增强现实赋能科学教育：EDMV-AR体验式学习模型提升小学生学业表现与行为模式的实证研究

针对传统科学教育中体验缺失与认知脱节问题，浙江大学团队基于Kolb体验学习理论开发EDMV-AR（Experience-Decomposition-Modeling-Verification）教学模型。通过62名五年级学生的对照实验发现，该模型显著提升学生学业成绩（p<0.01）、参与度（U=18.05）及自主行为，为AR技术与科学探究的深度融合提供理论框架与实践范式。

　　

科学教育正面临前所未有的挑战：尽管国际评估显示部分国家在科学素养培养上表现突出，但传统教学方式仍难以解决学生"认知体验断层"问题。抽象的科学概念、缺乏真实情境的探究过程，使得许多孩子对科学失去兴趣。更令人担忧的是，标准化教学模式将科学探究简化为固定流程，阻碍了学生批判性思维的培养。这种困境在小学阶段尤为明显——当孩子们处于皮亚杰理论中的"具体运算阶段"时，他们需要可触摸、可交互的学习体验，而传统课堂却往往提供符号化的知识灌输。

面对这一难题，浙江大学教育学院的研究团队将目光投向增强现实（Augmented Reality, AR）技术。这种能将虚拟信息叠加到真实世界的技术，理论上可以突破时空限制，让抽象概念可视化、复杂过程可操作。但现有研究多聚焦技术实现，缺乏系统的教学设计框架。为此，研究人员创新性地将Kolb体验学习理论与AR技术结合，提出EDMV-AR四阶段模型，并在《Computers in Human Behavior Reports》发表研究成果。

研究采用混合方法设计，选取中国南方某公立小学62名五年级学生，通过准实验对比EDMV-AR组与传统教学组差异。关键技术包括：基于Elephant XR平台构建AR学习环境，开发地理单元三维地形模型；使用GSEQ 5.1进行滞后序列分析（Lag Sequential Analysis）解码行为模式；结合Mann-Whitney U检验量化学习体验差异。

5.1 学业表现
预处理平衡检验确认两组基线无差异（t=0.44）。干预后，EDMV-AR组成绩显著优于对照组（F=3.52, p<0.01），效应量η²=0.13，证实AR环境促进知识建构。

5.2 学习体验
非参数检验显示AR组在参与度（Z=42）、胜任感（Z=38）和兴趣（Z=16）维度均显著提升（p<0.01），但挑战感知无统计学差异，反映需优化认知负荷设计。

5.3 行为模式
行为编码发现AR组形成"工具交互（CA_WLT占38.64%）→小组讨论（CA_WGM）→自我调节"的闭环，而对照组依赖教师单向输入（CI_ATB占27.88%）。显著行为序列差异（14 vs 16条）表明AR重塑学习路径。

5.4 质性分析
访谈显示AR组在"沉浸感"（编码频次9）和"知识迁移"（B2频次9）上表现突出，三维注册技术有效激活先验认知图式。

这项研究突破性地实现了三个理论创新：首先，EDMV-AR模型将Kolb循环升级为"体验-解构-建模-验证"的立体认知环路，解决传统体验学习受物理环境限制的问题；其次，通过行为序列分析揭示AR环境下"多主体协同认知"机制，为分布式认知理论提供新证据；最后，提出的"结构化体验活动框架"为平衡技术负荷与教学调控提供方法论指导。

实践层面，研究证实AR不仅可作为展示工具，更能成为认知脚手架系统——当五年级学生通过手势操纵虚拟地形（如图6所示），其空间推理能力得到显著锻炼。这种"具身认知"效应，让海拔、坡度等抽象概念转化为肌肉记忆，这正是传统二维地图教学无法实现的。

研究的局限在于样本地域集中性和短期干预设计，未来可扩展跨文化比较研究。但毋庸置疑，这项成果为智能时代科学教育转型提供了关键拼图：当技术赋能与教学设计形成共振，每个孩子都将有机会像科学家一样思考，在虚实融合的世界中探索科学的奥秘。