互動密度作為展品類型的行為特徵：科學體驗中心的最小日誌研究
arXiv - Human-Computer InteractionR A Udaya Rakshith, Inavamsi Enaganti, Umang J Gala
研究證明僅利用觸控展品的基礎日誌數據，即可有效區分展品類型並分析訪客行為模式。
AI 幫你先抓重點
AI 重點 1
低成本數據的強大研究潛力
滑鼠懸停看 AI 判斷理由
這項研究挑戰了必須依賴昂貴感測器（如眼動儀或攝影機）才能進行行為分析的觀念，證明了現有的數位足跡已足以支持科學研究，這對於資源有限的教育機構極具啟發性。
AI 重點 2
重新審視「強度」與「持續時間」的關係
滑鼠懸停看 AI 判斷理由
傳統觀點認為高強度互動會縮短停留時間，但研究指出難度遞增的設計會創造「重新參與循環」，這為設計具備高度參與感的學習活動提供了新的設計邏輯。
核心研究發現
- 1
透過「互動密度」（每秒按壓次數）能有效區分快節奏遊戲與慢節奏測驗，預測展品類型的 AUC 高達 0.778。
- 2
研究發現遊戲類展品不僅互動強度高，停留時間也較長，打破了強度與持續時間成反比的直覺假設。
- 3
單純的按壓次數對停留時間的解釋力（R²=0.527）高於互動密度（R²=0.081），但兩者結合效果最佳。
- 4
研究證實僅需現有的最小化日誌數據（開始、結束、按壓次數）即可進行嚴謹且具備隱私保護的行為研究。
對教育工作者的啟發
對於設計互動式學習教材或展品的開發者，建議不要僅追求單純的按壓次數，應結合「互動密度」來評估學習參與的品質。若目標是增加學習深度，應設計具備「遞增難度」的機制，引發訪客進入重新參與的循環，而非僅僅是完成任務。此外，開發者可以利用現有的觸控日誌進行低成本的行為分析，藉此優化使用者體驗與學習成效，而不必投入高昂的硬體感測設備。
原始文獻資訊
- 英文標題：
- Interaction Density as a Behavioural Signature of Exhibit Type: A Minimal-Log Study from a Two-Venue Science Experience Centre
- 作者：
- R A Udaya Rakshith, Inavamsi Enaganti, Umang J Gala
- 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。