沉浸式虚拟现实（IVR）对实验技能迁移的影响：学习风格的调节作用*

胡艺龄 常馨予 吴 忭

（华东师范大学 教育学部 教育信息技术学系，上海 200062）

一、引言

沉浸式虚拟现实（Immersion Virtual Reality，IVR）技术是一种可以创建和体验虚拟世界的计算机仿真系统，它具有整合丰富媒体资源以及提供视觉、听觉、触觉等多感官通道刺激的独特优势，通常通过连接虚拟现实头盔和手柄等硬件设备，来感知参与者的动作及进行交互。认知学习理论将来自环境的刺激开始激活学习者的感受器，视为学习的起点，将学习者面对外界刺激进行的选择性信息加工，视为决定学习发生的关键。费尔德（Felder R.M.）和西尔弗曼（Silverman L.K.）根据学习者们不同的信息加工模式，定义了活跃型和沉思型两种学习风格。其中，前者倾向于动手操作，而后者倾向于通过观察思考进行信息加工[1]。学习风格的差异影响了虚拟环境中的学习效果，而以具身认知为代表的第二代认知科学认为，信息加工过程根植于学习者的交互行为中。因此，通过学习行为分析，可以挖掘出具有潜在价值的行为模式和认知策略，进而理解学习风格影响学习效果的机制。

随着沉浸式虚拟现实技术的不断成熟，国家层面也开始鼓励将沉浸式虚拟现实技术应用于STEM实验教学[2]。相比传统主要依托桌面显示技术的非沉浸式虚拟实验，已有研究表明，沉浸式虚拟实验更有助于促进技能迁移等深层次信息加工[3-4]。但对其背后的学习行为模式、学习风格形成的信息加工模式及其作用，目前却鲜有研究关注。鉴于此，本研究试图探究活跃型/沉思型学习风格对沉浸式虚拟实验培养技能迁移能力的影响，并进一步从学习行为层面阐述学习风格产生影响的原因。

二、文献综述

（一）沉浸式虚拟实验对技能迁移能力的培养

当前，STEM 课程中的虚拟实验主要作为教学的有益补充而不能完全代替真实实验，因此，学习者在“虚”和“实”环境中学习到的实验技能迁移能力，始终受到研究者的重视[5]。技能迁移能力是指从一种学习情境转换到另一种学习情境的过程中，学生习得的旧技能对完成新任务所需技能的影响程度[6]。博萨德（Bossard C.）等认为，技能迁移的本质是学习者进行内在思考和信息处理的复杂过程[7]。需要澄清的是，其复杂性并非意味着新情境中的实验任务是高度困难甚至难以完成的，而是源于学习者需要综合应用从旧情境中学习到的操作技能和智慧技能[8]。由于发展技能迁移能力对深层信息加工提出了要求，因此，技能迁移能力被研究者们视为评价虚拟实验效果的重要指标。例如，加尼耶（Ganier F.）等探究了学习者的设备组装技能从虚拟工程实验到真实实验的迁移，发现虚拟实验组的迁移任务用时显著少于无干预组[9]。类似地，刘兴波等通过记录学生参与桌面虚拟实验后完成真实操作任务所用的时间，发现虚拟实验中习得的操作技能能够实现迁移，但并未完全达到真实实验的效果[10]。

沉浸式虚拟实验是学习者在沉浸式虚拟现实技术构建的虚拟环境中，通过各种交互设备，进行实验操作、熟悉实验流程，获得实验数据并发现实验规律的过程[11]。已有大量研究从理论和实证两个方面，探讨了沉浸式虚拟实验培养技能迁移能力的优势。在理论方面，柴阳丽等根据与真实任务场景的相似性和具身程度，将学习环境划分为四个等级，带有环绕式头盔显示器的沉浸式虚拟实验，被视为高度具身学习环境的典型代表，而具身程度越高的学习环境，越有助于深层加工的发生并促进技能的迁移和应用[12]。

与此同时，一些研究者采用实验法开展了实证研究，例如，拉根（Ragan E.D.）等探究了不同沉浸程度的实验环境对学习者程序记忆的影响，结果表明：更高的沉浸度有助于程序性知识从虚拟到真实的迁移[13]。布拉夫（Brough J.E.）等关注了沉浸式虚拟实验在机械工程教学中的应用，实验结果显示：多数经过虚拟训练的参与者在真实环境中都成功完成了引擎的组装[14]；普莱茨（Pletz C.）等设计了相似的实验，学习者先后在沉浸式虚拟实验与真实环境中进行操作并参与视频录制，研究发现：学习者在沉浸式虚拟实验中掌握的操作技能，能够有效地迁移到真实实验中[15]。

从整体来看，沉浸式虚拟实验对于培养技能迁移能力发挥了积极作用，但近期一项元分析研究表明：虚拟现实技术对学习效果的促进存在着边界条件，并受到学习者个体差异等调节变量的影响[16]。例如，李（Lee E.A.）等利用结构方程模型，探究了虚拟现实技术对学习效果的影响机制，结果表明：虚拟现实作为媒体因素通过影响临场感和学习动机等学习体验，进而影响了学习效果，且学习风格作为个体差异因素在学习过程中起到了调节作用[17]。因此，学习风格成为虚拟现实技术在教育场景应用中不可忽视的一个因素。

（二）学习风格及其技术增强学习环境中的应用

学习风格通常指个体在学习过程中，为了高效地实现学习目标所采取的偏好和策略[18]。目前，已有学者提出多种学习风格模型，当关注技术环境中的学习时，Felder-Silverman 学习风格模型应用相对广泛且有效性得到了认可[19]。该模型根据信息加工模式的不同，将学习者分为活跃型和沉思型，活跃型的学习者热衷于动手操作并尝试应用新的知识和方法；而沉思型学习者则更多地关注思想的内部世界，倾向于观察思考和追根溯源[20]。

相关研究表明：在技术增强的学习环境中，学习风格影响了学习者的学习成绩[21]、认知负荷[22]、学习动机[23]、自我效能感[24]等。在虚拟探究性实验等无固定行为模式的学习活动中，已有的研究表明：不同学习风格的学习者会呈现不同的学习表现。例如，卡尔内特（Krneta R.）等通过问卷调查发现：活跃型的学习者偏爱使用实物模型，而沉思型则更愿意分析抽象的实验数据[25]；雅苏特（Jasute E.）等对教师的访谈结果表明：活跃型的学习者倾向于在实验中不断尝试评估后得到解决方案，而沉思型的学习者在实验中则会更多地查找资料[26]。

（三）学习风格与学习行为模式的关联

在上述研究中，这些虚拟实验中的操作行为具有独立性和局部性，而学习的深入促使这些单一动作的操作行为逐渐变为具有内在描述性和规律性的学习行为序列[27]。近年来，研究者们逐渐开始重视对学习过程中学习者行为数据的挖掘，并探索了学习风格与学习行为之间的关系。姜强等探索了利用贝叶斯网络方法挖掘学习行为模式，进而推测学习风格的可行性，结果表明：利用网络学习行为模式推测学习风格具有很高的精确度[28]。管郁君（Huang E.）等验证了学习行为的中介作用，学习风格通过影响行为投入进而影响学习表现，且学习者的基础知识在这一过程中发挥了调节作用[29]。更多的时候，人们采用滞后序列分析法（Lag Sequential Analysis，LSA）对学习行为模式进行分析，其通过分析一种行为在另一种行为之后出现概率的显著性来探索行为模式。滞后序列分析法自萨基特（Sackett G.P.）于1978年提出后，近年来已受到越来越多教育技术研究者的关注，例如，吴声毅（Wu S.）等利用滞后序列分析法探索了协作问题解决活动中，不同学习风格学习者的学习行为序列差异[30]。该方法有助于研究者理解不同学习风格的学习者是否在某些行为上发生频率更高，以及存在哪些有益于促进学习的行为转换序列等，从而把握技术促进学习过程中学习风格产生影响的内在机理[31]。可以看到，滞后序列分析对于探究行为模式背后的关键因素、行为转折及关联机理存在着优势性。

综上所述，本研究试图探讨以下研究问题：（1）在沉浸式虚拟实验培养技能迁移能力过程中，学习风格是否作为个体差异因素发挥了调节作用？如果存在调节，那么学习风格是如何发挥作用的？（2）不同学习风格的学生，在实验任务中表现出哪些学习策略与学习行为模式？ 其与学习风格又存在着何种联系？

三、研究设计

为回答上述研究问题，本研究选择了STEM 领域中具有典型性的物理电路实验学习过程作为研究情境，选择大学物理电路实验教学的重点内容“连接电路点亮LED 灯”和“利用按钮开关控制七段显示数码管”作为虚拟实验中的学习任务，设计了等组实验。实验组在沉浸式虚拟实验中完成学习任务，对照组在非沉浸式虚拟实验中完成学习任务。实验旨在以非沉浸式虚拟实验为对照，衡量沉浸式虚拟实验对学习者技能迁移能力的培养效果。

（一）研究对象

本次实验的研究对象选取了上海市某高校教育相关专业在读本科生，共52 人参与了研究，其中男生21人，女生32人。他们均来自大一和大二，从未修读过“电子技术”课程，但都有使用电子设备的经验。其中26名被试被随机分配为实验组，使用沉浸式虚拟实验学习；另外26名被试被随机分配到对照组，使用非沉浸式虚拟实验学习。

（二）研究情境和工具

为保证所有学习者都能够理解电路的基本概念并掌握虚拟实验中的基本操作，本研究提供了基础知识阅读资料，包括电路概念、欧姆定律、实验元件的介绍（电池、发光二极管、电阻、按钮开关、七段显示数码管）、面包板的使用方法以及技术软件的操作方法等。实验所需的主要设备为两组学习者使用的虚拟实验软件及其配套硬件。其中，实验组使用的沉浸式虚拟实验软件，通过头盔和手柄完成与环境的交互；对照组使用基于桌面显示的二维电路实验软件（非沉浸式虚拟实验软件），通过鼠标完成与环境的交互。

（三）数据收集

1.基本信息问卷

基础信息问卷用于收集被试的年龄、专业、电路基础水平等，其中调查电路基础水平的目的是，为了排除因两组学习者基础水平不同，而对研究结果产生的影响。

2.学习风格问卷

学习风格的测量采用了Felder-Silverman 学习风格量表，问卷包括了5 道题目，每题有a、b 两个选项。a选项在各题中代表活跃型学习风格，记录为代数值1；b选项在各题中代表沉思型学习风格，记录为代数值-1。所有题目回答的代数值累计和记为学习者的学习风格，若为正则表明学习者倾向于活跃型，若为负则表明学习者倾向于沉思型。

3.学习过程视频

通过录制学习者在虚拟实验中的学习过程视频，记录不同学习风格学习者的实验操作，用于分析学习者的学习行为序列，并进一步解释不同学习风格学习者的行为模式差异。

4.技能迁移能力测试

实验以学习者结束虚拟实验中的学习后，参与真实电路实验中完成任务所用时间为衡量标准，评估其从虚拟到真实的技能迁移能力水平。因为本研究的任务具有明确的应用导向且以熟练完成任务为主要目标，在不限制时间的情形下，几乎所有被试都能成功完成。因此，在最终能力评估时，以完成任务的用时（即完成任务效率）为主要衡量指标，用时越短则技能迁移能力越高。

（四）研究过程

在实验开始前，研究人员调查所有学习者的基本信息和学习风格。为确保实验顺利进行，研究人员在准备环节向学习者提供了基础电路知识的阅读材料，并介绍了具体的学习任务以及各自虚拟实验软件的操作方法。当实验开始时，实验组佩戴头戴式设备后在沉浸式虚拟实验中进行学习，对照组通过电脑桌面参与非沉浸式虚拟实验中进行学习。研究人员录制所有学习者的学习过程视频，以便后续分析其学习行为。当学习活动结束后，所有学习者立即在真实实验环境中完成迁移测试。整个实验过程持续时间为90 分钟左右，实验流程如图1所示。

四、数据分析

（一）学习风格的调节效应分析

1.沉浸式虚拟实验更有助于技能迁移能力的培养

在进行调节效应分析前，研究人员先检验相比非沉浸式虚拟实验，沉浸式虚拟实验是否更有助于培养学习者的技能迁移能力。为控制学习者电路基础水平可能对分析结果产生的影响，本研究选择了协方差分析法来探究两组技能迁移能力的差异。协方差分析是一种用于检验两个组别有无显著差异的常见统计分析方法，其在方差分析的基础上控制了协变量对分析结果的影响。协变量是指那些无法人为控制却可能对因变量产生影响的变量，即本研究中的学习者电路基础水平。本研究把“组别”作为自变量，“迁移任务平均总用时” 作为因变量，“电路基础水平”作为协变量，在SPSS 中进行协方差分析，结果如表1所示。实验组任务用时均值（M=14.08）少于对照组任务用时均值（M=20.35），两组迁移平均总用时存在显著差异（F=4.26，p=0.044＜0.05）。由此表明，参加沉浸式虚拟实验的学习者技能迁移水平显著高于参与非沉浸式虚拟实验的学习者，沉浸式虚拟实验更有助于技能迁移能力的培养。

表1 协方差分析

2.在非沉浸和沉浸式实验环境中学习风格具有调节作用

学习风格问卷测量结果如表2所示，活跃型的学习者共17人，沉思型的学习者共35人。为探究虚拟实验培养技能迁移能力过程中学习风格是否发挥了调节作用，本研究把“组别”和“学习风格”作为自变量，“迁移任务平均总用时” 作为因变量，“电路基础水平”作为协变量，再次进行协方差分析，结果如表3所示。由表3可知，“组别*学习风格”项对因变量“迁移任务平均总用时”产生了显著影响（F=8.69，

表2 学习风格分布

表3 调节效应检验

为对学习风格的调节作用做出更为可靠的解释，本研究进行了简单效应分析（见表4）并绘制了效应图（见图2）。由表4可知，对于活跃型学生来说，沉浸式虚拟实验能够比非沉浸式虚拟实验显著更好地培养迁移能力（F=14.05，p＜0.001），但对于沉p=0.005＜0.05），验证了学习风格的调节作用。思型学生来说，尽管依旧在沉浸式环境中表现得更好，但相对非沉浸式环境的优势并未达到显著水平（F=0.08，p=0.780＞0.05）。结合图2可知，在参与传统的非沉浸式虚拟实验后，沉思型学习者的技能迁移能力会高于活跃型学习者，但在参与沉浸式虚拟实验后，活跃型学习者却表现出了更高的技能迁移能力。

表4 简单效应分析

（二）学习行为序列分析

1.不同学习风格学习者的行为模式在实验任务各阶段存在差异

本研究进行学习行为序列分析的目的，在于从学习过程中质性数据视角，来解读不同学习者的学习风格，并对比不同学习风格学习者的学习行为模式。这将有助于进一步理解由学习风格产生调节作用的原因，从而为沉浸式虚拟实验的教育应用提出建议。由于本研究是通过录制视频来记录学习者的虚拟实验过程，因此，在分析学习行为序列前，研究人员需要对视频进行编码来提取视频中的学习行为。虚拟实验中的学习行为被视为学习者与虚拟环境的交互，可分为动作类交互和非动作类交互两类一级编码，结合本研究中电路实验的具体情境，设计编码方案如表5所示。

表5 编码方案

当确定编码方案后，研究人员从17名活跃型学习者和35名沉思型学习者各选取5人，由1名研究人员对这10名典型学习者的视频进行编码，共得到1157个学习行为；再由第二位编码者随机抽取其中100条数据进行编码；最后将两位编码者的编码结果进行一致性检验，克隆巴赫Alpha 系数达0.913，一致性较好。在编码完成后，研究人员分别统计活跃型和沉思型两类学习者各个学习行为的平均频次（见表6）。由表6可知，在一级编码为“动作类交互”的类别中，“连接”“移动”“删除”“测试”等学习行为的统计结果，均是活跃型学习者的平均频次更高，只有“断开”行为的统计结果，为沉思型学习者的平均频次更高，两类学习者的“检查”学习行为平均频次基本相同；在一级编码为“非动作类交互”的类别中，沉思型学习者“浏览”“回顾”“停留”三种学习行为发生的平均频次均比活跃型高。因此从整体上看，在虚拟实验中活跃型学习者表现出了更多的动作类交互行为，而沉思型的学习者则进行了更多的静态思考行为。

表6 学习行为平均频次

为进一步探究不同学习风格学习者的学习行为序列差异，本研究使用了滞后序列分析法，分别分析了活跃型学习者和沉思型学习者的行为序列。软件GSEQ是滞后序列分析的常用工具，如将一系列编码后得到的行为按照时间出现先后顺序输入，便可生成调整后残差表。调整后残差表每一行表示“上一个行为”，每一列表示“下一个行为”，数字表示发生“上一个行为”后发生“下一个行为”的残差参数Z，若Z＞1.96 就表明“上一个行为→下一个行为”的行为序列具有统计意义上的显著性。

2.活跃型学习者注重动作类交互行为及行为间转换

如上所述，研究人员使用GSEQ 分析5 位活跃型学习者的学习行为，输出活跃型学习者的调整后残差表如表7所示。由表7可知，活跃型学习者“浏览→连接”“连接→测试”“移动→移动”“移动→测试”“ 测试→检查”“测试→断开”“检查→删除”“删除→连接”“断开→浏览” 共9种行为序列的Z值大于1.96，达到了显著水平。根据这些具有显著意义的行为序列绘制行为序列图（见图3），每两种行为之间连线上的数字表示Z值，连线越粗，表示两种行为先后出现概率越大。

从图3可以发现，活跃型学习者的行为模式具有以下特征：（1）活跃型学习者的行为模式中存在多种不同学习行为之间的转换，例如，“删除→连接”“浏览→连接”等，动作转换的活跃度较高。（2）与“测试”相关的显著行为包括“测试→断开”和“测试→检查”。这两个分支的行为序列说明：活跃型学习者在接通电源发现电路出现错误时，其行为模式存在两种情况，其一是为了解错误原因而直接断开电源后修改电路，其二是为并不了解电路报错的原因而需要通过检查寻找错误原因。（3）“测试→断开”行为序列达到了显著水平，说明活跃型学习者在部分情况下，表现出了断开电源再移动电路元件的良好实验习惯，但该行为序列并非唯一的路线；另一分支的存在说明活跃型学习者在进行检查后，会遗忘断开电源。（4）“测试→检查”行为序列达到了显著水平，说明当活跃型学习者面对接通电源后电路出现的错误且并不了解错误原因时，会通过移动鼠标或手柄模拟电流流向以及翻转面包等行为反复检查，说明其倾向于在尝试操作中进行实验技能学习。

表7 活跃型学习者调整后残差表

3.沉思型学习者注重静态思考行为及反思

沉思型学习者的调整后残差表如表8所示，由表8可知，沉思型学习者“浏览→连接”“连接→连接”“删除→删除”“回顾→回顾”“检查→移动”“移动→检查”“移动→测试”“测试→断开”“断开→删除”“测试→删除” 共10种行为序列的Z值大于1.96，达到了显著水平，其行为序列图如图4所示。由图4可以发现：沉思型学习者的行为模式具有以下特征：（1）沉思型学习者的行为模式中同种行为间的转换明显较多，例如，“连接→连接”“删除→删除”等。（2）与“测试”相关的显著动作类交互行为中只有“测试→断开”，说明沉思型学习者能够在接通电源发现电路出现错误时，先断开电源再修改电路，具有良好的实验习惯。（3）“测试→检查”行为序列达到了显著水平，而“检查”行为却并未出现在沉思型学习者的显著行为序列中，说明沉思型学习者在面对接通电源后电路出现的错误且并不了解错误原因时，会因不了解电路报错原因而选择停留，导致没有出现明显的检查行为，这说明其倾向于在回顾知识和深入思考中学习实验技能。

表8 沉思型学习者调整后残差表

五、分析与讨论

本研究以电路实验为例，探究了学习风格对沉浸式虚拟实验培养技能迁移能力的影响。通过分析等组实验后学习者完成迁移任务的用时和实验过程中学习行为序列的差异，可得出如下结论：第一，从整体来看，沉浸式虚拟实验相比非沉浸式虚拟实验更有助于培养学习者的技能迁移能力；第二，调节效应的分析结果表明，学习风格调节了沉浸式虚拟实验对技能迁移能力的影响，在参与非沉浸虚拟实验的对照组中，活跃型学习者的技能迁移能力低于沉思型，但在参与沉浸式虚拟实验的实验组中，活跃型学习者的技能迁移能力却远高于沉思型；第三，由行为序列分析结果可知，活跃型和沉思型的学习者的行为模式存在差异，活跃型学习者表现出了更多的动作类交互行为，而沉思型的学习者则进行了更多的静态思考行为。

总而言之，学习风格产生调节作用的原因，正如伍尔威尔（Wohlwill J.F.）在适应水平理论中总结的那样[32]，即每位学习者都有一个基于过去经验的最佳刺激水平，来自于环境的适度感官刺激，有助于提高学习者的学习兴趣并促进生成性认知加工。然而，当环境刺激强度高于或低于最佳刺激水平时，学习者可能出现负面的学习情绪和认知负荷失调，进而影响学习。由于完成实验任务所需的技能被视为一项综合性能力，包括了实验流程等操作技能和知识理解等智慧技能[33]。因此，本研究将从操作技能和智慧技能两个方面，分别分析沉浸式虚拟实验中技能迁移能力受到学习风格影响的原因。

首先，从操作技能来说，学习风格对沉浸式虚拟实验中迁移能力的调节效应，与学习者的学习情绪等心理状态密切相关[34-35]。沉浸式虚拟现实技术具有提供深度知觉刺激的优势，在人类视觉构造中双眼的视差及对由头部运动所形成连续图像序列，本质上匹配了在三维世界中对景深的感知。由于其借助高画面刷新率和头盔设备，进一步模拟了人眼对三维影像的追踪，相比非沉浸式虚拟实验所提供的二维图像序列，沉浸式虚拟实验中的立体性视野，一方面直接为学习者带来了新奇的学习体验，另一方面通过提供更高的临场感激发了学习兴趣[36]。其带来的积极心理状态，在后测真实迁移任务环节的完成中持续发挥作用。愉悦的情绪有助于提高自我效能感，使得学习者在面对从虚拟到真实的环境转变时，表现得更加自信，从而更有效地完成迁移测试[37]。

这进一步解释了，无论是活跃型还是沉思型学习者，都在沉浸式环境中获得了更高的技能迁移能力。然而，调节效应的分析进一步表明，活跃型学习者能够在沉浸式虚拟实验中提高得更多，而沉思型学习者的提高并不显著。究其原因，在于活跃型学习者的学习行为序列表现出了更多地动作类交互行为和不同行为间的转换，由于连接、移动、删除等动作类交互行为的主体对象是学习者和电路元件，此类行为间的转换是基于手柄移动和大范围视线转移发生的，强化了学习者在沉浸式虚拟环境中的三维视觉体验和视觉加工，进而带来的高临场感和积极情感，促进了其在沉浸式虚拟实验中表现出显著更高的技能迁移能力。沉思型学习者则倾向于停留、思考、回顾等非动作类交互行为，例如，学习者在实验过程中进行回顾行为时，需要摘下头盔离开虚拟实验才能查看基础阅读材料。与真实环境的频繁切换，导致学习者意识到实验环境的虚拟性，促使其对虚拟实验操作的真实性和准确性进行反思。当学习者再次回到虚拟实验时，其临场感便在一定程度上受到了影响。

并且行为序列分析结果也表明，沉思型学习者在电路出现错误时，会立即断开电源再修改电路，这说明对虚拟实验的短暂脱离和反思，有助于良好实验习惯的形成。除此之外，当沉浸式虚拟环境所提供的感官刺激高于其最佳刺激水平时，沉思型学习者面对虚拟电路测试中出现的错误，可能会因视野中的立体画面影响思考而产生焦躁情绪，在学习行为序列中表现为同一行为的重复。例如，不断地进行删除操作，直至清空画面中一切电路元件后，再重新开始连接电路。这些负面学习情绪可能抑制了高度临场感带来的愉悦情绪，导致沉思型学习者并未和活跃型学习者一样，在沉浸式虚拟实验中获得显著高于非沉浸虚拟实验中的技能迁移能力。

其次，从智慧技能上来说，学习风格对迁移能力的调节效应可能与沉浸式虚拟实验中学习者的认知负荷有关。认知负荷理论的核心是工作记忆的容量和维持时间存在局限性，实施有效学习需要学习者把认知负荷控制在工作记忆能够承载的范围内，尽量减少由不恰当的教学及教材设计所引起的外在认知负荷，从而避免学习过程中的认知负荷超载。具体而言，沉浸式虚拟实验提供了丰富的信息和交互线索，基于此，相比沉思型学习者，活跃型学习者的行为模式包含了更多与电路元件间的动作类交互行为。这有助于活跃型学习者将注意力集中于目标操作对象上，减少了其他干扰信息影响并降低被动学习的可能性，从而促进技能迁移等深层次的信息加工[38]。

六、研究建议

（一）利用沉浸式虚拟现实技术重构教学活动

沉浸式虚拟现实技术为学习者构建了具有沉浸性、想象性和交互性的学习环境。本研究的结论也表明：相比非沉浸式技术，沉浸式虚拟技术在培养学习者技能迁移能力方面具有良好的教学应用前景，“IVR+教学”的新兴教育模式为学习者提供了促进身心一体的具身学习环境。基于此，对IVR技术的应用，不应局限于将真实环境中的简单任务搬到虚拟世界中，更应该借助于具身认知发展的特征，利用技术优势开展有效的教学活动设计，形成IVR 环境下以学习者为中心的探究性教学活动。并且在IVR技术重构的教学活动过程中，应该重视教师对学习者的情感支持，以促进学习者的认知调节[39]。例如，告知学习者实验技能的学习必然要经历反复试错的过程，无需因实验的错误而感到沮丧和焦躁。

（二）探究个性化设计辅助沉浸式虚拟实验

以“教”为中心到以“学”为中心的理念转变，强调了每位学习者都应该拥有个性化的学习体验，沉浸式虚拟实验环境具有非线性、动态性、交互性和开放性等特点，赋予了学习者更多地决策权和控制权，且为支持个性化的自主探究实验提供了条件。但目前市场上成熟的沉浸式虚拟实验软件，距离个性化的目标仍有着较大差距。本研究的结论表明：为了有效培养学习者的技能迁移能力，沉浸式虚拟实验的设计需要重点关注学习风格等学习者特征。对新兴技术的教学引入，我们仍需审慎对待。随着人工智能技术和虚拟现实的相互渗透，二者逐渐形成了“你中有我、我中有你”的融合趋势，使得“因材施教”成为可能[40]。我们在设计沉浸式虚拟实验时，需要嵌入数据分析等技术，一方面，借助提前采集的学习风格等信息，可预测学习者的交互倾向并制定个性化的学习环境，或采用差异化的虚拟实验技术；另一方面，可实时根据学习者在虚拟环境中的学习行为判断其认知状态，调整沉浸式环境的感官刺激，以降低学习者的外在认知负荷。

（三）设计选择性仿真以促进深层认知加工

沉浸式虚拟实验环境的构建不同于其他用于娱乐的仿真环境，它的根本目的在于促进学习，需要学生把有限的精力投入到与学习对象直接相关的活动中去。考虑到富媒环境带来认知负荷，沉浸式虚拟实验不应该追求对真实实验活动的完全重现，而应该进行选择性的仿真。然而，选择性仿真在提高教学效果的同时，也存在着导致学习者错误认知的风险。良好的实验习惯对保障学习者的安全至关重要，而虚拟实验缺少了移动电路元件前应该断开电源的提示，为学习者从虚拟到真实环境的技能迁移留下了隐患。因此，如何把控虚拟现实教学资源的仿真程度，是今后值得研究者深入探讨的问题。总而言之，本研究通过学习行为序列分析理解学习者内在信息加工的方法，可以为分析、判断沉浸式虚拟实验选择性仿真的合理性，提供一定的参考。