在利用沉浸式360°视频进行学习时，参与感和沉浸式体验会提升学习者的兴趣：对CAMIL方法进行测试和扩展的可能性

《Computers & Education: X Reality》：Presence and immersive tendencies increase interest when learning with immersive 360°-videos: Possibilities for testing and extending the CAMIL

　　**Chiara Iovannitti De Araujo | Angela Jensen | Alexander Georg Büssing**
**德国特里尔大学生物与生物教育研究小组**

**摘要**
尽管已有多种理论探讨了沉浸式虚拟现实（IVR）中的学习过程，但“沉浸式学习的认知与情感模型”（CAMIL）作为理解IVR学习过程的主要模型脱颖而出。然而，仅有少数研究明确探讨了该框架的适用性，尤其是在实际学校环境中的应用。这一模型最初是作为研究综述提出的，而非实用的应用框架。为了验证CAMIL中选定变量的适用性，我们针对154名德国高中生（11-13年级）进行了实地研究，这些学生通过平板电脑或头戴式显示器（HMD）观看了360°视频。研究结果与CAMIL的预测一致：使用HMD显著增强了学生的沉浸感和兴趣，但并未带来更高的认知学习成果。此外，我们还研究了CAMIL中的变量与性别、沉浸倾向及先前知识之间的关联。性别影响了学生的沉浸感，沉浸倾向能够预测他们的学习兴趣，而先前知识则是唯一能预测学习成果的变量。尽管如此，CAMIL的整体结构仍得到了路径模型的支持；不过，包含其他变量的替代模型对数据的拟合度更高。因此，考虑个体特征（如沉浸倾向和性别）对于完善沉浸式学习理论至关重要。不过，这些变量的影响也引发了关于IVR等技术教育公平性的问题。本文讨论了这些发现及其意义，尽管当前研究仅是朝向发展更完善框架（如CAMIL）迈出的第一步。

**1. 引言**
沉浸式虚拟现实（IVR）正逐渐融入日常生活，其中360°视频是一种特殊形式的视频，它使用专用摄像机从各个方向捕捉画面（Rosendahl & Wagner, 2024）。这类视频可通过头戴式显示器（HMD）等沉浸式技术带来沉浸式体验。360°视频比虚拟环境更易于制作，使其更适合应用于课堂教学（Ranieri et al., 2022），例如用于探索学校中难以实现的自然环境（Rosendahl & Wagner, 2024）。珊瑚礁具有重要的生态、社会和经济价值，但正因人类活动而日益受到威胁（Veron et al., 2009）。由于课堂无法直接接触珊瑚礁，360°视频可提供高质量的间接自然体验（Filter et al., 2020）。尽管IVR为自然体验提供了新方式，但其学习效果尚不明确（Mayer et al., 2022）。虽然先前的研究表明更高的沉浸感能提升间接自然体验的质量（Filter et al., 2020; Kisker et al., 2019; Spangenberger et al., 2022），但其他变量受360°视频技术影响的具体程度仍不清楚。此外，关于哪些理论框架适合指导IVR学习研究及应包含哪些变量也存在争议（Fernandes et al., 2023）。Radianti等人（2020）指出，大多数研究要么未明确使用学习理论，要么借鉴了其他领域的理论（32%，如行为学习、体验学习、生成学习或情境学习）。原因在于缺乏能有效整合跨学科视角（教育学、心理学和技术）的IVR专用学习框架（Fernandes et al., 2023）。

**2. 理论背景**
**2.1. 沉浸式虚拟现实（IVR）与教育中的360°视频**
将学习媒体融入教育一直是长期研究课题。IVR在教育中的应用受到多方面关注（Atsikpasi & Fokides, 2022; Coban et al., 2022; Kavanagh et al., 2017; Pellas et al., 2021; Radianti et al., 2020）。IVR是指能够全方位包围观众的沉浸式媒体（Bailenson et al., 2008）。虽然360°视频和计算机生成的环境均可通过桌面设备观看，但真正沉浸式的体验需要使用HMD等沉浸式设备（Cummings & Bailenson, 2016）。近年来，HMD价格变得亲民，且能提供高沉浸感，因为内容直接显示在用户眼前，阻挡外界光线（Ranieri et al., 2022）。现代HMD还能追踪头部运动（例如Meta Quest 3），实现六自由度交互（Atsikpasi & Fokides, 2022）。这些技术优势既适用于计算机生成的IVR，也适用于360°视频，但360°视频在互动性方面存在局限。

**2.2. 沉浸式学习的认知与情感模型（CAMIL）**
CAMIL整合了多学科研究成果，以沉浸感和主体性为核心概念（Makransky & Petersen, 2021）。虽然其针对性优于其他理论（如CATML，Huang et al., 2022），但尚未在学校环境中进行过实际测试。该模型更多是先前研究的汇总和相关变量的集合，尚不清楚其他变量（如个体特征或先前知识）对IVR学习的影响。因此，本研究旨在（1）验证CAMIL中的选定变量，（2）探讨该框架内的关系，以及这些变量对扩展CAMIL的潜在作用。我们通过随机实验设计，研究360°珊瑚礁视频对学生兴趣和认知学习的影响。

**2.3. 测试与扩展CAMIL**
CAMIL的优势在于将其作为沉浸式学习的专用框架。与调整现有理论不同，它将沉浸感视为核心（Cummings & Bailenson, 2016）。CAMIL还涵盖了更多情感变量（如兴趣）。然而，其适用性（尤其是针对360°视频）仍存疑问。本研究将通过360°珊瑚礁视频实验验证CAMIL的假设，并探讨个体差异（如沉浸倾向）的作用。

**2.4. CAMIL中的变量**
为测试CAMIL的特定方面，我们选择了沉浸感、沉浸体验、兴趣和事实性知识学习成果作为研究变量。沉浸感指的是技术系统创造真实体验的客观质量（例如，跟随头部动作或屏蔽外部环境），而临场感则描述了人们实际上置身于所描绘环境中的感觉（Cummings & Bailenson, 2016）。根据CAMIL理论，我们将兴趣理解为一种双重体验，包括短暂的感受和长期持续的积极情感与认知倾向（Harackiewicz et al., 2016; Renninger & Hidi, 2006）。最后，事实知识代表可以清晰表达和交流的离散、独立的内容（Makransky & Petersen, 2021）。这些变量对于学习和沉浸式虚拟现实（IVR）至关重要，因此被选入我们研究的理论框架中。为了可能的CAMIL扩展，本研究还纳入了几个个体差异和人口统计特征，这些因素可能会影响学生对360°视频的体验。第一个额外因素是沉浸倾向，即个人体验沉浸感的倾向，这可能会影响IVR学习体验（Chiquet et al., 2023; Weibel et al., 2010; Witmer & Singer, 1998）。此外，我们还考虑了先前的事实知识（例如，Mulders & Tr?g, 2023）以及性别作为人口统计变量。图1展示了CAMIL理论中选定的变量之间的联系（初始变量用白色表示，新增变量用灰色表示）。

**2.5. 本研究的背景与假设**
作为本研究的内容，我们选择了珊瑚礁作为研究对象，因为珊瑚礁是物种最丰富的海洋生态系统，并且其动态变化显著（Veron et al., 2009）。人为气候变化和塑料垃圾进入海洋的现象对全球珊瑚礁产生了多种影响。例如，水温升高可能导致某些珊瑚物种白化，从而破坏共生关系（Douglas, 2003）。人为产生的二氧化碳排放会导致海水酸化，进而影响碳酸盐饱和度，最终对珊瑚礁的形成产生负面影响（Sheppard et al., 2017）。此外，塑料污染会通过造成结构损伤和增加感染风险来影响珊瑚（Lamb et al., 2018）。尽管珊瑚礁为人类提供了许多经济和生态价值（Reguero et al., 2021），但这些生态系统正受到多种人为因素的威胁。在可持续性的背景下，保护珊瑚礁具有全球重要性，而沉浸式技术为提高情感和认知学习效果提供了新的方法（Spangenberger et al., 2022）。

在本研究中，我们有两个目标：首先，我们测试了CAMIL模型在课堂环境中对学生使用360°视频的应用效果。在此目标下，我们研究了使用头戴式显示器（HMD）或平板电脑观看360°视频对CAMIL模型中选定变量的影响。根据该模型和先前研究的预测，使用沉浸式技术（即HMD）观看360°视频应能提高学生的临场感、兴趣和知识获取（H1）。因此，我们提出了以下假设：
**假设1（H1）：** 使用HMD观看360°视频可以提高学生的临场感、兴趣和知识获取。

其次，作为第二个研究目标，我们探讨了CAMIL模型变量之间的关系，并测试了其他变量是否可以作为预测因素。特别是，我们检验了学生性别（H2）、沉浸倾向（H3）和先前知识（H4）的作用，因为这些因素在其他研究中已被发现是影响临场感的重要因素（Felnhofer et al., 2012; Yoon et al., 2015）：
**假设2（H2）：** 学生报告的性别会影响他们使用HMD观看360°视频时的临场感。
**假设3（H3）：** 学生的沉浸倾向会影响他们使用HMD观看360°视频时的临场感。
**假设4（H4）：** 学生的先前知识会影响他们使用HMD观看360°视频时的临场感、兴趣和知识获取。

为了验证CAMIL模型的假设，我们还研究了数据是否反映了模型中的内在联系（H5），以及新增变量是否能使模型更加完善（H6）：
**假设5（H5）：** 这些变量符合CAMIL模型中假设的关联，其中IVR是临场感的预测因素，进而积极影响兴趣，最终预测认知学习结果。
**假设6（H6）：** 新增的性别、预测试知识和沉浸倾向变量提供了更多信息，提高了模型的拟合度。

**3. 方法**
**3.1. 实验程序与材料**
为了验证假设，我们采用定量实地研究方法，设计了标准化的前后测问卷，并采用被试间设计。数据收集于2022年10月，在三所参与学校的课堂时间内进行。所有学校都参与了包含海洋教育内容的大型项目。因此，实验程序被设计为在45分钟的课堂时间内完成。完成前测后，每个班级被分成两组。整个过程如图2所示。

由于时间和后勤原因无法将两组学生空间分离，他们通过360°视频探索了印度洋和太平洋的水下世界。实验组使用头戴式显示器（HMD；Pico G2 4K），而对照组则使用配备耳机的苹果平板电脑（iPads）。VR眼镜允许学生通过头部动作跟随展示的内容。平板电脑组的360°视角是通过设备平移实现的。尽管有研究批评媒体研究的比较方法存在问题（Buchner & Kerres, 2023），但本研究认为这种比较是合理的，因为两种设备的功能相似，仅操纵了HMD的技术属性。这类研究有助于更好地理解如何将IVR整合到课堂中，这是当前该领域的一个挑战，目前实验室研究占主导地位。

作为干预内容，我们选择了珊瑚礁作为研究对象，因为它们代表了物种最丰富的海洋生态系统，并且具有动态的构建和破坏过程（Veron et al., 2009）。人为气候变化和塑料垃圾进入海洋对全球珊瑚礁产生了多种影响。例如，水温升高可能导致特定珊瑚物种白化，破坏共生关系（Douglas, 2003）。人为产生的二氧化碳排放会导致海水酸化，改变碳酸盐饱和度，最终影响珊瑚礁的形成（Sheppard et al., 2017）。此外，塑料污染会通过造成结构损伤和增加感染风险来影响珊瑚（Lamb et al., 2018）。尽管珊瑚礁对人类具有重要的经济和生态价值（Reguero et al., 2021），但这些生态系统正受到多种人为因素的威胁。在可持续性的背景下，保护珊瑚礁是一项具有全球意义的任务，而沉浸式技术为提高情感和认知学习效果提供了新方法（Spangenberger et al., 2022）。

在本研究中，我们有两个目标：首先，我们测试了CAMIL模型在课堂环境中对学生使用360°视频的应用效果。其次，我们研究了使用HMD或平板电脑观看360°视频对CAMIL模型中选定变量的影响。基于该模型和先前研究的预测，使用沉浸式技术（即HMD）观看360°视频应能提高学生的临场感、兴趣和知识获取（H1）。因此，我们提出了以下假设：
**假设1（H1）：** 使用HMD观看360°视频可以提高学生的临场感、兴趣和知识获取。

此外，作为第二个研究目标，我们检验了CAMIL模型变量之间的关系，并测试了其他变量是否可以作为预测因素。特别是，我们检验了学生性别（H2）、沉浸倾向（H3）和先前知识（H4）的作用，因为这些因素在其他研究中已被发现是影响临场感的重要因素（Felnhofer et al., 2012; Yoon et al., 2015）：
**假设2（H2）：** 学生报告的性别会影响他们使用HMD观看360°视频时的临场感。
**假设3（H3）：** 学生的沉浸倾向会影响他们使用HMD观看360°视频时的临场感。
**假设4（H4）：** 学生的先前知识会影响他们使用HMD观看360°视频时的临场感、兴趣和知识获取。

为了验证CAMIL模型的假设，我们还研究了数据是否反映了模型中的内在联系（H5），以及新增变量是否能使模型更加完善（H6）：
**假设5（H5）：** 这些变量符合CAMIL模型中假设的关联，其中IVR是临场感的预测因素，进而积极影响兴趣，最终预测认知学习结果。
**假设6（H6）：** 新增的性别、预测试知识和沉浸倾向变量提供了更多信息，提高了模型的拟合度。

**3.2. 样本**
共有154名来自三所高中的德国学生（11至13年级）参与了本研究，他们分别被分配到两个组：平板电脑对照组（n = 77）和HMD实验组（n = 77）。147名学生（95.5%）提供了性别信息。其中2例（1.3%）未提供明确的性别信息。在剩余的145名学生中，有91名女性（59.1%）和54名男性（35.1%），平均年龄为17.16岁（标准差 = 1.01）。略超过三分之二的参与者之前看过360°视频（34.4%看过一次，35.7%看过多次），而46名学生（29.9%）尚未接触过360°视频。此外，61名学生（39.6%）表示曾通过VR眼镜观看过360°视频，而71名学生（46.1%）尚未使用过VR眼镜。在22例（14.3%）中，VR眼镜被多次用于观看360°视频。

**3.3. 测量方法**
为了回答研究问题，我们使用了多种既定的量表，除了认知学习结果外。除了测量年龄、性别和先前使用360°视频及IVR的经验等描述性统计信息外，我们还使用了Hartmann等人（2016）提出的空间临场感量表（SPES）。该量表基于Wirth等人（2007）的先前研究，将空间临场感视为一个二维概念，关注受试者的自我定位（项目1-4）和行动可能性（项目5-8）。该量表已应用于学生群体（例如，Zhu et al., 2024），并在德国版本中成功用于理解教育IVR引起的临场感（Filter et al., 2020）。这八个项目采用五点李克特量表进行回答（1 = 完全不同意，5 = 完全同意）。例如：“我感觉自己仿佛真的置身于展示的环境中。”（Hartmann et al., 2016, p. 6）。

为了衡量个人体验临场感的倾向，我们使用了Witmer和Singer（1998）提出的沉浸倾向问卷（ITQ）。如上所述，沉浸倾向代表了个人体验沉浸感的倾向（Weibel et al., 2010）。这种方法捕捉了教育IVR中发展临场感的重要因素，并已得到应用（Han, 2020）。根据最近的研究（Weibel et al., 2010），我们使用七点李克特量表（1 = 强烈不同意，7 = 强烈同意）测量了学生的投入程度。虽然这些项目此前未在德语中应用过，但我们在试点前根据专家意见进行了翻译。因子分析显示这些项目的测量效果良好。

为了测量媒体使用过程中的情境兴趣，我们使用了Renaud和Unz（2006）开发的修正版差异情感量表（M-DAS）。该量表基于Izard（2007）的情绪理论。从这个角度来看，人类可以体验到一系列基本情绪，这些情绪在文化上是普遍存在的（Izard，2007）。此外，Izard（2007）提出情绪应该在一个情绪和认知的动态系统中被感知，从而使情绪的某些方面能够被有意识地理解（有关这一主题的更多信息：Lambie & Marcel，2002）。M-DAS捕捉到了这些方面，并且已经由Renaud和Unz（2006）在德国进行了验证，并被应用于教育IVR（Frentzel-Beyme & Kr?mer，2023）。在一个五点李克特量表上（1 = 完全不强烈；5 = 非常强烈），学生们回顾性地表明他们在观看视频时感到“专注”、“集中”和“清醒”的程度（Renaud & Unz，2006，第73页）。由于没有与所选视频内容相匹配的测量方法，因此为本研究开发了一个认知学习成果量表，该量表包含七个单项选择题，每个问题有四个可能的答案，其中一个正确答案。所有问题都是直接用德语根据视频内容制定的。这些问题涉及在四个360°视频中的最后一个视频中的口头信息。所有问题在预测试和后测试中都使用了相同的形式，首先调查先前的知识，然后通过后测试结果展示学习成果。需要注意的是，用于测试认知学习效果的知识问题仅针对陈述性知识。选择这个结果变量是一个限制，我们稍后会讨论这一点。

3.4. 数据分析
我们使用RStudio版本2023.09.1 + 494来分析收集的数据，分析和复制的脚本可以在补充材料中找到。作为分析的第一步，我们检查了量表的测量质量。为此，我们通过探索性因子分析确定了有效性，并随后进行了可靠性测量，如MacDonald的ω。我们还调查了来自预测试的沉浸倾向控制变量以及作为研究组之间操作检查的参与度。在检查了这些测量结果后（这些结果在第3.5节中报告），我们继续分析假设。

我们使用均值比较测试（t检验）来检验H1。为了检验这些效应的稳健性，我们使用了WR2包中的稳健统计方法（Mair & Wilcox，2020）来检查差异。为了检验H2、H3和H4，我们使用了lavaan包中的稳健回归和路径模型来检验CAMIL（H5）及其可能扩展（H6）的假设。

为了评估模型拟合度，我们使用了与Schermelleh-Engel等人（2003）一致的几个临界值组合。非常好的拟合度由比较拟合指数（CFI）高于0.97、近似均方根误差（RMSEA）低于0.05以及标准化均方根残差（SRMR）低于0.05来表示（Schermelleh-Engel等人，2003）。我们还考虑了赤池信息量准则（AIK）和贝叶斯信息量准则（BIC），较小的值表示更好的数据拟合。为了比较两个对比模型，我们使用了lavaan包中的似然比检验（LR-Test）。

3.5. 测量结果
关于总体测量结果，各项指标显示出与文献中的理论假设相符的足够载荷（λ > 0.40）（Field，2019）。此外，Cronbach的α（>0.60）和MacDonald的ω（>0.60）的内部一致性测量也与假设相符（表1）。除此之外，我们还考虑了沉浸倾向和参与度之间的相关性以及作为控制变量的参与度作为操作检查。

关于实验组，我们发现沉浸倾向与实验组之间没有显著相关性（r = ?0.11，p > 0.05），表明该变量在各组之间是可比的（表1）。相比之下，实验组与预测试知识之间存在显著相关性（r = ?0.18，p < 0.05）。有趣的是，沉浸倾向也与预测试知识相关（r = 0.17，p > 0.05）。如图3所示，这些结果在差异测试中得到了复制，结果显示各组在沉浸倾向上没有显著差异（图3A；d = 0.22，p > 0.05），但在预测试知识上存在显著差异（图3D；d = 0.36，p < 0.05）。这些发现与各组之间可比较的假设相矛盾，但正如我们稍后将讨论的，这可能是由于基于实地研究设计的内容相关和方法学原因。由于我们更关注参与度、总体学习收益（通过两个时间点之间的差异来衡量）以及沉浸倾向——所有这些都与组分配无关——我们继续进行了进一步分析。

下载：下载高分辨率图片（425KB）
下载：下载全尺寸图片
图3. 平板组和IVR组在（A）沉浸倾向、（B）参与度、（C）兴趣、（D）预测试知识、（E）后测试知识以及（F）学习收益方面的结果概览。

4. 结果
4.1. 组间差异
如图3B和C所示，我们发现组间存在显著差异，参与度的效应量较大（d = 0.98，p < 0.001），兴趣的效应量中等（d = 0.64，p < 0.001）。对于两组来说，学生在使用HMD观看视频时报告了更高的参与度和更大的兴趣。关于知识，我们发现组间在后测试中没有差异（d = 0.14，p > 0.05），也没有总体学习收益的差异（d = 0.19，p > 0.05），尽管HMD组的总体学习收益（M = 0.09，SD = 1.05）大于平板组（M = ?0.09，SD = 0.94）。

参与度（F = 6.27，df = 91.73，p < 0.001，95% CI [?1.20, ?0.62]）和兴趣（F = 3.93，df = 91.85，p < 0.001，95% CI [?1.08, ?0.36]）的效应在稳健性测试中也显著，而预测试知识的差异并不稳健显著（F = 1.78，df = 91.68，p = 0.08，95% CI [?0.04, 0.72]）。

4.2. 研究变量的预测因素
作为下一步，我们研究了研究变量的预测因素。表2显示了因变量参与度、兴趣和学习收益的结果。总体而言，参与度由HMD组（β = 0.43，SE = 0.07，p < 0.001）和性别（β = 0.32，SE = 0.07，p < 0.001）预测。这意味着，男孩和HMD组的学生报告了更高的参与度。在下一个模型中，性别（β = 0.25，SE = 0.08，p < 0.001）和HMD组（β = 0.33，SE = 0.08，p < 0.001）也预测了学生的兴趣，沉浸倾向是另一个显著预测因素（β = 0.22，SE = 0.08，p < 0.01）。当将参与度作为兴趣的预测因素加入时，效应发生了变化，只有参与度（β = 0.48，SE = 0.08，p < 0.001）和沉浸倾向（β = 0.18，SE = 0.07，p < 0.05）显著预测了兴趣。这意味着，当不加入参与度时，性别和HMD组才是显著的，因为参与度占据了性别和HMD组解释的方差。虽然这表明了一种中介效应，我们将在下一节中进一步测试，但学习收益仅由预测试知识预测（β = ?0.59，SE = 0.06，p < 0.001）。这意味着，只有那些在干预前知识较少的学生表现出更高的学习收益。所有模型都能够解释相当数量的方差，因为模型解释了因变量方差的18%（调整后的R2 = 0.18）到39%（调整后的R2 = 0.36）。

表2. 观看视频后参与度、兴趣和学习收益的回归分析。
空单元
参与度
兴趣
学习收益
预测因素
β (SE)
β (SE)
β (SE)
β (SE)
截距
0.01 (0.07)
0.02 (0.08)
0.02 (0.07)
0.05 (0.06)
性别
0.32***
*** (0.07)
0.25***
*** (0.08)
0.09 (0.07)
0.08 (0.08)
IVR
0.43***
*** (0.07)
0.33***
*** (0.08)
0.14 (0.08)
?0.06 (0.08)
IT
0.07 (0.06)
0.22***
*** (0.08)
0.18***
(0.07)
0.02 (0.07)
知识（预）
?0.10 (0.06)
0.03 (0.10)
0.08 (0.09)
?0.59***
*** (0.06)
参与度
--
0.48***
*** (0.08)
0.06 (0.10)
兴趣
---
0.05 (0.09)
R2 (adj. R2)
0.32 (0.30)
0.20 (0.18)
0.36 (0.33)
0.39 (0.37)

4.3. 测试并可能扩展CAMIL
作为分析的下一步，我们尝试根据CAMIL对数据进行建模以检验我们的最终假设（图4）。在这方面，我们从理论上对CAMIL（原始模型）进行了建模，并将其与包含性别、预测试知识和沉浸倾向的模型进行了比较。CAMIL的初始模型在图4A中显示出良好的拟合度（χ2(6) = 89.487，p < 0.001，CFI = 1.00，RMSEA = 0.00，SRMR = 0.00，AIC = 1233.042，BIC = 1260.375），并模拟了一些联系。例如，IVR是参与度的预测因素（β = 0.44，SE = 0.07，p < 0.001），然后是兴趣的预测因素（β = 0.51，SE = 0.07，p < 0.001）。但与CAMIL的假设相反，兴趣对知识收益没有影响（β = 0.00，SE = 0.10，p > 0.05）。解释的方差在知识收益（R2 = 0.03）为3%，参与度（R2 = 0.20）为20%，兴趣（R2 = 0.30）为30%之间变化很大。

下载：下载高分辨率图片（563KB）
下载：下载全尺寸图片
图4. 变量之间的路径模型。（A）显示CAMIL中的理论变量，（B）显示包含性别、预测试知识和沉浸倾向的扩展CAMIL。仅显示显著路径。IVR = 实验组，IT = 沉浸倾向，*** = p < 0.001，*** = p < 0.01，* = p < 0.05。为了提高清晰度，图中不仅显示了间接路径（其中没有一个是显著的），所有路径都可以在补充材料中找到。

包括性别、预测试知识和沉浸倾向的替代模型也显示出更好的拟合度（χ2(15) = 184.144，p < 0.001，CFI = 1.00，RMSEA = 0.00，SRMR = 0.00，AIC = 1153.468，BIC = 1208.133）。如图4B所示，一些假设的联系和回归分析的结果得到了复制，因为性别（β = 0.31，SE = 0.06，p < 0.001）和IVR（β = 0.42，SE = 0.07，p < 0.001）预测了参与度，这又预测了兴趣（β = 0.46，SE = 0.07，p < 0.001）。与理论模型一致，兴趣再次没有预测学习收益（β = 0.06，SE = 0.08，p > 0.05），因为只有预测试知识预测了学习收益（β = ?0.58，SE = 0.06，p < 0.001）。负面效应表明，预测试中的知识较少显著增加了学习收益。此外，参与度也不是学习收益的显著预测因素（β = 0.03，SE = 0.09，p > 0.05），这与表1中显示的两个变量之间的显著相关性（r = 0.19，p < 0.05）相反。解释的方差增加了，因为现在所有变量的大约30%的方差被预测因素解释了（R2 = 0.31 – 0.35）。由于LR检验（p < 0.001），替代模型也是显著更好的模型。

作为最后一个替代模型，我们测试了一个将沉浸倾向与参与度处于同一水平的模型，当它仅由性别、IVR和预测试知识预测时。这个模型对数据的拟合度较差（χ2(18) = 191.509，p < 0.001，CFI = 1.00，RMSEA = 0.00，SRMR = 0.00，AIC = 1592.186，BIC = 1658.999），这也显著不如第一个替代模型（p < 0.001）。因此，沉浸倾向应该被视为兴趣的动态预测因素，而不是影响参与度体验的基础变量。

4.4. 参与度和沉浸倾向作为学生兴趣的预测因素
最后，我们计算了IVR、参与度和兴趣之间的中介模型，其中沉浸倾向作为中介变量，因为沉浸倾向仅是兴趣的预测因素，而包含沉浸倾向的CAMIL模型不符合数据。图5展示了中介分析的结果，显示IVR是参与度的显著预测因素（β = 0.48，SE = 0.08，p < 0.001），参与度是兴趣的显著预测因素（β = 0.52，SE = 0.07，p < 0.001）。除此之外，参与度也由沉浸倾向预测（β = 0.18，SE = 0.08，p < 0.05）。虽然处于HMD组中没有直接对兴趣的影响（β = 0.12，SE = 0.09，p > 0.05），但通过参与度作为中介变量存在总效应（β = 0.37，SE = 0.08，p < 0.001）。这些变量解释了参与度的大约20%的方差（调整后的R2 = 0.21）和兴趣的大约35%的方差（调整后的R2 = 0.35）。

下载：下载高分辨率图片（186KB）
下载：下载全尺寸图片
图5. 以空间参与度为中介的组分配对情境兴趣的中介作用结果概览。

5. 讨论
5.1. 将CAMIL应用于360°视频
关于我们的第一个假设（H1），我们发现学生的参与度和兴趣存在显著差异，但学习收益没有差异。参与度和兴趣的结果与先前的研究一致，这些研究也显示了参与度和兴趣的显著差异（Filter等人，2020）。认知学习成果的结果在某种程度上与其他研究的结果相反，其他研究显示在某些情况下学习有所增加（Allcoat & von Mühlenen，2018；Rupp等人，2019）。尽管如此，在我们的研究中，实验组也表现出更大的认知学习，但这在统计上并不显著。

可以假设几个原因导致了认知学习的缺失效应。一个原因可能是体验的新颖性。Ochs和Sonderegger（2022）用新体验的震撼性解释了他们在IVR设置中较弱的记忆测试结果，这种震撼性导致用户分心。Ray和Deb（2017）的一项研究表明，尽管沉浸式演示的特性最初可能由于新颖性而对学习表现产生负面影响，但随着时间的推移，通过习惯化效应，沉浸式学习环境中的表现可能会得到改善。这一点在我们的研究中也可能适用，因为学生们观看了多个关于珊瑚礁的视频，而问题仅针对最后一个视频提出。其中一半的学生在研究前还观看了其他360度视频。然而，研究中也可能存在方法学上的问题，例如知识题目是为本研究专门设计的。另一个原因可能是认知负荷的增加（Makransky等人，2019），但我们没有对此进行测量。此外，内容相关因素也可能起到了一定作用，因为其他研究调查了3D建模的虚拟环境（Allcoat & von Mühlenen，2018）或国际空间站的360度视频游览（Rupp等人，2019）。在本研究中，学生之前的潜水经验或期望也可能起到了一定作用，因为即使使用较不沉浸式的设备，学生们仍然能够享受这种体验。尽管如此，目前关于这些主题相关因素的知识仍然很少，因为其他研究对于相同的内容得出了截然不同的结果（Mayer等人，2022）。学习收益未出现显著差异的另一个原因可能是我们的设计决策——使用了平板电脑，而其他研究则使用了智能手机（Rupp等人，2019）。智能手机可能会带来更大的体验差异，从而解释了这种差异。最后，对照组在预测试中的知识水平已经较高。我们只能猜测这些结果的原因，但认为未来的研究应该更好地控制这些因素，例如通过为两种条件使用不同的房间或整个班级设置来进行实验（Buchner & Kerres，2023）。对于教育课程而言，这些结果具有重要意义，因为通过HMD等沉浸式媒介传播的360度视频可以提供高质量的自然接触机会（Spangenberger等人，2022），并提高学生的兴趣。例如，在开始课程时，这可能非常有用，因为在德国的传统教学中，激发学生的兴趣是非常重要的。由于本研究是在真实学校环境中进行的实地研究，因此它为文献做出了贡献，增强了结果的外部有效性，这与之前的实验室研究或其他样本研究不同（Filter等人，2020；Fauville等人，2024；Nelson等人，2020）。然而，实地研究的设计也存在局限性，因为学生们知道其他学生也经历了虚拟现实（IVR）体验。即使我们在学生观看平板电脑上的视频后允许他们使用HMD，也不能排除这种设置对他们的影响。此外，我们仅收集了使用电子设备观看视频时的情境兴趣数据，而没有确定学生对珊瑚礁及其威胁本身的兴趣程度，而这可能是长期兴趣的指标（Krapp & Prenzel，2011）。对于未来的研究，还可以探讨学生是否已经有实际的潜水经验，并将其与IVR体验进行比较。其他研究尝试通过在游泳池中使用IVR来进一步实现这种更真实的方法（Fauville等人，2021）。将IVR应用于学生认为不太吸引人的学校主题也可能很有意义。IVR体验能够激发兴趣这一事实对于进一步研究具有价值（Ranieri等人，2022）。

5.2. 额外的人口统计和个体变量的影响
通过多项稳健的回归分析，我们发现性别、沉浸倾向和预测试知识等变量对因变量有显著影响（H2-4）。性别影响了沉浸感和兴趣，而沉浸倾向仅影响了情境兴趣，预测试知识仅影响了总体学习收益。特别是性别的影响（H2）与先前的研究一致，表明男性学生在IVR中的沉浸感更强（Felnhofer等人，2012；Yoon等人，2015）。有趣的是，这种差异无法用沉浸倾向来解释，尽管这本来是一个合理的解释。然而，在我们的研究中，性别与沉浸倾向之间没有相关性。未来的研究可以进一步探讨这些影响并测试其他原因。可能是因为男孩具有不同的身份认同，包括对技术更高的亲和力。另一个原因可能是他们有更多的技术使用经验，但这不在我们的分析范围内。如果IVR进一步进入课堂，这些平等问题需要被考虑在内。关于沉浸倾向（H3），研究结果与其他研究一致，表明这些个体差异对学生对IVR的兴趣具有预测作用（Filter等人，2020）。不过，这里也发现了混合效应，尤其是对于不同变量而言。在其他研究中，作为沉浸倾向一个方面的沉浸吸收倾向也与沉浸感无关（Chiquet等人，2023；Krassmann等人，2019，第175-192页）。无论沉浸感的作用如何，这些倾向可能为CAMIL框架中沉浸式学习的作用提供了有趣的信息，因为这些倾向可能与体验IVR的兴趣相关。作为最后一个变量，预测试知识（H4）被证明是学生学习收益的相关预测因子，这与先前的研究一致（Mulders和Tr?g，2023）。这一结果可能很有意义，因为知识较少的学生从干预中获益更多。这一结果对于进一步发展CAMIL框架也很重要，因为当前版本的框架没有将先前知识或其他先入之见作为相关变量（Makransky & Petersen，2021）。因此，未来的研究可以进一步探讨先入之见对学习成果的影响。这对于更复杂的话题也很有趣，因为在这些话题中，先前知识可能会影响认知负荷（Lui等人，2020）。这些研究还应使用更全面的认知学习成果测量方法，例如结合测试、绘画或开放式问题。然而，这些变量的影响也可能引发关于新技术公平性的问题。例如，如果一半的孩子无法充分发挥新技术的潜力，那么新技术可能会带来什么后果值得探讨。在IVR的设计方面，进一步研究如何教育性地支持女学生也很有趣，尽管需要先研究其对学习的影响。至少根据我们的数据，这可能与沉浸倾向的差异无关。然而，还需要进一步研究以更好地理解CAMIL框架中的相互作用，这也是我们最后两个假设的目标。

5.3. 测试和可能的CAMIL扩展
关于我们的最终假设，我们研究了数据在多大程度上符合CAMIL框架的结构（H5），这是少数专门针对沉浸式技术学习的模型之一（Makransky & Petersen，2021）。总体而言，模型与数据拟合得很好，表明模型的整体适用性与假设一致。然而，结果显示兴趣与学习收益之间没有相关性，因为只有预测试的知识是学习收益的显著预测因子。这一点通过包含性别、沉浸倾向和预测试知识等额外变量的替代模型（H6）得到了进一步证实。该模型与数据的拟合度更高，这可能对框架的进一步发展具有重要意义。首先，整体的拟合度可能很有意义，因为CAMIL尚未经过广泛的实地测试。但对于沉浸式学习来说，结果可能令人失望，因为沉浸感（尽管存在双变量相关性）和兴趣都无法预测学习收益。与认知学习成果一样，本研究在测量认知学习成果时存在方法学和内容相关方面的限制，因此应谨慎推广结果，并需要进一步研究CAMIL的应用。不过，这项研究为模型可能的动态方面提供了证据，因为其他研究也显示了与CAMIL结构的不同之处（Petersen等人，2022）。从这个角度来看，CAMIL可以被视为先前研究的综合，而不是一个真正的教学应用模型。特别是我们的替代模型结果非常有趣，因为性别、沉浸倾向和预测试知识可能是IVR学习中的相关变量。最后需要指出的是沉浸感的中介作用。除了我们的假设外，我们还能够更深入地识别实验组、沉浸感和兴趣之间的关系，其中沉浸倾向是一个协变量。结果显示，沉浸感和沉浸倾向都预测了兴趣。更重要的是，只有将沉浸感作为中介变量时，我们才能发现IVR对兴趣的影响。这可以解释多个变量之间相对动态的关系，这在CAMIL框架中尚未体现，但代表了我们研究的一个重要发现。

6. 结论
6.1. 含义和期望
结果显示，实验组的沉浸感和兴趣显著高于对照组，尽管存在描述性差异，但这并未转化为显著更高的学习收益（H1）。尽管如此，研究仍确定了性别（H2）、沉浸倾向（H3）和预测试知识（H4）作为IVR学习的潜在相关变量。此外，数据还符合CAMIL的整体结构（H5），但与包含性别、沉浸倾向和预测试知识的扩展模型（H6）的拟合度更高。基于此，CAMIL可以为使用HMD的360度视频的应用提供参考。性别、沉浸倾向和预测试知识等变量对IVR学习很重要，因为它们是需要考虑的相关因素。当并非所有学习者都能从新技术（如IVR）的整合中受益时，这可能对教育公平性产生重要影响，因此建议制定适当的教学策略。最后，应基于这些变量之间的动态关系来理解它们。有趣的是，性别与沉浸倾向之间没有相关性，这可以解释男女生之间沉浸感的差异。尽管如此，沉浸倾向与预测试知识之间存在双变量相关性。这可能是由于方法学限制，但值得进一步研究。即使这些结果进一步解释了IVR对学习的作用，还需要进一步研究这些变量在保护方面的作用，这与珊瑚礁研究主题相关（Nelson等人，2020；Spangenberger等人，2022）。此外，未来的研究应使用更好的方法来测量认知学习成果，例如结合测试、绘画或开放式问题等不同形式。然而，这些变量的影响也可能引发关于新技术公平性的问题。例如，如果一半的孩子无法充分利用新技术，那么新技术的后果值得探讨。在IVR的设计方面，需要进一步研究如何教育性地支持女学生，尽管需要先研究其对学习的影响。至少根据我们的数据，这可能与沉浸倾向的差异无关。然而，还需要进一步研究以更好地理解CAMIL框架中的相互作用，这也是我们最后两个假设的目标。

6.2. 测试和可能的CAMIL扩展
关于我们的最终假设，我们研究了数据在多大程度上符合CAMIL框架的结构（H5），这是少数专门针对沉浸式技术学习的模型之一（Makransky & Petersen，2021）。总体而言，模型与数据拟合得很好，表明模型的整体适用性与假设一致。然而，结果显示兴趣与学习收益之间没有相关性，因为只有预测试的知识是学习收益的显著预测因子。替代模型进一步证实了这一点，该模型包含了性别、沉浸倾向和预测试知识等额外变量（H6），其与数据的拟合度更高，这可能对框架的进一步发展具有重要意义。首先，整体的拟合度可能很有意义，因为CAMIL尚未经过广泛的实地测试。但对于沉浸式学习来说，结果可能令人失望，因为沉浸感和兴趣都无法预测学习收益。与认知学习成果一样，本研究在测量认知学习成果时存在方法学和内容相关方面的限制，因此应谨慎推广结果，并需要进一步研究CAMIL的应用。不过，这项研究为模型可能的动态方面提供了证据，因为其他研究也显示了与CAMIL结构的不同之处（Petersen等人，2022）。从这个角度来看，CAMIL可以被视为先前研究的综合，而不是一个真正的教学应用模型。特别是我们的替代模型结果非常有趣，因为性别、沉浸倾向和预测试知识可能是IVR学习中的相关变量。最后需要指出的是沉浸感的中介作用。除了我们的假设外，我们还能够更深入地识别实验组、沉浸感和兴趣之间的关系，其中沉浸倾向是一个协变量。结果显示，沉浸感和沉浸倾向都预测了兴趣。更重要的是，只有将沉浸感作为中介变量时，我们才能发现IVR对兴趣的影响。这可以解释多个变量之间相对动态的关系，这在CAMIL框架中尚未体现，但代表了我们研究的一个重要发现。

6.3. 结论
6.1. 含义和期望
结果表明，实验组的沉浸感和兴趣显著高于对照组，尽管存在描述性差异，但这并未转化为显著更高的学习收益（H1）。尽管如此，研究仍确定了性别（H2）、沉浸倾向（H3）和预测试知识（H4）作为IVR学习的潜在相关变量。最后，数据还符合CAMIL的整体结构（H5），但与包含性别、沉浸倾向和预测试知识的扩展模型（H6）的拟合度更高。基于此，CAMIL可以为使用HMD的360度视频的应用提供参考。此外，性别、沉浸倾向和预测试知识等变量对IVR学习很重要，因为它们是需要考虑的相关因素。当并非所有学习者都能从新技术（如IVR）的整合中受益时，这可能对教育公平性产生重要影响，因此建议制定适当的教学策略。最后，应基于这些变量之间的动态关系来理解它们。有趣的是，性别与沉浸倾向之间没有相关性，这可以解释男女生之间沉浸感的差异。尽管如此，沉浸倾向与预测试知识之间存在双变量相关性。这可能是由于方法学限制，但值得进一步研究。即使这些结果进一步解释了IVR对学习的作用，也可以进一步研究这些变量在保护方面的作用，这与珊瑚礁研究主题相关（Nelson等人，2020；Spangenberger等人，2022）。此外，未来的研究应使用更好的方法来测量认知学习成果，因为不能排除这是导致效果缺失的原因之一。例如，我们没有将认知负荷作为变量纳入研究，而先前的研究曾用它来解释认知学习成果的缺失效应（Mayer等人，2022）。最后，鉴于IVR的特定情境性质（Radianti等人，2020）和自我报告量表的使用，所有结果都应谨慎推广。特别是这一点可能对进一步的研究很有意义，因为生理测量也能够让我们从更过程化的角度来理解交互式视频学习（IVR）中的学习现象（Lui等人，2020年；Radhakrishnan等人，2023年）。这还可以包括其他情绪测量，例如兴趣。虽然Izard（2007年）将兴趣视为一种基本情绪，但其他理论框架在方法上有所不同，这可能会导致不同的研究结果。此外，可以从特质和状态的角度来研究兴趣，并关注内容或媒介本身。当前的研究没有区分这些方面，而这对于未来的研究可能是重要的。选择CAMIL框架也可能是一个局限性，因为在认知-情感学习理论的历史中还有其他相关框架（Huang等人，2022年），即使CAMIL框架是基于这些框架建立的。

6.2. 展望
如前所述，未来研究有几个亟待解决的问题。除了需要进一步推广研究结果（例如将其应用于其他主题并在其他研究中进行复制）之外，改进方法以解决自我报告的问题也可能很有成效。未来的研究可以通过定性调查来补充现有的研究设计，了解学生的学习体验。此外，可以使用不依赖于自我报告的其他更精细的方法来测量情感变量，如生理测量（Horvers等人，2021年；Lui等人，2020年；Radhakrishnan等人，2023年）。特别是，“什么是存在感”以及如何测量存在感，目前是一个研究热点（Krassmann等人，2023年）。这也涉及到哪些存在感方面对IVR体验是重要的（Cummings & Bailenson，2016年）。因此，测量存在感的特定方面可能会影响研究结果，所以在解释结果时需要考虑到这些细微差别。此外，进行更长期的研究以探讨可能的习惯化效应及其对学习结果的影响也可能很有帮助（Ray & Deb，2017年）。这还可以包括这样一个问题：具有更高情境兴趣的学生是否会有更好的长期学习成果。

总的来说，这项研究进一步阐明了CAMIL框架在360°视频中的应用潜力，即更好地理解变量之间的联系以及性别、沉浸倾向和先前知识等额外变量的作用。因此，这些结果可能对进一步发展CAMIL框架具有重要意义，因为CAMIL框架已经在其他研究中得到了验证。例如，Petersen等人（2022年）发现了认知负荷对物理存在感的影响，并改变了变量的初始排序。然而，应该记住CAMIL作为一个综合先前研究的框架的本质。只有通过进一步的研究，才能确定这些结果在多大程度上可以被复制，并可能进一步发展这一框架或其他框架，以理解IVR中的成功学习机制。

7. 关于开放数据和伦理的声明
根据特里尔大学的国家和机构指南，我们没有寻求外部伦理审查委员会的审查，因为本研究遵循了所有相关指南，包括参与的自愿性和参与者在任何时候的匿名性。此外，所有参与者都明确表示同意参与本研究。由于这项研究是关于珊瑚礁和海洋学习作用的教育项目评估的一部分，该项目是由学校作为课外活动邀请进行的，因此我们获得了地区学校管理部门的积极支持。为了保护参与者的隐私，所有数据都以匿名形式存储，并且事先已经告知了数据的使用目的。

CRediT作者贡献声明：
Chiara Iovannitti De Araujo：撰写——原始草稿、方法论、调查、数据分析、概念化。
Angela Jensen：撰写——审阅与编辑、监督、资源管理。
Alexander Georg Büssing：撰写——审阅与编辑、可视化、项目管理、数据分析、概念化。