aiedtechlearningdesignassessmentknowledgebuilding

符號機器學習辨識VR遊戲網路暈動症成因

arXiv - Human-Computer InteractionThiago Porcino, Erick Oliveira Rodrigues, Flavia Bernardini, Daniela Trevisan, Esteban Clua

利用符號機器學習對兩款VR遊戲進行實驗，排名並量化旋轉、加速度等因素對網路暈動症的影響，並提出短期與長期使用的緩解策略。

AI 幫你先抓重點

AI 重點 1

符號機器學習可將複雜感官刺激拆解為可量化因子，幫助設計更安全的VR內容。

滑鼠懸停看 AI 判斷理由
AI將主觀症狀轉化為客觀指標，使設計師能以數據為基礎調整遊戲參數，提升使用者安全與舒適度。
AI 重點 2

不同遊戲類型與使用者經驗對暈動症的影響差異，提示設計師需針對目標族群調整控制方式與視覺流暢度。

滑鼠懸停看 AI 判斷理由
此洞察顯示單一設計無法滿足所有玩家，強調個性化與情境化設計對降低暈動症的關鍵作用。

核心研究發現

  1. 1

    旋轉與加速度在飛行遊戲中比賽遊戲更易引發網路暈動症。

  2. 2

    VR經驗不足者在兩款遊戲中更易感到不適，且過往經驗對賽車遊戲的影響更顯著。

  3. 3

    短期與長期VR暴露下，觸發不適的成因不同，需分別制定緩解措施。

對教育工作者的啟發

為降低VR暈動症，設計者可先評估使用者VR經驗，對新手提供緩衝期與簡化控制；在飛行類遊戲中限制旋轉速度與加速度；在賽車類遊戲中優化視覺流暢度與減少突變加速；同時提供短期與長期使用的緩解提示，如視覺對焦點、頻繁休息、環境光調整等，並透過符號機器學習持續追蹤使用者不適指標，實時調整遊戲參數。

原始文獻資訊

英文標題：
Identifying cybersickness causes in virtual reality games using symbolic machine learning algorithms
作者：
Thiago Porcino, Erick Oliveira Rodrigues, Flavia Bernardini, Daniela Trevisan, Esteban Clua
來源：
arXiv - Human-Computer Interaction
AI 摘要模型：
openai/gpt-oss-20b
閱讀原文

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。