对用于网络异常检测的监督机器学习技术进行的一项严谨的比较研究：来自UNSW-NB15数据集的实证见解 Nouf Alkhater

《Computers》：A Rigorous Comparative Study of Supervised Machine Learning Techniques for Network Anomaly Detection: Empirical Insights from the UNSW-NB15 Dataset Nouf Alkhater

　　摘要：尽管动作捕捉已成为当代动画制作流程中不可或缺的一部分，但大学教学仍然要求学生主要通过基于屏幕的关键帧技术来学习动作。为了解决这一差距，这项基于课堂的比较研究评估了一个在沉浸式动作捕捉支持下的结构化动作设计课程。68名计算机动画专业的本科生在两种不同的条件下完成了相同的任务：一种是关键帧条件（n = 33），另一种是VR-动作捕捉条件（n = 35），唯一的区别在于教学方式。创造性表现通过原创性、流畅性、美学质量、清晰度和综合得分来进行评估。多变量分析（MANOVA）显示条件之间存在显著的多变量效应（Pillai’s trace = 0.454，F(4, 63) = 13.12，p < 0.001）。与关键帧教学相比，VR-动作捕捉在原创性、流畅性、清晰度和综合表现方面显著更高，而美学质量方面没有显著差异。补充的小组访谈表明，学生认为沉浸式条件更具吸引力、更直观，并且更适合即时反馈和动作探索。因此，沉浸式VR-动作捕捉在动作设计的早期阶段最为有用，它更适合作为传统关键帧教学的补充，而不是替代。

1. 引言
计算机动画教育是一个长期且高度整合的过程，它结合了艺术敏感性、技术能力和基于表现的理解。特别是在角色动画领域，学生不仅需要掌握形式、节奏、动作韵律、表演意图和叙事表达，还需要将这些能力转化为数字制作环境中的可执行动画工作流程[1,2,3]。传统的角色动画培训长期以来基于观察、绘画、身体力学和表演意识，其最终目标不仅是让角色动起来，还要让这种动作看起来有意图、富有表现力且可信[1,2,4]。然而，随着计算机图形技术和数字流程越来越多地进入大学课堂，动画教育也面临新的挑战：尽管动作捕捉（MoCap）和虚拟现实（VR）现在被广泛应用于动画、游戏、动作分析和以表演为导向的数字媒体中，但它们在动画课程中的教学整合仍然不均衡，且往往缺乏理论支撑[5,6,7]。
动画教育中的一个持续问题是基础动画培训与基于软件的教学之间的差距。虽然动画的十二原则仍然是3D动画的核心，因为它们涉及节奏、动作结构和视觉可信度[1,8]，但学生往往在没有充分理解动作作为表达、表演和身体交流的基础上学习软件操作[4,9]。因此，角色动画本质上是跨学科的，不仅涉及技术技能，还涉及表演、解剖学、心理学和人类行为观察[10,11]。正如Hooks[2]和Kennedy[12]所指出的，动画动作不仅仅是技术输出或原始数据，而是由意图、感知和情境塑造的表现。这些观点表明，角色动画教育应该超越单纯的工具培训，将动作理解、身体感知、空间判断和表演逻辑整合到一个更连贯的教学结构中。因此，本文重点探讨了沉浸式VR和动作捕捉作为计算机动画实践和培训的教学支持工具的应用。

然而，新兴技术的教育价值在引入时往往被夸大了。像MoCap和VR这样的工具经常因其新颖性和技术能力而受到重视，而媒体的关注和营销可能会在实际学习效果得到验证之前就抬高人们的期望[13,14]。在这种情况下，动作捕捉逐渐成为连接课堂学习和行业实践的桥梁。动作捕捉最初是为医学、体育、法律和动作分析开发的，后来成为计算机动画和游戏中的重要工具[5]，硬件和软件的进步使其在教育环境中更加易于使用[15,16]。因此，本研究的首要目标是设计和开发一个用于动画培训的沉浸式动作捕捉学习环境。
另一个问题是MoCap是否真的能够支持角色动画学习中的创造力。捕捉到的动作并不会自动变成富有表现力的动画，因为表演不仅取决于动作的准确性，还取决于意图、情感和角色理解[2,12]。Mou[17]进一步指出，关键帧技术和动作捕捉可能支持创造力的不同维度：关键帧技术可能更好地支持不寻常的动作创意，而动作捕捉可能更好地支持生成更多有效的动作选项。这意味着MoCap的价值不能仅通过效率或真实性来评判，而应通过它如何支持学生探索和创造动作来衡量。因此，本研究的第二个目标是考察沉浸式动作捕捉学习环境是否比传统的基于关键帧的教学更能支持动画动作设计中的创造力。

本研究的贡献有三个方面。首先，它在真实的本科动画课程中，而不是在实验室或仅限原型的环境中，提供了沉浸式VR-动作捕捉支持的教学与传统关键帧教学之间的课堂比较。其次，它将创造性动作设计表现化为一个包含原创性、流畅性、清晰度和美学质量的多维构念，从而进行了比单一得分创造力比较更细致的分析。第三，它表明VR-动作捕捉的教育价值是选择性的，而不是普遍适用的，从而超越了简单假设技术优越性的观点。与主要从真实性、参与度或工作流程效率角度讨论VR或MoCap的研究不同，当前框架探讨了沉浸式、身体化的教学如何以不同的方式支持动作设计中的不同创造性成分。

总之，第一个研究目标是设计一个用于动画培训的沉浸式动作捕捉学习环境，而第二个目标是考察这种方法是否比传统的基于关键帧的教学更能支持动画动作设计中的创造力。因此，本研究提出了以下研究问题：
RQ1：沉浸式动作捕捉支持的教学是否比基于关键帧的教学更能增强计算机动画动作设计中的创造力？
RQ2：沉浸式动作捕捉支持的教学和基于关键帧的教学在原创性、流畅性、清晰度和美学质量等创造性维度上有哪些差异？

2. 文献综述
2.1. 传统角色动画培训
传统角色动画培训仍然是动画教育的概念基础。早期的学术研究强调，可信的动画不仅取决于技术执行，还取决于绘画、解剖学、身体力学、节奏、夸张和表演敏感性[1,2,3]。这些原则在数字制作中仍然重要：Lasseter[8]认为它们直接适用于3D动画，Musa等人[9]也指出，糟糕的计算机动画往往反映了在这些基础上的不足。同时，学者们提醒说，传统原则有时被当作公式化的规则来教授，而不是作为对动作的感知和身体化理解[4]。因此，角色动画本质上是跨学科的，涉及技术技能以及表演、解剖学、心理学和人类行为观察[10,11]。正如Hooks[2]和Kennedy[12]所指出的，动画动作不仅仅是技术输出或原始数据，而是由意图、感知和情境塑造的表现。这些观点表明，角色动画教育应该超越单纯的工具培训，将动作理解、身体感知、空间判断和表演逻辑整合到一个更连贯的教学结构中。因此，本文重点探讨了沉浸式VR和动作捕捉作为计算机动画实践和培训的教学支持工具的应用。

2.2. 教育中的动作捕捉技术
动作捕捉技术从医学、体育和动作分析的专业技术发展成为数字动画和游戏制作中的重要工具[5,7]。因此，它越来越多地被引入教育环境，作为连接课堂学习和行业实践的桥梁[15,16,19]。现有研究表明，动作捕捉可以通过使动作更加具体化、提高学生对制作流程的理解，并使学生能够更直接地与身体动作互动来支持动画培训[15,16]。最近的研究还将动作捕捉视为一种沉浸式和跨学科的学习媒介，而不仅仅是一个技术工具[19,20]。同时，文献表明，动作捕捉并不总是有效的，也不能简单地替代传统方法。它的教育价值取决于如何将其整合到教学中，目标学习是什么，以及如何解释、编辑和将捕捉到的动作转化为富有表现力的动画[5,17,21]。学者们还强调，可信的动画动作不仅取决于动作的准确性，还取决于意图、表演和表演逻辑[2,12,22]。除了动画领域，其他教育领域的研究进一步表明，当适当情境化时，动作捕捉可以支持认知、心理运动和情感学习[23,24,25]。从这个意义上说，动作捕捉包含了几项可能增强学习和动画培训成果的关键要素，包括身体动作输入、实时反馈、工作流程可见性和基于表现的探索。

2.3. 教育中的虚拟现实技术
虚拟现实已成为一种重要的教育技术，因为它可以在空间组织的虚拟环境中创造沉浸感、互动性和身体参与[13,26,27]。与传统基于屏幕的学习相比，VR允许学习者在虚拟空间内体验和探索信息，这对于涉及空间和身体理解的任务尤为重要[28,29,30]。这对于动画教育尤其重要，因为在动画中，动作必须被理解为一个时空和身体化的事件，而不仅仅是纯粹的视觉序列。关于身体认知的研究进一步支持了VR的教育相关性。认知与身体动作和环境互动密切相关[31]，有效的沉浸式学习不仅依赖于视觉沉浸，还依赖于有意义的身体互动[27,32]。在艺术和设计教育中，沉浸式环境可以加深学习者与内容的身心关系，并支持对空间表现的更直接理解[33]。同时，文献也指出，VR的效果并不总是自动产生的；其价值取决于它与学习目标和教学设计的匹配程度[13,29]。对于动画教育来说，核心问题是VR是否能够更好地支持空间中动作的感知、评估和设计。

2.4. 动作设计中的创造力
创造力是动画教育的核心目标，但在动作设计中需要以操作性的方式定义。在创造性研究中，创造性成果通常从新颖性和适当性两个方面来理解[34]。对于角色动画来说，这意味着动作不仅应该是原创的，还应该是可读的、可行的，并且适合角色和场景。因此，动作设计中的创造力是多维的，而不是模糊或纯粹主观的。现有创造力研究特别强调原创性和流畅性[34,35]，而设计研究进一步表明，质量和沟通价值也必须考虑[36]。这对于动画尤为重要，因为一个动作可能新颖但不清晰，或者想法丰富但在表现上缺乏连贯性。因此，本研究通过四个维度来定义动作设计中的创造力：原创性、流畅性、清晰度和美学质量。这一定义也与研究表明动作和身体化探索可以塑造创造性思维的研究一致[37]，以及Mou[17]发现关键帧技术和动作捕捉可能在动画学习中支持不同的创造力维度。

2.5. 本研究
本研究描述了一项基于课堂的比较研究，设置在虚拟角色动画课程中。它考察了沉浸式VR-动作捕捉支持的教学是否比传统的基于关键帧的教学更有效地支持学生的创造性动作设计表现，以及在特定的创造力维度上是否存在差异。为了实现这些目标，本研究采用了定量比较设计，评估了原创性、流畅性、美学质量和综合创造力得分的组间差异，因为核心研究问题是比较相似课堂条件下创造性成果的可测量差异。这种定量比较还通过采访选定的VR-动作捕捉学习者进行了补充，这有助于考察共享的沉浸式学习体验，以及学生如何感知身体化互动、即时性、参与度和创造性探索，这些都是动画学习中的体验方面，仅靠数字评分无法完全解释。

3. 方法
3.1. 目标
创造性动作设计需要新颖性和适当性：动画师必须生成多个合理的动作选项，然后选择那些最能传达角色、意图和戏剧意义的选项。与发散思维的传统一致，动作中的创造力可以通过可观察的指标来操作化，如原创性、流畅性和包括清晰度/可读性和美学吸引力在内的质量标准。然而，尽管沉浸式技术在动画教育中越来越被使用，但计算机动画课程仍然很少提供经过验证的教学工作流程，来展示身体化或沉浸式学习体验如何转化为可衡量的创意表现提升。为了填补这一理论和实践上的空白，本研究开发了一个以沉浸式动作捕捉（MoCap）为导向的培训模块，用于本科动画教学，并对其有效性进行了初步评估，特别关注动作设计学习的沉浸式传递方式。

3.2. 材料与方法
本研究采用了设计与开发方法[38]。设计与开发研究是一种系统化的方法，关注教育产品、教学模型或学习环境的创建、改进和评估。开发了一个沉浸式培训模块（如图3和表1所示），经过测试并不断改进，以便应用于本科计算机动画课程。该模块在不同的虚拟课堂环境中实施，并设计为将基于MoCap的实践与经典动画原则和动作设计目标相结合。图3：(a) 基于VR的界面元素设计，(b) UE5蓝图，(c) 参与者体验。表1. 培训模块的设计框架和教学阶段。

3.2.1. 样本
参与者是一所综合性亚洲大学中注册了计算机动画相关课程的本科生。比较了两种教学条件：传统的关键帧条件（n = 33）和沉浸式VR-MoCap条件（n = 35）。大多数参与者年龄在19至22岁之间。由于所有参与者都是教学语言的母语者，实验说明和学习材料都用他们的母语呈现。此外，所有参与者之前都接受过Autodesk Maya的培训，因此在三个条件之间具有共同的3D动画软件使用经验基线。样本中对虚拟现实的先前接触有限。43名参与者表示没有使用过VR，14名表示使用过一次，11名表示使用过两次或更多次；没有参与者报告在研究前有过超过三次的VR体验。人口统计等值性检查显示，两组在性别分布（χ2(1) = 0.92, p = 0.338）或自我报告的先前经验水平（Mann–Whitney U = 545.00, p = 0.659）上没有显著差异。然而，VR-MoCap组的平均年龄略低于关键帧组（VR-MoCap：M = 20.74, SD = 0.70；关键帧：M = 21.21, SD = 0.78），Welch’s t(64.20) = ?2.60, p = 0.011。因此，年龄与性别和先前经验一起被作为控制变量纳入了稳健性分析中。

3.2.2. 程序
研究是在一个结构化的动作设计课程中进行的。两组接受了相同的教育内容并完成了相同的创造性任务。两个条件之间的关键区别在于教学动作参考的呈现方式和学习环境。关键帧组通过标准的2D显示器观看课程，并通过传统的、非沉浸式的工作流程进行学习。相比之下，VR-MoCap组通过沉浸式VR呈现结合了身体化的MoCap导向互动来体验相同的教育内容。课程结束后，参与者单独完成了创造性的动作设计任务。他们的任务结果从四个创意维度进行评估：原创性、流畅性、美学性和清晰度。为了分析目的，还通过将四个维度的得分相加计算出了综合总创意得分。图4展示了培训程序的概览。

4. 结果
4.1. 人口统计组差异
两组在基线特征上大体相当。在性别分布上没有发现显著的组间差异，χ2(1) = 0.92, p = 0.338。同样，关键帧组和VR-MoCap组在先前经验水平上也没有显著差异，Mann–Whitney U = 545.00, p = 0.659。观察到了轻微的年龄差异，VR-MoCap组的平均年龄略低于关键帧组，Welch’s t(64.20) = ?2.60, p = 0.011。基于这一结果，年龄与性别和先前经验一起被纳入了后续的稳健性分析中。

4.2. 组间在创意培训结果上的差异
四个创意指标在当前样本中表现出良好的内部一致性（Cronbach’s α = 0.84），支持它们被视为更广泛的创意表现结构的相关方面。综合MANOVA显示，教学条件对综合创意结果有显著的多元效应，Pillai’s trace = 0.454, F(4, 63) = 13.12, p < 0.001。这一结果表明，关键帧组和VR-MoCap组之间的整体创意表现有显著差异。后续的Welch’s t检验（采用Holm调整）显示，VR-MoCap组的参与者在原创性、流畅性和清晰度上的得分显著高于关键帧组。组间在美学性上的差异方向符合预期，但未达到统计显著性。综合总得分在VR-MoCap组中也显著更高。如表2所示，清晰度和流畅性的效果最为显著，其次是综合总得分和原创性。稳健性分析也得出了相同的实质性模式。当将年龄、性别和先前经验作为协变量时，教学条件的多元效应仍然显著，Pillai’s trace = 0.451, F(4, 60) = 12.34, p < 0.001，表明观察到的组间差异不能由基线人口统计变异解释。

4.3. 参与者对MoCap设计的态度
为了补充定量发现，研究还探讨了参与者对基于MoCap的设计学习的态度。对VR-MoCap条件下的部分学生进行了小组访谈，因为这种形式适合考察共享的沉浸式学习体验。这使参与者能够反思培训过程中的具体时刻，回应彼此的评论，并表达关于MoCap如何支持动画动作设计的共同和不同观点。总体而言，大多数参与者认为MoCap体验具有吸引力、直观性，并且不同于传统的关键帧教学。他们经常提到即时反馈、更强的身体参与度、更大的创意灵活性以及改进的合作性是MoCap条件的主要优势。参与者经常提到MoCap的直观和身体化特性。与通常依赖操作控制器和手动调整姿势的关键帧动画相比，MoCap允许学生直接使用自己的身体生成动作。参与者觉得这使得动作设计更加即时和易于理解，特别是对于初学者或觉得软件操作困难的学生。一些学生还指出，身体动作与虚拟角色表现之间的实时映射增强了他们的存在感，使学习过程更加生动。

4.4. 数据分析
所有研究变量都计算了描述性统计量。使用Pearson的卡方检验检查了人口统计变量上的组间等同性，使用Welch的独立样本t检验检查了年龄，使用Mann–Whitney U检验检查了先前经验水平[39]。由于原创性、流畅性、美学性和清晰度代表相关但不同的创意表现维度，主要的组间分析使用了单因素多元方差分析（MANOVA），以教学条件（关键帧 vs. VR-MoCap）作为自变量，四个创意维度作为因变量。由于其稳健性，Pillai’s trace被用作主要的多元统计量。当总体多元效应显著时，对每个创意维度进行了后续的独立样本t检验。为了控制四个子量表比较中的I型错误家族误差，报告了p值。综合总创意得分使用Welch的t检验进行了单独分析，因为它直接来自四个子量表。作为稳健性检查，还估计了控制年龄、性别和先前经验的协方差调整模型。“动作捕捉（MoCap）让我能够更快地模仿和创造。”参与者I说：“使用MoCap时，我更愿意尝试夸张的动作，这提高了创造力和表现力。”另一个主题涉及动机、情感投入和角色共鸣。许多学生报告说，MoCap让他们感到更加投入到创作过程中，因为他们不仅仅是从外部操作角色，而是通过表演暂时‘成为’了角色。这种身临其境的体验似乎增强了与动画角色的情感共鸣。一些学生将虚拟角色描述为他们的‘影子’，而其他人则表示，看到自己的动作转移到角色身上帮助他们更清晰地理解角色的性格、情感或戏剧状态。参与者J说：“当我进行动作捕捉录制时，虚拟角色感觉就像我的影子。”参与者K说：“我做角色做的事，角色也做我做的事。我觉得自己仿佛置身于剧本和角色设定之中。”参与者L说：“当我之后观看动画时，感觉我和角色在情感上产生了联系。”团队合作是受访者反复提到的另一个优势。由于基于MoCap的制作涉及演员、导演、场景准备、技术设置和反复的动作调整，学生们觉得设计过程比传统的个人计算机动画工作更具集体性。参与者解释说，实时反馈鼓励了团队成员之间的讨论、协商和即时修改。从这个意义上说，MoCap不仅是一种生成动作的工具，也是一个促进动画设计期间沟通和共同解决问题的框架。参与者M说：“动作捕捉促进了团队沟通。每个部分都是相互关联的，每一步都需要协调。”参与者N说：“这种制作方法给了小组成员更多的合作机会。”参与者O说：“在录制情感动作时，我们会一起讨论不同的身体表现方式，然后再选择最终的表现。”尽管总体反应积极，但一些参与者也指出了MoCap的一些局限性。这些包括穿着捕捉服的不便、在他人面前表演时的尴尬、需要反复校准、复杂动作的准确性有限，以及缺乏道具或足够大的空间。一些学生还指出，尽管MoCap高效且富有表现力，但某些夸张的、危险的或高度风格化的动作仍然需要后期调整，或者无法仅通过现场表演完全实现。参与者P说：“最具有挑战性的是穿着动作捕捉服。一开始感觉很尴尬，但我逐渐适应了。”参与者Q说：“在录制复杂动作时，准确性有时不高，需要重新校准。”参与者R说：“一些危险或高度夸张的动作无法直接完成，必须进行模拟或改造。”访谈结果表明，学生认为沉浸式的MoCap支持的教学比传统的关键帧教学更具吸引力、效率和创造性支持。参与者将MoCap与更强的身体沉浸感、更快的想法生成、更清晰的动作反馈和更积极的合作联系起来。在某种程度上，这些反应可以与具身认知理论相联系，该理论强调理解与身体动作和感觉运动体验密切相关，而不仅仅是抽象操作[31]，以及体验式学习，即知识通过行动、反馈和修改来发展[40]。学生们反复提到沉浸感和直接参与，这也符合沉浸式虚拟环境中的存在感，特别是在互动过程中‘身临其境’的感觉[41]。同时，访谈结果表明，在MoCap条件下，创造力不仅是个体行为的结果，还经常受到小组讨论、协调和共同调整的支持，这也与创造性实践可以通过合作产生的观点一致[42]。然而，参与者也认识到实际和技术上的限制，这些需要在未来的教学设计中得到解决，包括更好的设备、更多的动作指导、更丰富的道具和更灵活的制作支持。这些定性回应为定量结果提供了有用的背景支持，特别是VR-MoCap条件在原创性、流畅性、清晰度和整体创造性表现方面的优势。

5. 讨论
本研究探讨了沉浸式MoCap支持的教学是否比传统的基于关键帧的教学在计算机动画学习环境中更能支持动画动作设计的创造力。研究结果表明，沉浸式VR-MoCap条件与更高的整体创造性成果相关，尤其在原创性、流畅性和清晰度方面有显著优势。相比之下，在审美质量方面没有发现显著的组间差异。这些结果表明，沉浸式教学可能比其他方面更有效地支持某些维度的创造性动作设计学习。第4.2节报告的结果显示，VR-MoCap条件的优势并非微不足道，而是有规律的。总体多变量效应在统计上是显著的（Pillai’s trace = 0.454, F(4, 63) = 13.12, p < 0.001），并且在控制了年龄、性别和先前经验后，相同的实质性模式仍然存在（Pillai’s trace = 0.451, F(4, 60) = 12.34, p < 0.001），这加强了观察到的差异与教学条件相关而非基线变异的解读。更重要的是，这些效应是有选择性的，而不是均匀的。最大的收益出现在清晰度（Hedges’ g = 1.41, Holm-adjusted p < 0.001）和流畅性（g = 1.25, Holm-adjusted p < 0.001）方面，其次是综合得分（g = 1.09, p < 0.001）和原创性（g = 0.73, Holm-adjusted p = 0.007），而审美质量只显示出微小且不显著的差异（g = 0.38, p = 0.118）。这种分布很重要，因为它反驳了沉浸式技术平等增强动画创造力所有方面的简单说法。一个更合理的解释是，沉浸式VR-MoCap主要支持了多种动作可能性的生成和空间中动作的可读性。这种模式部分与早期研究一致，但也有所扩展。Mou [17] 报告称动作捕捉支持流畅性，而关键帧工作在原创性方面提供了稍强的支持，并部分解释了这一结果是由于学生能够手动操纵更极端的姿势。当前的研究结果与早期关于流畅性的研究一致，但并未再现原创性的劣势。相反，在VR-MoCap条件下，原创性显著更高。这种差异表明，原创性并不天然受益于关键帧技术，而是取决于动作捕捉实践的设计方式。当MoCap主要被视为一种记录工具时，学生可能会保持接近习惯性或自然的动作模式。当它被嵌入到鼓励身体即兴创作、即时重拍和空间评估的沉浸式课程中时，也可以激发新颖性。这一解释得到了小组访谈的支持，学生们将沉浸式条件描述为更直接、高效和支持即兴创作和意外想法的。这也与早期研究（Wang等人，2011年）[16] 的观点一致，即当学生通过实践和反馈学习动作时，MoCap可以作为一种更有效的教学工作流程。

5.1. 理论意义
Moreno和Mayer [43]、Makransky和Petersen [29]以及Petersen等人[30]认为，沉浸式媒体的教育效果可以通过特定的功能和中介学习过程来更好地理解，而不仅仅是简单的媒体优越性效应。从这个角度来看，当前的研究结果支持了一种基于特征的解释：沉浸式VR-MoCap教学似乎增强了创造性动作设计的特定组成部分，而不仅仅是平等地改善所有维度。在角色动画中，动作的生成和评估在很大程度上依赖于对时机、空间轨迹、身体方向和表演意图的感知，而具身或沉浸式系统可以通过感觉运动参与和以行动为中心的感知使这些信息更加直接可用[27,31,44]。这有助于解释为什么沉浸式条件在原创性、流畅性和清晰度方面表现出更强的效果，而在审美质量方面则不然。关于MoCap在动画教育中的现有研究也表明，基于动作和沉浸式的工作流程可以支持具身探索、创造性实验和对动作的更直观理解，而不同的教学媒体可能支持动画创造力的不同维度[16,17,20]。同时，审美质量的非显著差异在理论上是有启示性的，而不是矛盾的。从设计学习的角度来看，审美质量通常是通过迭代批评、时机调整、风格校准和反复修改周期来发展的，而不仅仅是通过单一的短期课程[45,46,47]。这表明，沉浸式教学可能在创造性动作设计的早期阶段特别有效，当时学生正在生成替代方案、测试动作想法并评估动作是否清晰，而审美精炼可能需要更长的教学时间和反复的反馈。因此，沉浸式MoCap支持的教学不应仅仅被视为一种技术增强，而应被视为连接动画原理、具身观察和创造性动作设计的教学桥梁[20,48]。

5.2. 实际意义
当前的研究结果也对计算机角色动画教育具有实际意义。动画教育中的一个反复出现的问题是基础角色动画训练与基于软件的教学之间的差距，导致学生可能在没有完全理解动作作为具身表现的情况下学习数字程序。在这种情况下，研究结果表明，沉浸式VR-MoCap应被视为补充性的教学层次，它将动画原理与身体动作、空间感知和表演意图重新联系起来。由于沉浸式条件在原创性、流畅性和清晰度方面表现出更强的效果，而在审美质量方面则不然，因此沉浸式MoCap在动作设计的早期阶段特别有用，此时学生需要生成替代方案、测试动作想法并判断动作是否清晰。因此，一个实际的教学建议是采用分阶段或混合的工作流程，早期引入沉浸式MoCap活动进行具身观察、动作探索和表演测试，然后进行关键帧编辑、批评和精炼任务，这些任务针对时机控制、审美完成和角色特定的细微差别[15,16,17,19,20]。该研究还为沉浸式计算机动画系统的设计和开发提供了指导。访谈结果表明，学生重视即时反馈、身体参与、创造性灵活性和合作，这表明有效的系统应该支持快速的行动、预览、反思和修改循环，而不仅仅依赖于沉浸式作为展示功能。从设计角度来看，沉浸式动画平台将受益于实时的角色预览、简单的动作回放和比较、观众视角和表演者视角的观看选项，以及捕捉、VR可视化和下游动画软件之间的平滑过渡。它们还应该支持协作审查、同伴观察和教师指导，因为动画学习不仅受到个人实践的影响，还受到社会批评和共同构建的影响。同时，开发者应密切关注可用性、校准需求、人体工程学舒适性和认知负荷，因为当基于身体的互动有意义且技术复杂性不会掩盖教学目标时，具身系统在教育上最为有效[13,27,28,30,49,50]。从这个角度来看，实际目标不仅仅是构建更多沉浸式系统，而是开发以人为中心的动画学习环境，在这种环境中，沉浸式、互动性、反馈和流程整合与创造性动作设计的特定需求相一致。沉浸式VR-MoCap在高等教育中的可扩展性取决于机构的可行性。实施需要VR头盔和动作捕捉设备的接入、足够的物理空间、校准时间以及工作人员或技术支持，这些可能在资源有限的环境中限制了其常规使用。因此，沉浸式VR-MoCap可能最适合作为分阶段或混合工作流程中的有针对性的教学组成部分，使用共享的沉浸式设施进行早期动作探索，然后使用传统的关键帧进行后期精炼和完成。

5.3. 与相关研究的比较分析
通过将当前研究的结果与第2节回顾的相关研究进行比较，可以进一步阐明这些发现。Bennett和Denton [15]以及Wang等人[16]的早期工作强调了动作捕捉在动画教育中的实际价值，特别是它能够将课堂学习与以生产为导向的工作流程联系起来，并帮助学生通过直接实践理解动作。当前的研究支持这一总体观点，因为在VR-MoCap条件下的学生在流畅性和清晰度方面取得了更好的成果，访谈结果也表明MoCap使动作设计感觉更加即时、高效和直观。然而，本研究通过提供与传统关键帧教学的对照实验，并从多个维度评估创造性表现，而非仅仅将动作捕捉（MoCap）视为工作流程或技术培训工具，从而扩展了早期的研究成果。最接近的比较是Mou关于关键帧和动作捕捉在角色动画教育中的研究[17]。Mou发现动作捕捉有助于提高流畅性，而关键帧动画则能在原创性方面带来优势，因为学生可以手动构建更多不寻常或夸张的姿势。本研究部分证实了这一发现，并对其进行了扩展。与Mou的研究一致，虚拟现实（VR）-动作捕捉条件在流畅性方面表现出显著优势。然而，与Mou的发现不同，VR-动作捕捉条件下的原创性也显著更高。这一差异表明，原创性不仅仅取决于动作捕捉的使用，还取决于动作捕捉如何融入教学环境中。在本研究中，沉浸式VR展示、身体动作探索、即时反馈以及重复的表现测试可能鼓励学生即兴创作并产生更多新颖的动作想法。这些结果也为沉浸式学习的研究提供了新的见解。先前的VR教育研究表明，沉浸式环境的学习价值取决于特定的优势，如互动性、身体感知、真实感以及反馈，而不仅仅是沉浸感本身[13,29,30]。本研究的结果支持了这种基于优势的解释。VR-动作捕捉并没有在所有创造力维度上产生同等的效果；相反，它在原创性、流畅性和清晰度方面表现最为显著，而美学质量在各组之间没有显著差异。这种选择性模式表明，沉浸式动作捕捉特别适用于早期动作构思、身体动作探索和动作可读性的提升，但美学上的精炼可能仍需要进一步的批判性分析、时间调整和后期制作工作。

与最近关于将动作捕捉整合到动画、视觉效果和游戏设计课程中的研究[19,20]相比，本研究提供了更为具体的实证贡献。它评估了一节结构化的、由动作捕捉支持的沉浸式课程，并直接将其与传统的关键帧教学进行了对比。因此，这项研究的创新之处不仅在于在动画教育中使用VR和动作捕捉，还在于展示了沉浸式动作捕捉支持的学习环境如何影响创造性动作设计的不同维度。研究结果表明，VR-动作捕捉应被视为早期创造性探索的补充教学方法，而不是完全替代传统关键帧动画训练的方法。

5.4. 限制与未来研究的建议

在解释本研究结果时，应考虑几个限制因素。该研究评估了一节来自更广泛动作捕捉相关教学序列的结构化动作设计课程，并在整节课层面比较了两种教学条件。因此，当前的设计无法确定沉浸式条件的优势是由于沉浸感本身、VR的优势（如头部追踪显示和深度提示），还是由于沉浸式展示与身体参与的结合所导致的。这种区分很重要，因为最近的沉浸式学习研究表明，教育效果是特定于优势的，并且受到教学设计的强烈影响，而不仅仅是VR这一媒介本身[28,29,30]。研究结果的普遍性也受到样本和教学环境的限制。参与者来自同一所大学的同一门本科课程，VR-动作捕捉组的年龄略低于关键帧组，且样本中的VR使用经验普遍有限，尽管稳健性分析表明主要结果模式并未受到这些差异的影响。学习者特征、技术熟悉度和教学环境的差异已被证明会影响沉浸式媒体的学习效果[13,29,32]。因此，如果能在更多机构中进行更广泛的抽样、采用更强的随机化或分层分配方法，并对参与者的先前VR和动作捕捉经验进行更明确的控制，将有助于增强未来的评估效果。

另一个限制涉及创造性成果的评估。创造性通过四个评分维度来衡量：原创性、流畅性、美学质量和清晰度，以及一个综合总分；定性部分则通过补充的小组访谈来收集。尽管这种多维度方法适用于动作设计任务，但在设计导向的学习中，创造性很难通过单一的评分格式来捕捉，通常需要通过产品、过程和学习者叙述的三角验证来进行更深入的解释[14,35,36]。未来的研究应结合维度评分、专家对完成动画作品的评估、基于过程的指标（如迭代次数和探索广度），以及从两种教学条件下收集的更系统的混合方法数据。

最后，美学质量的非显著性差异也应结合干预的持续时间和范围来解释。本研究考察的是一个早期的动作设计课程，而动画中的美学精炼通常依赖于反复的批判性分析、风格调整和长期的修订周期。先前的动画教育研究表明，当动作捕捉被整合到更长的教学序列中，并与目标调整、批判性分析和以生产为导向的精炼相结合时，其教学价值最大[16,17,19,20]。因此，未来的研究应在一个更长的时间内评估完整的沉浸式动作捕捉培训模块，考察早期在原创性、流畅性和清晰度方面的提升是否能够转化为更高质量的动画作品和课程层面的发展。

6. 结论

这项基于课堂的比较研究提供了一个关于在更广泛的沉浸式动作捕捉支持培训模块中的结构化课程的初步评估。因此，观察到的VR-动作捕捉条件的优势应主要被视为短期课程层面的效果，而不是整个课程范围的影响。虽然其更广泛的课程意义令人期待，但这些结论仍具有初步性，需要对整个培训模块进行长期评估。与传统关键帧教学相比，沉浸式VR-动作捕捉支持的教学方法在整体创造性表现上取得了更高的成绩，特别是在原创性、流畅性和清晰度方面具有显著优势，而美学质量没有显著差异。这些结果表明，沉浸式教学在动作设计的早期阶段尤其有价值，此时学生需要生成多种方案、探索动作可能性，并判断动作在空间中的表现是否清晰。补充的小组访谈数据进一步表明，学生认为沉浸式条件更具吸引力、更直观，且更有利于即时反馈、身体参与和创造性灵活性。总体而言，这项研究表明，沉浸式动作捕捉不应被视为传统关键帧训练的替代品，而应作为一种补充的教学方法，能够将动画原理、身体表现和数字制作实践重新联系起来。它为课程创新提供了初步的实证基础，并为整个培训模块的长期评估奠定了基础。