外部引導式多尺度視角變換之轉換技術研究
arXiv - Human-Computer InteractionMatt Gottsacker, Mengyu Chen, David Saffo, Feiyu Lu, Benjamin Lee, Blair MacIntyre
本研究探討在外部引導的 XR 環境中，如何透過優化視角轉換技術來提升使用者的空間認知與舒適度。
AI 幫你先抓重點
AI 重點 1
外部引導模式下的「空間失定向」風險
滑鼠懸停看 AI 判斷理由
當使用者失去控制權（由系統或講者引導）時，容易產生迷失感與不適。這提醒開發者在設計教學或展示型 XR 內容時，不能僅關注視覺效果，必須優先考慮使用者的空間連續性與心理穩定性。
AI 重點 2
參考框架與自我姿勢的視覺化重要性
滑鼠懸停看 AI 判斷理由
這項發現強調了「認知支架」在虛擬環境中的作用。透過在轉換過程中提供位置參考，可以幫助學習者在不同尺度間建立心理模型，這對於需要跨尺度觀察複雜結構的學習任務至關重要。
核心研究發現
- 1
研究發現透過「外部化參考框架」與「呈現使用者姿勢」的轉換技術，能有效提升使用者在多尺度空間轉換中的空間回憶能力。
- 2
相較於傳統的「黑屏淡入淡出（fade-to-black）」基準方法，新型轉換技術在處理不同尺度（如縮小模型、街道、室內）的切換時表現更佳。
- 3
在相同尺度的視角變換中，轉換技術對空間回憶能力的影響並不顯著，顯示技術優勢主要體現在跨尺度轉換時。
對教育工作者的啟發
在設計用於教學的 XR 導覽或展示系統時，若教學流程是由教師引導使用者移動視角，應避免直接切換畫面或使用單純的淡入淡出。建議加入「參考框架」（例如顯示縮小地圖或方位標）以及「使用者當前姿勢的視覺提示」，以幫助學生在從宏觀（如城市規模）切換到微觀（如室內細節）時，仍能維持對空間結構的理解，減少認知負荷與暈眩感。
原始文獻資訊
- 英文標題：
- Transition Techniques for Externally-Guided Multi-Scale Viewpoint Changes
- 作者：
- Matt Gottsacker, Mengyu Chen, David Saffo, Feiyu Lu, Benjamin Lee, Blair MacIntyre
- 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。