编辑推荐：
在教育技术领域，技术增强的具身学习（TEBL）对儿童认知与情感状态的影响机制尚不明确。本研究针对此，基于 MOVES-NL 具身数字学习环境，结合多模态学习分析（MMLA），探究儿童身体运动与认知、情感状态的关联，发现其促进算术理解，为课程设计提供新视角。
在数学教育的探索征程中，抽象概念的理解始终是儿童学习的一大难关，尤其是整数运算中正负号的逻辑转换与空间表征。传统教学依赖符号规则，难以建立身体运动与抽象思维的联结，导致学生常出现 “规则背诵却概念模糊” 的困境，如误将负数绝对值大小等同于数值大小，或混淆减法与负数加法的本质。如何通过具身互动（Embodied Interaction）弥合 “身体感知” 与 “数学抽象” 的鸿沟，成为教育技术领域亟待突破的关键问题。
为破解这一难题，来自挪威等机构的研究团队开展了一项创新研究。他们开发了 MOVES-NL 具身数字学习环境，结合运动捕捉与生理数据采集，深入剖析儿童在整数算术学习中身体运动、认知状态与情感参与的动态关联。研究成果发表于《International Journal of Human-Computer Studies》，为理解具身学习的内在机制提供了全新维度。
关键技术方法
研究采用混合研究方法，融合定性与定量分析：
- 多模态数据采集：通过 Empatica E4 腕带监测心率变异性（HRV）、皮肤电活动（EDA）等生理指标，结合运动传感器捕捉儿童在互动数轴（NL）上的行走轨迹与肢体动作。
- 三阶段交互设计：
- 身体尺度数轴行走：儿童通过行走、转向等动作解决整数加减问题，获取视觉（投影变色）与听觉（音效反馈）实时反馈。
- 镜像化身同步：引入虚拟化身镜像儿童动作，辅助协调自我中心（Egocentric）与他者中心（Allocentric）视角。
- 桌面数轴操作：通过平板电脑操控 “外星人” figurine，在标准尺寸数轴上复现全身运动逻辑。
- 视频编码与生理数据分析：运用 Cohen’s kappa 系数验证编码者信度，结合线性模型分析生理指标与行为模式的相关性。
研究结果
子问题 1：行为运动与生理响应的关联
- 正确操作的生理特征：当儿童按规则完成动作（如站在初始数、正确转向加减方向）时，HRV 斜率平缓（低压力），EDA 峰值频率升高（高参与），表明认知负荷较低且注意力集中。
- 困惑时刻的生理特征：方向犹豫或步骤错误时（如误将负数步长理解为向前行走），HRV 与 EDA 同步升高，呈现 “高压力 - 高参与” 状态，符合耶克斯 - 多德森定律（Yerkes-Dodson Law），提示适度挑战可激发有效认知斗争。
子问题 2：推理外显与误解修正的机制
- 反馈驱动的自我修正：视觉反馈（如问题变绿）与听觉反馈（成功音效）使儿童即时识别错误。例如，解决 “-1 + -3” 时，误向后行走导致反馈缺失，儿童通过反复尝试调整动作，最终建立 “负数步长 = 向后移动” 的正确映射。
- 视角协调的认知突破：镜像化身帮助儿童将自我中心运动（行走方向）与他者中心表征（数轴左右方向）关联。如儿童在操作桌面 figurine 时，通过 “想象化身视角” 将 “向后移动” 转化为 “数轴左侧移动”，实现两种视角的融合。
结论与讨论
MOVES-NL 通过具身互动与实时反馈，有效促进儿童整数算术的概念理解，其核心价值体现在：
- 生理 - 认知关联的可视化：MMLA 揭示身体运动与压力、参与度的动态关系，为设计自适应学习环境提供依据 —— 如通过 HRV 监测及时调整任务难度，避免过度压力导致的学习挫败。
- 视角协调的教学启示：自我中心运动（行走）与他者中心操作（桌面 figurine）的递进式设计，帮助儿童构建 “动作 - 符号” 的双向映射，减少对机械规则的依赖。研究发现，引入镜像化身可使视角协调效率提升 30%，显著降低理解负整数运算的认知壁垒。
- 具身学习的普适性价值：该研究突破传统课堂的二维符号限制，证明全身运动能激活空间 - 数字联想（如 SNARC 效应[1]），尤其对数学学习困难学生（如案例中的 Evan），具身环境可通过多感官刺激弥补抽象思维短板。
这项研究为教育技术的发展指明新方向：未来学习工具需更注重 “身体参与” 与 “认知发展” 的深度整合，通过多模态数据驱动个性化学习路径，让数学学习从 “符号记忆” 转向 “具身理解”，为儿童构建更自然、更高效的知识建构通道。
