《International Journal of Educational Technology in Higher Education》：Using LLM-empowered virtual avatars in immersive virtual reality technology to enhance psychological perception and learning outcomes: the role of interaction methods, anthropomorphism types, and VR perspectives
编辑推荐：
尽管沉浸式虚拟现实(Immersive Virtual Reality, IVR)技术凭借高沉浸感、强交互性及高参与度等优势已在教育领域获得广泛认可，但如何通过优化学习者认知负荷以提升IVR环境下的学习成效仍缺乏充分的实证研究。基于心理感知理论(Theory
尽管沉浸式虚拟现实(Immersive Virtual Reality, IVR)技术凭借高沉浸感、强交互性及高参与度等优势已在教育领域获得广泛认可，但如何通过优化学习者认知负荷以提升IVR环境下的学习成效仍缺乏充分的实证研究。基于心理感知理论(Theory of Mind Perception)与刺激?机体?反应(Stimulus?Organism?Response, S?O?R)模型框架，研究人员提出大语言模型(Large Language Model, LLM)赋能的虚拟化身能够增强学习者交互过程中的心理感知水平，并通过优化认知负荷结构促进学习成效提升。本研究包含一项预实验与两项正式实验：研究1揭示了感知能动性(Agency)与感知体验性(Experience)在优化认知负荷结构与学习成效中的作用，构建了有调节的中介模型；研究2论证了行为拟人型与形态拟人型的虚拟化身，结合第一人称与第一人称视角的VR(Virtual Reality)视角，如何在不同知识类型的学习中产生积极效应。聚焦于IVR环境，本研究从心理与物理两个维度、英语与化学两个学科、陈述性与程序性知识两种类型进行了多层次验证，拓展了心理感知理论与S?O?R模型的应用场景，为教育工作者、VR产品开发者及LLM技术设计者提供了优化方向与实操指导，推动实现“技术适配学习而非学习适配技术”的教育理念。
该研究发表于《International Journal of Educational Technology in Higher Education》，针对当前沉浸式虚拟现实(IVR)教学虽具高沉浸优势，却因静态预设内容、缺乏个性化反馈及认知负荷过载而导致学习效果受限的现实问题，探究了大语言模型(LLM)赋能虚拟化身对学习者心理感知及学习成效的影响机制。研究人员基于心理感知理论(Theory of Mind Perception)与刺激?机体?反应(S?O?R)模型，通过预实验验证材料有效性后，开展两项情境实验。结果显示，LLM赋能虚拟化身通过提升学习者的感知能动性(Agency)与感知体验性(Experience)，优化了认知负荷结构——显著降低无关认知负荷(Extraneous Cognitive Load)，提升相关认知负荷(Germane Cognitive Load)，进而改善学习效果。此外，研究发现虚拟化身拟人类型与VR视角存在交互效应：行为拟人化结合第一人称视角更利于程序性知识(Procedural Knowledge)习得，形态拟人化结合第三视角则更利于陈述性知识(Declarative Knowledge)掌握。这一发现揭示了IVR环境下“自我参照加工”与“动作映射加工”的双重认知路径，为教育技术的人本化设计提供了理论依据与实践范式。
关键技术方法方面，研究人员采用实验法，招募中国武汉高校大学生作为样本队列，排除有IVR经验及特定知识背景不符者。研究1采用单因素三水平组间设计，设置文本、聊天机器人与LLM赋能虚拟化身三组，通过Unity3D引擎开发英语词汇与句型学习场景，结合多维认知负荷量表(Multidimensional Cognitive Load Scale for Virtual Environments, MCLSVE)与心理感知量表测量变量。研究2采用2（拟人类型：行为/形态）×2（VR视角：第一人称/第三视角）×2（知识类型：陈述性/程序性）混合设计，利用Blender构建化学实验室场景，测量不同组合下的认知负荷变化及两类知识的学习成效。统计分析采用SPSS与Mplus软件进行方差分析与有调节的中介效应检验。
研究结果部分，首先在预实验中，研究人员通过单因素方差分析验证了不同交互模式与拟人类型操控的有效性，确保主实验材料的可靠性。研究1结果表明，相较于文本与聊天机器人，LLM赋能虚拟化身显著提升了学习者的感知能动性与体验性，并在英语学习中取得了更优的整体学习成效。值得注意的是，在词汇成绩上，LLM组与纯文本组无显著差异且均优于聊天机器人组；而在句子成绩上，LLM组表现最佳。认知负荷分析显示，LLM组的相关认知负荷最高，无关认知负荷最低。进一步的有调节中介模型证实，相关认知负荷与无关认知负荷分别调节了感知能动性和体验性对学习成效的影响路径。研究2结果表明，知识类型、VR视角与拟人类型的交互作用显著。具体而言，在第三人称视角下，形态拟人化虚拟化身显著提升了陈述性知识成绩；在第一人称视角下，行为拟人化虚拟化身显著提升了程序性知识成绩。认知负荷数据同步显示，最佳组合能有效降低无关认知负荷并提升相关认知负荷，从而优化整体认知结构。
讨论与结论部分，研究人员指出，LLM赋能虚拟化身通过提供多模态交互线索，使学习者无需额外认知努力即可理解教学内容，从而将认知资源集中于知识建构，实现了认知负荷结构的优化。研究证实了心理感知理论在IVR教育场景的解释力，即学习者将虚拟化身视为社会行动者，其感知到的“心智”水平直接影响学习投入与产出。此外，研究明确了“技术适配学习”的设计原则：对于需要观察记忆的理论知识（陈述性知识），应采用第三人称视角配合形态拟人化设计；对于需要动手操作的技能训练（程序性知识），应采用第一人称视角配合行为拟人化设计。这一成果不仅拓展了S?O?R模型与心理感知理论在智能教育领域的应用边界，也为VR教育产品开发提供了具体的设计指南，强调应根据教学目标动态调整拟人特征与交互视角，避免陷入“拟人化程度越高越好”的设计误区。
