VR环境下学习投入测量的设计研究

曲艳艳?乜勇

摘 要：目前国内外学者对学习投入的理论研究总体已趋于成熟，对学习投入的测量形成了不同版本的测量量表，而这些测量量表主要是从宏观层面考虑的，在特定环境下對学习投入测量的研究不够丰富，特别是在VR环境下对学习投入的测量研究较少。基于此，以VR学习环境为研究背景，分析了VR学习环境及其独有特点，用文献研究法梳理了学习投入的概念、内涵和理论，分析了VR环境下学习投入测量的现状，从教育心理学、教育神经学和数据整合各方面分析了VR环境下学习投入测量的理论基础，以一种新的视角即从生理学的角度入手，设计了针对学习投入测量的各维度生物指标，并与传统的问卷调查法相结合，最终形成了在VR环境下对学习投入测量的方案，同时说明对各维度指标进行测量时需要用到的仪器设备及对测量出的指标数据进行分析时需要用到的重要技术。

关键词：VR环境；学习投入；测量研究

中图分类号：G434 文献标志码：A 文章编号：2096-0069（2023）01-0018-06

收稿日期：2022-09-13

基金项目：全国教育科学“十三五”规划2020年度教育部重点课题“高校混合教改背景下教师信息化教学能力评价标准与测评工具研究”（DCA200305）；2020年度中国高等教育学会教师教育分会“新时代教师教育体系改革与创新”专项课题重点课题“促进西部农村中小学教师专业能力提升的‘双师教学共同体研修平台的构建与实践研究”（2020JSD01）

作者简介：曲艳艳（1998— ），女，河南洛阳人，硕士研究生，研究方向为学习投入、信息技术教育应用、人工智能教育应用；乜勇（1970—），男，藏族，青海贵德人，教授、博士生导师，研究方向为信息技术教育应用、课程与教学论、人工智能教育应用等，系本文通信作者。

引言

信息技术的发展使学习者的学习环境由传统的黑板粉笔演变为与多媒体技术相结合的学习环境，VR技术的出现，形成了虚拟现实学习环境，它突破了传统环境中学习者仅能通过教师的讲解和演示进行学习的局限，那么在VR环境中学习者的学习效果如何，是否要比传统环境中的学习效果好，这是非常值得去探究的问题。学习投入一定程度上影响着学习效果，因此应该把重点放在测量学习者的学习投入上，究竟应该怎样去测量？从哪个角度入手？测量哪些指标？这正是本文所要研究的。

一、学习投入

学习投入，最初被维尔马尔·莎菲利（Wilmar Schaufeli）提出，随后将学习投入的相关研究拓展到学生群体。莎菲利[1]认为学习投入是学习者在学习时具有的充沛的精力和良好的心理韧性，感到学习有意义，对学习本身感兴趣，从而沉浸于学习之中的状态。乔晓熔[2]认为，学习投入是学生在开始和执行学习活动时行为上卷入的强度和情感上体验的质量。苏红等人[3]认为，学习投入是指学习者在学习过程中消耗的经费、时间和精力等资源的总称。本文认为学习投入是学习者在某种特定的学习环境中以一种积极的心理感知投入，并与环境发生交互，最终获得满足感的过程。

尽管不同学者对学习投入的定义各不相同，但大部分都认可其内涵集中于认知、行为和情感投入三个维度。

（一）认知投入

所谓认知投入，就是学习者与学习环境关系的知觉力和信念，主要表现为学习者在学习时的动机水平、学习时的意志力、自我效能感、自我调节、使用高级认知技术，将自己的学习计划安排得井井有条、对自己的学习时间有合理的分配、对自己未来有憧憬、设定好自己的未来目标、与学生和教师的互动意愿等。

（二）行为投入

行为投入是指学习者愿意付出的时间、活动的强度和努力的程度对学业努力和学业表现程度的反映。主要表现为课前预习、上课时间出勤率、对学校与班级规则的服从、课堂学习参与度、课后作业完成度、课下所花费的时间及遇到疑难问题不放弃愿意为之花费时间、积极参加社会活动等。行为投入可以分为参与、坚持、专注、交互、学术挑战、自我监控六类[4]。

（三）情感投入

情感投入是学生在特定学习环境中的情感参与。主要表现为上课时积极活跃，学习知识的热情、求知的好奇心等正面情感，对学习的倦怠、焦躁、厌烦等负面情感。

二、VR学习环境

（一）VR学习环境的概念

VR学习环境是由计算机技术和多媒体技术创造的一种交互式的人工世界。在这个人工世界中，学习者可以产生一种身临其境的真实感觉，主要包括浸入式、互动式和创造式环境三种[5]。

（二）VR学习环境的特点

相较于传统学习环境，VR学习环境有其独特的优势，即有较强的沉浸性、较好的交互性与较新的构想性。

1.沉浸性

VR学习环境的沉浸性主要体现为：当学习者进入场景，仿若置身现实情境一般，特别是学习者借助虚拟设备如虚拟眼镜、头盔和手柄时，其沉浸感更强。

2.交互性

VR学习环境的交互性主要体现为桌面式交互和沉浸式交互两种：桌面式交互是学习者利用计算机的鼠标、键盘与虚拟环境进行交互，沉浸式交互是学习者借助VR设备如手柄、头戴式眼镜和头盔与虚拟环境进行交互[6]。

3.构想性

VR学习环境的构想性体现为它以视觉的呈现方式表现出设计者的构思与设计，在此环境中学习，学习者可以大致了解设计者的想法和意图。

三、VR环境下学习投入测量现状

（一）传统环境下的学习投入测量

1.学习投入测量量表

对国内外学习投入测量量表进行研究，经过归纳与总结， 具体内容如表1所示。

2.学习投入测量方法

学习投入测量方法分为三类：学生对自己学习投入描述形成的报告、教师对学生学习投入描述形成的报告和特定学习环境下的课堂观察[7]。学生自我报告是指用编制好的学习投入题目，让学习者按照从“非常不符合”到“非常符合”的程度进行选择性作答；教师报告包含学习投入与学习不满意调查表、学校评定调查表和阅读投入指标三种工具；课堂观察是教师用提前设置好的指标来记录课堂观察结果。

（二）信息技术背景下的学习投入测量

信息技术背景下的学习环境包括在线、远程、智慧和混合学习环境等。从测量维度分析，多数研究测量的是学习投入的三个维度，但也有部分研究只集中于测量学习投入的一个维度行为投入；从测量方法分析，信息技术环境下对学习投入的测量形成了在某个具体环境中的测量量表，如在线学习环境中产生的测量表（OSES）和远程学习环境下形成的测量表（SEDE）[4]。信息技术环境下对学习投入的测量主要是由研究者参照经典量表，将编制好的调查问卷或量表发放给学习者让其进行填写。但不同的是信息技术环境下对学习投入的测量可以借助平台，利用平台的优势，收集学习者在平台中学习产生的数据集合。从空间维度来说，可将不同的页面和课程的内容模块作为指标进行考察，对学习者浏览的所有课程模块及页面的跳转情况进行综合分析；从时间维度来说，可对学习者的学习时间、登录平台的时间、对平台中资源访问情况、参与平台中教师安排的活动与完成教师布置任务的情况等进行统计。

在此基础上，也有研究者提出了更加新颖的测量方法，如在网络学习空间中利用眼动仪、用摄像头把学生在整个学习过程中的表现录制下来、利用智能设备捕捉学习者学习时的面部表情和鼠标流数据。

（三）VR环境下的学习投入测量

在VR环境下对学习投入测量的研究较少。从测量维度上来说，主要是从学习投入其中的一个维度，即较多学者是从行为投入方面进行研究，对学习投入三个维度测量的研究较少；从测量方式上看，主要是采用眼动试验对行为投入下的子维度指标进行测量。

四、VR环境下学习投入测量的理论基础

教育心理学理论揭示了VR环境下学习投入是如何发生的，其中最具代表性的理论有自我决定理论、期望价值理论及互动反馈效应，自我决定理论揭示了VR环境下学习者自我决定行为的动机过程[8]，期望控制理论阐述了学习者完成学习任务的动机和成功完成任务可能性之间的关系，实质是指向学习者学习时的动机水平，互动反馈效应揭示了VR环境下学习者与环境中各要素之间的关系及与各要素间的互动。

教育神经学理论为测量VR环境下的学习投入提供了跨学科基础。教育神经学认为，学习者进行学习的生物学基础是神经元之间突触的连接[9]，学习者进行学习的基础是大脑产生需求，进而引起神经系统和大脑对不同学习任务的感知，从而做出改变，大脑中的其他神经系统如交感和副交感神经系统也会对VR 环境下学习投入的不同程度产生不同的反应，而这种反应又反过来影响学习本身[10]，教育神经学使得VR环境下借助脑科学对学习投入测量成为可能。

数据整合为科学反映VR环境下的学习投入提供基础，数据整合有助于弥补传统环境下单维度测量学习投入的不足，以及人工评判带来的数据主观层面的误差，它借助先进仪器和设备收集学习者学习时的过程性数据，将多方面数据共同作为反映学习者学习投入水平的依据，从而更客观地反映学习者的学习投入。

五、VR环境下学习投入测量方案的设计

到目前为止，对学习投入的测量方法仅局限于对传统措施或者是混合方法的有限改进[11]。想要突破这种局限性，就需要从一种新的视角出发，即需要借助信息科学、神经学和脑科学等新的方法来填补学习投入在教育测量方面的不足，这就意味着可以利用学习者的多重感官，来分析其不同感官的生物信号，再结合问卷调查法，更真实地反映学习者的学习投入。

（一）VR环境下学习投入测量的思路

对学习投入的测量，一方面从生理学的角度出发，将学习者生理各方面的反应作为测量指标；另一方面利用问卷调查法让学习者在学习结束后进行填写，两方面结合共同测量学习者的学习投入。

（二）VR环境下学习投入测量的指标研究

1.生理层面的测量研究

眼动（EM），主要包括追踪运动和扫视两大类，其中眼跳和注视是眼动运动最基本的两个指标，对于眼动的测量，需要用特定的眼动仪器进行实验，即眼动试验。眼动试验是利用眼动仪等先进设备对学习者的眼球与视线进行追踪与连续测量的过程[12]，也即研究学习者的视觉移动轨迹，并结合其他变量对比和分析学习者视线关注点的变化。试验过程中，需要研究者提前调试好眼动设备并连接好对眼动指标进行测量的相关软件。目前，利用眼动试验来测量学习者学习投入的研究相对来说不够丰富，利用眼动试验可以测量学习者的注视点指标、眼跳指标和鼠标指标等。

脑电波（EEG），是一种自发的、有节奏的神经细胞活动，由大脑神经组织中的突触电位形成。大脑的活动是学习者在学习过程中大量的神经元发挥作用，并同步发生突触后电位造成的，它可以捕獲电波在大脑运动过程中的变化，或者脑细胞向大脑活动运动的方向。脑电波是对神经活动进行间接测量的工具，具有较高的测量精度，可以测量毫秒级的电位变化，至少包含四种不同频率的波形，从小又快的β波形到大又慢的δ波形对应的频率分别为β波（14～30 Hz）、α（8～13 Hz）、θ（4～7 Hz）、δ（1～3Hz）；除了这四种不同的波形，还有一种比β波频率更高的γ波，在30～80 Hz之间，当学习者专注于某一学习情境时，才会出现这种波形；而学习者没有专注于学习而处于睡眠状态时，会出现驼峰波、σ波、λ波、κ-复合波、μ波等这样特殊的脑电波。若需了解学生的认知活动时，需要分析脑电波的波幅和频率。

事件相关的电位（ERP），是大脑通过过滤信号和叠加的方式来分离脑电波的一种特殊的刺激能力。它反映了大脑出现的电反应信号与所受刺激时间同步，对认知过程中学生大脑中的神经电变化做出反应，当在特定的学习环境中被认知处理时，大脑的潜意识里会发生变化。

心电图（ECG或EKG），是用心电图指标中的心脏电活动周期改变的图形来记录心脏变化的过程。心电图指标主要包括心率（HR）、心率不稳定性（HRV）等。其中心率和心率不稳定是经常用的两个动态指标，心率指心脏每分钟跳动的次数，联系学生的情感变化，若学生情绪较负面时，其心率显示得较高；心率变异性用来判断学生在学习时的韧性，学生感到有压力时，其心率会比正常高，心率变异性则有所降低[13]；学习者具有自控能力时，其心率会降低，心率变异性会相应地处于高水平。

表情识别（FER），表情是通过眼睛、面部肌肉和嘴巴变化引发的情绪波动。面部表情主要是通过眼睛和嘴巴之间的肌肉体现的，表达方式是学习者的眼睛、眉毛、嘴巴、鼻子和脸颊五官的综合表现。学习者在学习情境中看到自己感兴趣的部分，相应的瞳孔会扩大；相反，如果展现的内容是学习者不擅长或不感兴趣的知识点，瞳孔会变小；眉毛显示的是眉毛之间的肌肉皱纹，它表达出学习者在情绪上的差异；嘴巴的表情主要是口型的改变；鼻腔的收缩与扩张是鼻部的主要表现；脸部表情的变化主要是由肌肉的变化引起的。这五种感官通常是相互联系的整体，面部识别主要是五个器官协调变化的结果，它们相结合共同表达出一种情感。

皮肤电反应（GSR），是由汗腺活性或交感神经系统的变化引起的皮肤阻力，它被认为是一项情绪生理指标，汗腺分泌得越多通常被认为是由更多的情绪反应引起的，皮肤的电反应可通过皮肤传导水平的变化来确定学生的精神状态，如可以判断学习者的焦虑。

2.问卷调查研究

问卷调查是学习者在学习结束后填写的关于整个学习过程的描述，以此反映学习者的学习投入状态，问卷的设计思路主要包含两大部分：第一部分为学习者要填写的基本信息；第二部分是包含认知、行为和情感的学习投入的三维度指标，根据VR环境下学习者学习的具体内容编制题目，每一维度设置四至六道题目，对题目的设计使用李克特量表的方式，分为非常不符合、不符合、一般符合、非常符合和完全符合五种程度，相应的赋分为1至5分。具体执行思路为：将设计好的问卷首先进行信效度检验，检验结果证明信效度良好，则投入使用；否则需进行改进，直至检验合格后方可发放正式使用。

（三）VR环境下对学习投入测量的方案

把眼动试验下的注视定义为眼球从一个状态到另一个状态之间静止的时间。眼动试验下的注视指标有注视时间、注视次数和注视点分布，通过眼动追踪可以确定学习者的关注点及其变化，是研究学习者行为的重要方式，可以描述學习者投入学习时的行为，故可用这部分指标测量学习者的行为投入；脑电波描述学习者在学习时的波形变化，与学习者的认识状态相关[14]，可以反映出学习者的认知状态，事件相关电位记录了学习者对某项学习任务加工时的认知变化，心率和心电图描述出学习者的一系列连续的心率变化，故脑电波和心电图可以共同描述学习者的认知投入；面部表情可以追踪学习者在学习的整个过程中的面部变化，可以反映出学习者的情绪状态，皮肤电反应可以测出学习者在学习的过程中是否焦虑，所以可以用来描述学习者的情感投入。

（四）分析学习投入测量数据的重要技术

对生理层面的数据进行收集与分析，需要用到先进的仪器以及扎实的数据分析能力。收集眼动数据，桌面高精端眼动仪、便携遥测眼动仪、可穿戴眼镜式眼动仪和VR虚拟头盔式眼动仪四类可供选择。研究者通过选择眼动仪并利用图像处理技术，定位学习者的瞳孔所在位置，获取坐标，并通过一定的算法，计算眼睛注视或者凝视的点， 得出学习者的空间位置叠加视图、时间图视图和动画回放视图三种数据视图；可用简易脑电波测量仪收集脑电信号，利用近似熵、能量、总变差、偏度和标准差来提取出脑电的关键特征；测量事件相关电位需要用到电极帽，提取出数据后需要分段、滤波等；心电图的采集与收集需要用到心电采集设备；面部表情识别则是利用图像识别技术，基于深度学习算法通过面部肌肉的特征点位置来计算和分类面部识别；皮肤电反应需要用到皮肤电测试仪器进行。对问卷调查收集的数据进行分析，主要利用数据分析软件如SPSS和MATLAB进行处理和分析。

六、展望

学习投入可以反映出学习者的学习质量。对生理层面各指标进行测量，可得到更加客观的体现学习者学习投入的数据，结合问卷调查法得出的数据，从而使学习者的学习投入测量数据更综合，更真实地反映学习者的学习投入水平；但对于生理层面的指标进行测量需要用到较先进的仪器和设备，同时对生理层面测量出的数据进行分析需要用到先进的软件系统、深厚的数据分析功底和高水平的数据分析方法。如果这些问题都能得到有效解决，则这种从生理层面测量学习者学习投入的崭新视角，在未来将会得到教育界特别是教育技术领域的广泛关注，将会有广阔的发展前景。

[1]SCHAUFEFI W B.The measurement of engagement and burnout：a confirmative analytic approach[J].Journal of Happiness Studies，2002，3（1）：71-92.

[2]乔晓熔.中学生数学学习自我决定及其与数学学习投入的关系[D].开封：河南大学，2006.

[3]苏红，章建石，朱生玉.教师学习投入状况及特征[J].教育科学研究，2007（5）：23-25.

[4]李爽，王增贤，喻忱，等.在线学习行为投入分析框架与测量指标研究：基于LMS数据的学习分析[J].开放教育研究，2016，22（2）：77-88.

[5]祝士明，陈静潇.虚拟现实学习环境的作用、挑战以及应对策略[J].现代教育技术，2019，29（2）：39-45.

[6]刘妍，胡碧皓，尹欢欢，等.虚拟现实（VR）沉浸式环境如何实现深度取向的学习投入？——复杂任务情境中的学习效果研究[J].远程教育杂志，2021，39（4）：72-82.

[7]李新，李艳燕，包昊罡，等.学习投入测评新发展：从单维分析到多模态融合[J].电化教育研究，2021，42（10）：100-107.

[8]徐振国，王悦，赵春雨.智慧学习环境下学习投入的影响因素研究[J].数字教育，2022，8（6）：29-37.

[9]张琪，王红梅.学习投入的多模态数据表征：支撑理论、研究框架与关键技术[J]电化教育研究，2019，40（12）：21-28.

[10]LEWIS MD.Bridging emotion theory and neurobiology throughdynamic systems modeling[J].Behavioral and Brain Sciences，2005，28（2）：169-194.

[11]BARBARA A. GREENE. Measuring cognitive engagement with self-report scales： reflections from over 20 years of research[J]. Educational Psychologist，2015，50（1）： 14-30.

[12]DOGUSOY B，CAGILTAY K.Cognitive analysis of expertsand novicesconcept mapping processes：an eye tracking study[J].Computers in Human Behavior，2014，36：82-93.

[13]王麗英，何云帆，田俊华.在线学习行为多模态数据融合模型构建及实证[J].中国远程教育，2020（6）：22-30.

[14]SUN C Y，YEH P C.The effects of attention monitoring with EEG biofeedback on university studentsattention and self-efficacy：the case of anti-phishing instructional materials[J].Computers & Educ-ation，2017，106：73-82.

（责任编辑 孙兴丽）

Design of Learning Engagement Measurement in VR Environment

Qu Yanyan，Nie Yong

（Faculty of Education，Shaanxi Normal University，Xian，Shaanxi，China 710062）

Abstract： At present，the theoretical research on learning engagement at home and abroad has become mature. The measurement of learning engagement has formed different versions of the measurement scale.However，these measurement scales are mainly considered from the macro level.There is not enough research on the measurement of learning engagement in specific environment.There are few studies on the measurement of learning engagement in the VR environment.Based on this，the paper takes VR environment as the research background，analyzes the VR learning environment and its unique characteristics.The paper combs the concept，connotation and theory of learning engagement by literature research and analyzes the current situation of learning engagement measurement in VR environment.The paper analyzes the theoretical basis of measuring learning engagement in VR environment from the aspects of educational psychology，educational neurology and data integration.In a new way，all dimensions of biological indicators of learning engagement measurement are designed from physiological perspective and combines with questionnaire survey method.At the same time，it explains instruments and equipment required when measuring the index and the important techniques needed to analyze the measured index data of each dimension. Finally，the scheme of learning engagement measurement in VR environment is formed.

Key words： VR environment;Learning engagement;Measurement study