利用虛擬實境環境中的多模態數據評估學習歷程
arXiv - Human-Computer InteractionEileen McGivney, Oluwatomilade Olarinde, Erica Kleinman, Kaylah Facey, Rana Jahani, Shripad Agashe, Manav Varma, Seth Cooper, Casper Harteveld
本研究探討如何結合 VR 中的日誌數據與口語反思，以區分學習者的邏輯推理能力與隨機猜測行為。
AI 幫你先抓重點
AI 重點 1
從「結果導向」評估轉向「歷程導向」評估的範式轉移
滑鼠懸停看 AI 判斷理由
過去我們只看學生最後是否答對，但透過 VR 多模態數據，我們能看見學習者「如何」思考。這對於理解學習科學中的認知路徑至關重要，能提供比單純分數更深層的學習洞察。
AI 重點 2
多模態數據融合（Multimodal Data Fusion）的重要性
滑鼠懸停看 AI 判斷理由
單一數據源（如僅看操作紀錄）容易產生誤判，例如將「猜對」誤認為「理解」。結合口語元認知數據能提供驗證機制，這對於設計精準的 AI 輔助教學系統具有高度參考價值。
核心研究發現
- 1
傳統 VR 學習評估多依賴前後測檢驗，難以捕捉沉浸式環境中動態的學習歷程。
- 2
透過 VR 逃脫解謎遊戲，研究者能同時收集玩家的操作日誌與口語元認知反思數據。
- 3
結合多模態數據（日誌與語言）有助於辨識學習者是在進行策略性問題解決，還是在進行無目的的隨機猜測。
對教育工作者的啟發
課程設計者在開發沉浸式學習環境（如 VR/AR）時，不應僅設計內容，更應同步設計「數據捕捉機制」。建議結合「行為軌跡（Logfile）」與「口語反思（Verbal Reflection）」兩種維度，例如在解謎關鍵節點引導學生說出思考過程。這不僅能幫助教師即時判斷學生是在進行高階邏輯推理還是盲目嘗試，也能為後續的個人化學習路徑提供更精確的數據支持。
原始文獻資訊
- 英文標題：
- Assessing Learning Processes with Multimodal Data in Virtual Reality Learning Environments
- 作者：
- Eileen McGivney, Oluwatomilade Olarinde, Erica Kleinman, Kaylah Facey, Rana Jahani, Shripad Agashe, Manav Varma, Seth Cooper, Casper Harteveld
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。