问题上的得分明显更高,描述性统计数据显示,全AR学生在将知识转移到新情况的能力各组对线圈电流和感应磁场的理解当观察学生如何沟通时,我们发现全AR参与者更频繁地提到可视化(W310,p 0.042),大约高出2倍(表4)。这些数据表明,AR可视化的复杂性增加有助于学生更好地学习。然而,目前还不清楚AR可视化通过何种机制3.1.2. 增强现实可视化对概念学习为了了解AR视觉表示如何影响特定概念的学习,我们定性分析了学生在图3. 每 种 条 件 下 的 相对学习增益(百分比量表0-1)。44号标准差错误. * 1/4sig.第05页。<表4组均值、标准差和学生查询的统计结果星号¼sig(p.05)。<与科学概念(如下所示)和学生探究类型(如下所示相关的单独AR视觉表示问题类型基本-AR均值(SD)全AR平均值(SD)统计检验RQ 2)。全AR组提出了32个问题,其中包括对视觉元素的引用,而基本AR组提出了13个问题。基本信息1.36(2.13)1.52(1.25)W<$294,p<$.111积分0.86(1.21)0.52(0.68)W<$214,p<$.642其中包括对视觉元素的引用在得到的数据中,EX勘探0.96(0.90)1.52(1.25)W/288,p/136所引用的AR可视化的数量与所问问题的数量不在一个问题中引用多个AR可视化(例如:现在吗”), and (2) sometimes students were looking at visual假设0.27(0.55)0.19(0.51)W<$212,p<$.518其他0.82(1.01)0.71(1.10)W¼210,p¼.571目视参考0.55(0.67)1.38(1.24)W¼310,p¼.042*行动请求0.09(0.29)0.86(1.35)W<$313,p<$.010*当问一个问题,但没有明确提到AR元素(例如:“你介意再做一次,这样我就可以看到它?“).尽管由于学生提出的视觉相关问题数量较少,数据很稀疏,但这些数据确实暗示了AR可视化的一些影响。图图4和图5显示了全AR和基本AR参与者明确引用AR可视化的频率(图5)。 4)和科学概念(图)。 5)。我们发现,磁场线的AR视觉表示在Full-AR和Basic-AR组中都被大量引用,这并不奇怪,因为它在两种条件下的整个活动中都可见全增强现实组还经常关注紫色箭头(对应于X)和绿色箭头(对应于诱导力)的视觉效果相应地,在计算与AR视觉效果相关的概念时,我们发现全AR学生比基本AR学生谈论了更多的概念,而全AR学生特别关注场的形状,力量和力量。AR视觉效果似乎鼓励对各种概念的讨论,并可以解释为什么全AR组在力和整体学习方面记录了更好的学习成果。为了进一步了解AR可视化和学习之间的关系,我们分析了它们的共现模式。 图 6显示了在AR视觉表示的位置询问了多少个问题查询总数4.59(3.02)4.48(2.23)宽<$240,页<$.844与科学的概念结合起来首先,我们发现,每个AR视觉表示似乎都将学生集中在一个特定的概念上,从而使这个概念对学生来说是可见的见图4。在Full-AR和Basic-AR组中对AR可视化的引用数量(* 1/4可视化可用于Basic-AR组)。表3问题类型和学生示例的编码方案问题类型定义EX样本基本信息试图填充基本概念知识的问题。“所以,x是有多少磁场通过某个区域?“整合问题试图在两个或多个概念之间建立联系。“感应电流或感应磁场如何影响磁体本身?“EX勘探问题,以扩大知识超越当前的问题或应用理解到一个新的情况。“当磁铁实际穿过回路时会发生什么?“关于形成和/或测试假设的问题。“磁铁和线圈之间的距离是否相同?如果桌子是无摩擦的,它会保持什么状态?”其他与学习内容无关的问题,如物流、讲师背景、AR技术等。“我能问你一些关于这个演示是如何进行的问题吗?“I. Radu等人计算机教育:X现实2
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 5
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 十种常见电感线圈电感量计算公式详解
- 军用车辆:CAN总线的集成与优势
- CAN总线在汽车智能换档系统中的作用与实现
- CAN总线数据超载问题及解决策略
- 汽车车身系统CAN总线设计与应用
- SAP企业需求深度剖析:财务会计与供应链的关键流程与改进策略
- CAN总线在发动机电控系统中的通信设计实践
- Spring与iBATIS整合:快速开发与比较分析
- CAN总线驱动的整车管理系统硬件设计详解
- CAN总线通讯智能节点设计与实现
- DSP实现电动汽车CAN总线通讯技术
- CAN协议网关设计:自动位速率检测与互连
- Xcode免证书调试iPad程序开发指南
- 分布式数据库查询优化算法探讨
- Win7安装VC++6.0完全指南:解决兼容性与Office冲突
- MFC实现学生信息管理系统:登录与数据库操作
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功