生成式AI驱动的虚拟现实教学法设计及其在高等教育中的应用研究

本研究针对高等教育中新兴技术整合不足的问题，通过质性研究方法探索了教师对AI和VR技术的教育需求，并设计了基于生成式AI（GAI）的虚拟角色Tero和Madida，用于可持续性教育的智能虚拟现实（IVR）环境。研究验证了9/12的教师需求，为个性化、沉浸式学习提供了创新方案，推动了AIEd（人工智能教育）与VR技术的教学融合。

　　

在数字化转型浪潮中，高等教育正面临如何有效整合新兴技术的挑战。尽管虚拟现实（VR）能提供沉浸式学习体验，生成式人工智能（GAI）可动态生成教学内容，但两者的教育应用仍存在三大痛点：教师缺乏技术整合的指导框架，现有工具难以满足复杂概念教学需求，以及个性化学习支持不足。这些问题在可持续性教育中尤为突出，因其涉及跨学科的系统思维（Systems-thinking）和价值观培养（Values-thinking）等高阶能力。

赫尔辛基大学的研究团队开展了名为“Serendip”的多学科IVR冒险游戏项目，通过两阶段研究探索解决方案。第一阶段需求分析收集了66名教师对AI和VR的教育愿景，归纳出三大类12项需求，包括AI角色扮演、学习辅助和教师支持。第二阶段基于Wiek等人的可持续性能力框架，设计了两个GAI虚拟角色：作为信息源的森林所有者Tero和作为学习伙伴的Madida，分别对应系统思维和价值观思维训练。

关键技术方法包括：1）质性主题分析教师访谈和公开投稿数据；2）基于可持续性能力框架设计IVR教学路径；3）通过25轮迭代的提示工程（Prompt Engineering）优化GAI角色交互；4）邀请8名领域专家进行半结构化访谈验证效果。样本来自赫尔辛基大学9个学院的教师群体及K12教育工作者。

研究结果揭示：

1. 需求分析发现教师最期待AI实现角色扮演（如模拟专业人士）和学习陪伴功能，同时需解决复杂概念可视化、真实情境连接等教学痛点。
2. 教学法设计提出三步骤框架：选择能力参考模型→确定IVR适用教学目标→设计GAI角色。Tero基于森林所有权研究构建，Madida则采用反推法（Backcasting）提问策略。
3. 专家评估显示，GAI角色满足75%的教师需求（9/12），尤其在角色真实性（Tero被评价“宛如真实森林主”）和学习陪伴有效性（Madida能提供“母亲式鼓励”）方面表现突出。未满足需求包括多语言支持和AI素养培养。

讨论部分强调：该研究首次系统验证了GAI+IVR在可持续性教育中的可行性，其创新点在于：1）将提示工程应用于教学角色开发，使ChatGPT能稳定输出符合教学目标的对话；2）通过认知地图（Cognitive Mapping）和反推法等教学策略，将抽象能力训练具象化；3）证实文本型GAI角色已能满足多数教学需求，为低成本解决方案提供参考。局限性包括样本局限于芬兰高校，且未测试3D形态的效果。

这项发表于《npj Science of Learning》的研究为教育技术发展提供了重要范式：通过“需求驱动设计+能力框架锚定”的方法，使新兴技术真正服务于教学本质需求。未来可扩展至医学模拟训练等需要高风险情境教学的领域，其角色设计框架也为元宇宙教育应用奠定基础。