量化全身沉浸
arXiv - Human-Computer InteractionAlihan Bakir, Ekrem Y\"uksel, Fabio Zuliani, Neil Chennoufi, Francesco Bruno, Jamie Paik
提出可擴展模組化平台，實現全身動作互動的沉浸式虛擬體驗。
AI 幫你先抓重點
AI 重點 1
全身沉浸的模組化平台突破傳統VR限制，提供身體感知與環境同步的體驗。
滑鼠懸停看 AI 判斷理由
此技術將身體動作與虛擬環境緊密結合，促進感官整合與學習動機，對教育實踐提供新工具。
AI 重點 2
動態力與形狀回饋可即時調整，為多用戶協作與情境學習創造更真實的互動空間。
滑鼠懸停看 AI 判斷理由
即時適應性使得協作式學習更具沉浸感與協調性，能提升學生的協作與問題解決能力。
核心研究發現
- 1
三層沉浸模式：視聽、觸覺、全身互動，明確定義沉浸度。
- 2
模組化機械表面單元可在任何規模下重現環境物理特性，支持個人至多用戶場景。
- 3
系統能即時分配力、形狀與運動回饋，實現動態適應使用者互動，提升沉浸感。
對教育工作者的啟發
此平台可讓教育工作者在課堂中引入全身互動，設計以身體為核心的PBL活動，促進學生的感官參與與協作學習。教師可利用模組化表面單元，快速搭建多感官環境，並透過即時力感回饋調整教學節奏，提升學習動機。對於遠距教學，可將模組化單元遠端連接，實現跨地點的沉浸式協作，進一步擴展學習空間。
原始文獻資訊
- 英文標題：
- Quantifying Full-Body Immersion
- 作者：
- Alihan Bakir, Ekrem Y\"uksel, Fabio Zuliani, Neil Chennoufi, Francesco Bruno, Jamie Paik
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
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。