综述：技术介导的公共演讲干预在教育训练与焦虑治疗中的应用：一项系统性综述

《Information》：Technology-Mediated Public Speaking Interventions for Educational Training and Anxiety Treatment: A Comprehensive Review

　　

公共演讲训练与公共演讲焦虑（PSA）治疗日益依赖技术介导系统，涵盖网络、移动端、桌面端及沉浸式虚拟现实（VR）工具。本综述对面向教育训练与焦虑导向治疗的信息通信技术（ICT）类公共演讲干预进行系统性梳理，聚焦平台选择、受众模拟、反馈时机、生理与行为感知、治疗框架、从业者参与度及评估方法。研究人员采用类PRISMA流程，系统检索Scopus、Web of Science、PubMed、IEEE Xplore及ERIC数据库中2015年2月1日至2025年2月1日期间发表的英文期刊论文与会议论文。经筛选，最终纳入82项经参与者验证的研究，未进行正式偏倚风险评估。结果显示，VR占干预措施的82.93%，研究原型占证据基础的72.0%，凸显该领域对沉浸式实验开发的强烈侧重。同时，64.6%的干预未提供自动化反馈，36.6%未使用生理或行为感知技术，表明响应式数据驱动系统仍有较大发展空间。本研究通过明确重复出现的设计要素、有前景的实施模式及强化比较验证的优先方向，可为未来公共演讲训练与治疗系统的开发提供指导。

1. 1.
   引言
   公共演讲能力是毕业生职业准备度的核心标志，沟通胜任力对职业参与与社会公民参与至关重要。结构化练习与反馈可有效提升口头演示能力，但现有教学场景仍存在显著缺口，亟需结构化路径帮助学习者在受众面前掌握表达技巧。公共演讲恐惧呈连续谱分布，从情境性紧张到重度损害性公共演讲焦虑（PSA），需注意PSA并非等同于社交焦虑障碍（SAD）——前者可表现为孤立症状、SAD的表演型亚型或广泛社交情境下的临床综合征。本综述中“言语恐惧症（glossophobia）”仅作为重度公共演讲恐惧的描述性术语，不作为独立诊断。社区与学生群体中的公共演讲恐惧患病率因测量工具差异存在显著波动，干预措施因此覆盖从针对亚临床焦虑的教育技能训练到针对持续性损害性恐惧的临床干预。认知行为模型强调对负面评价的恐惧与自我关注的核心作用，干预研究涵盖暴露疗法、认知行为技术及技能导向或自我管理策略。本综述系统考察网络、移动端、桌面端及沉浸式虚拟现实（VR）平台的信息通信技术（ICT）解决方案，这类系统可标准化练习场景、降低实施壁垒并采集行为与生理数据。早期虚拟受众研究已证实模拟受众行为可诱发PSA；移动端练习应用可提供时长、肢体动作及音量相关的即时或延迟反馈；虚拟现实暴露疗法（VRET）在SAD及广泛性焦虑障碍中均显示出积极疗效，360°视频与头戴式显示器（HMD）递送的游戏化暴露试验进一步支持该类方法的可行性与潜在效能。既往综述多聚焦心理干预与网络干预，对技术介导公共演讲系统的设计特征关注不足，本综述创新性整合教育训练与焦虑治疗的双重视角，弥补了既往研究对平台选择、受众设计、反馈机制、生物反馈及会后分析等工程化特征的映射空白。
2. 2.
   领域概述
   技术介导公共演讲干预涵盖从简易移动端工具到沉浸式VR系统的全谱系，在教育、职业及焦虑干预场景中共同依赖可重复的演讲场景、可调难度、引导式练习与结构化反馈。早期研究显示技术介导反馈可增强或替代现场指导：Presentation Trainer通过追踪语音与姿态提供实时练习提示；移动端应用可实时反馈时长、音量及肢体运动，支持自主学习；网络平台和视频录制则为学习者提供低威胁练习环境，如视频博客同伴互评显著降低演讲焦虑。消费级VR可在受控环境中复现受众在场的社会压力，结构化训练或暴露方案可有效降低PSA：居家360°视频暴露项目实现焦虑显著缓解，随机对照试验证实360°视频VRET可持久降低PSA；教育场景中VR练习组较对照组在表达表现上显著提升且无焦虑升高。随着VR场景成熟，开发者开始调整虚拟受众特征以调控难度——受众规模对社交焦虑与生理唤醒的影响无简单线性规律，受众态度、熟悉度及空间距离等因素被用于模拟差异化压力环境。值得注意的是，多数系统在演讲过程中限制实时反馈，将详细分析留待会后复盘以避免干扰表现。部分系统整合生理监测，但面向参与者的生物反馈仍较少见：Premkumar等向用户实时返回心率（HR）与脑电图（EEG）衍生信息，较单纯暴露实现更稳定的生理变化与更低的自我报告唤醒度，其余系统多将生理信号用于回顾性评估或临床监测。当前研究呈现VR、网络与移动端方案的差异化权衡：VR提供高沉浸感但设备成本较高，移动端支持高频次居家练习但沉浸感有限。新兴研究方向包括大语言模型（LLM）驱动的受众交互，如Min等开发的VR演讲训练系统通过LLM生成实时受众提问，该特征目前属于前沿探索方向而非成熟设计范式。整体而言，技术介导系统正通过受众定制化、自适应响应、多模态感知及可及性优化，突破传统镜像练习与课堂训练的局限。
3. 3.
   研究方法
   本综述参照《系统综述和荟萃分析优先报告条目》（PRISMA）框架的报告规范，透明化呈现研究识别、筛选与纳入流程，但筛选与初始纳入决策由单一研究者完成，未采用多研究者独立重复流程。纳入标准限定为针对教育或职业场景公共演讲技能训练、临床或自我导向焦虑干预的ICT解决方案，检索时间窗设定为2015年2月1日至2025年2月1日，覆盖五大数据库：Scopus、Web of Science、PubMed、IEEE Xplore及ERIC，以平衡教育、健康、心理与计算机领域的文献覆盖。检索策略采用四组概念组合：（1）公共演讲及相关沟通活动；（2）焦虑、训练、评估与提升；（3）教育场景与人群；（4）数字与沉浸式技术，未设置地理过滤器。布尔检索式经数据库字段适配后执行，限定检索结果为英文或可获取英文译稿的记录。纳入研究需同时满足：评估以受众为导向演讲任务为核心的ICT解决方案，目标为提升公共演讲表现、演示胜任力或缓解演讲相关焦虑；经人类参与者验证；发表于期刊或会议论文；全文可通过机构权限、出版商链接或开放获取副本获取。公共演讲定义为真实或模拟受众面前的口头展示，核心关注点为演示胜任力或演讲相关焦虑，PSA特指该类任务诱发的焦虑，技能训练聚焦表达与演示能力提升。排除辩论、课堂展示、访谈、口吃任务及广义口语活动（除非符合上述定义），剔除无关对话、语言学习与沟通研究。初检获得6602条记录，去重后保留4683篇独特文献，排除荟萃分析与叙述性综述后剩余3787篇进入主题筛选。研究人员通过Zotero标记可能涉及学科特异性沟通的文献簇（如肿瘤学、急诊医学等领域术语），由第一作者逐篇核查标题与摘要，不确定时查阅摘要，排除依据为纳入标准而非单纯包含领域术语。经保守筛选后保留97篇文献进行全文评估，最终15篇因方法学细节不足被排除，纳入82项研究。数据提取模板涵盖文献计量学特征、样本量、交付格式与成熟度（平台、解决方案成熟度）、治疗框架（提及的治疗类型）、从业者参与（治疗师参与情况）、感知模态（追踪的感知模态）、具身与场景设计（模拟虚拟身体、受众模拟）、非受众相关反馈与时机、LLM集成及评估工具。干预时长、会话次数、随访、现实场景迁移、脱落率、不良事件、可及性、耐受性及评估者盲法等未预设为提取变量，仅在原文明确报告时进行描述性讨论。筛选、数据提取与编码由第一作者完成，研究团队在2025年2月至6月的双周会议上定期审查数据库构建与分类过程，对不确定纳入决策、边界案例及模糊编码类别进行集体讨论并达成共识，标题摘要阶段难以分类的记录采用保守保留策略，通过Zotero管理文献并去重。
4. 4.
   解决方案特征
   4.1 技术层面
   4.1.1 平台
   平台与成熟度决定训练与治疗方案的功能上限、响应速度及场景适配性。如图3所示，VR占解决方案的82.93%，个人计算机（PC）占7.32%，移动端与网页端各占4.88%。72%的方案为试点研究原型，28%为商业产品。VR因头显追踪的受众模拟、空间音频与可控场景成为主流；PC系统凭借算力优势支持复杂环境与教师监看，常见于实验室部署；网页平台无需本地安装，适合大规模课程部署但监测能力有限；移动端依托普及设备支持居家短时练习，沉浸感较低但练习频次更高。典型案例包括：Reeves等的360°预录视频分级暴露方案、Bartyzel等基于Unity开发的Meta Quest 2 VR训练系统（语音特征驱动虚拟角色动画与实时反馈）、Hosseini等的PC端实验室面试训练系统（支持录像回放与虚拟化身复现）、Westwick等的LMS课程（网络摄像头录制演讲用于师生互评）及Stupar-Rutenfrans等的智能手机360°视频居家暴露方案。平台选择需权衡沉浸感、可及性、监督需求、算力要求与练习频次。
   4.1.2 解决方案成熟度
   研究原型占比72%，更多探索高级反应式受众、传感器套件与丰富分析功能，但多止步于试点阶段（受性能、隐私与运维限制）；商业产品则优先稳定性与易用性，创新度相对较低。Kryston等将PC端Virtual Orator工作站整合至基础课程，自动生成凝视与语音指标，证实VR练习效果与镜像/视频实验室练习相当，表明方案采纳不仅依赖平台功能，更取决于与现有课程流程的适配性。成熟度直接影响部署场景与功能优先级：研究原型倾向探索前沿感知、受众与AI特征，商业系统则聚焦稳定工作流与用户体验。

4.2 解决方案功能

4.2.1 虚拟受众

虚拟受众指训练系统内演讲者面对的模拟观察者，按特征分为七类：无受众、静态、预录、动画、反应式、教师/治疗师控制、可定制化。无受众方案多见于网页/移动端应用，聚焦语音与结构训练（如Lui等的智能手机教练提供音量/手颤即时警报，Schneider等的Presentation Trainer通过Kinect监测响度/停顿/姿势并提供视觉/触觉提示）。静态受众为无动作的可见观察者，计算成本低但社会真实性有限（如Schneider等的VR模块采用小型静态受众以降低性能开销）。预录受众采用360°真实场景视频，视觉保真度高但缺乏交互性（如Reeves等的分级暴露方案、Ferreira等的低成本训练系统）。动画受众添加闲置动作，是主流基准方案（如Barrett等通过替换为演讲者熟悉的照片级人脸提升PSA，Rodero等的系统支持教师插入咳嗽、离场等干扰事件）。反应式受众可根据演讲表现动态调整（如Van Ginkel等的系统根据凝视与音量反馈，Truong等的系统通过语音转录与凝视更新受众注意力，Palmas等的系统整合实时教练提示与个体注意力指标，Bartyzel等的系统通过语音特征驱动受众反应与环境变化）。教师/治疗师控制类受众允许专业人员实时调整参数（如Jakubowski等的Cicero VR支持配置化身与触发干扰），可定制化受众支持用户/教师调整外观与行为（如Monteiro等的系统支持导入3D扫描的熟悉面孔）。设计趋势显示，身份线索与情境特征对焦虑与努力程度的影响不亚于受众动作，有效设计需将受众信号与表达目标对齐，支持强度渐进调整，并利用日志进行复盘。

4.2.2 解决方案反馈方法

反馈分为四类：无反馈、会话中反馈、会话后反馈、混合反馈。64.6%的方案无自动化反馈，聚焦暴露效应或场景控制，依赖外部反思（如Leinonen等的EchoMe系统通过时间轴评论与排行榜促进人工反馈，Kroczek等的暴露研究显示支持性虚拟受众提升后续现实演讲信心，Kuai等的方案通过fNIRS与专家评分优化焦虑评估但不提供实时指导）。会话中反馈提供实时可操作提示（如Nagao等的Cyber Trainground生成语音指标与受众反应弹窗，Premkumar等的方案实时显示心率与前额α不对称（FAA）脑电指标，Van Ginkel等的系统对比实时眼神/语速提示与延迟专家报告的短期增益）。会话后反馈以仪表盘、文本摘要与评分形式呈现（如Kryston等的VR实验室生成自动化报告但学生使用率低，Ferreira等的方案提供语音/眼神/头部运动分析报告，Hosseini等的对比研究显示化身复现反馈较视频回放更有效降低生理唤醒并改善表达）。混合反馈结合两类优势（如Belboukhaddaoui等的对比研究显示实时图标与会后生成消息在表达结果上无差异，建议采用“短时即时提示+会后深度分析”模式；Tangsripairoj等的系统集成会话中笔记面板与会后历史汇总；Ruiz-Capillas等的VR训练器通过迷你游戏评估停顿时机与音量，会后生成评分报告；Palmas等的系统叠加实时语音/行为提示与会后星级报告）。有效反馈需靶向核心表达行为，实时受众反应与结构化会后分析相结合可提升可用性；透明度与节奏控制至关重要，过度复杂的界面或模糊指标会降低接受度。

4.2.3 生理与行为感知

感知模态涵盖生理神经生理信号（心率HR、皮肤电活动EDA、脑电图EEG、功能性近红外光谱fNIRS）与行为表现信号（语音、凝视、头部运动、肢体运动）。仅记录生理信号不构成生物反馈。36.6%的方案未使用感知技术，聚焦临场感、受众设计或课堂流程（如Huang的视频录制+移动端同伴评估方案，Glémarec等的STAGE虚拟受众控制系统）。脑监测多用于回顾性分析或临床监测（如Premkumar等的方案提供EEG衍生生物反馈，Salkevi?ius等的系统向临床医生流式传输EEG/HR/皮肤电数据，Kuai等的方案通过fNIRS关联预期焦虑与演讲表现）。皮肤电活动（EDA）反映交感神经唤醒，无法单独识别焦虑（如Macey等的VR任务显示高化身条件下自我报告PSA与EDA呈下降趋势，Mostajeran等的方案同步采集EDA/HR/皮质醇，Rodero等的系统结合EDA与自我报告PSA评估训练效果）。肢体与头部运动主要作为行为指标（如Niebuhr等关联手势/姿态与语音表达，Lui等通过手机加速度计检测手颤，Noori等通过头显运动预测HR）。心率（HR）是常用自主神经唤醒指标，受基线个体差异及 speech/motion 伪影影响（如Monteiro等的系统同步记录HR与演讲视频，Sülter等的儿童方案采用视觉模拟量表替代传感器，Yadav等的方案整合HR/语音/运动监测实现个性化反馈潜力）。凝视感知反映视觉注意分配（如LeFebvre等的方案评估演讲者注视受众或笔记的倾向，Wechsler等的训练方案显示注意力重定向可提升受众面部注视频率）。语音是核心行为通道，声学传感量化响度、音调变异性、语速、停顿与音色，自动语音识别（ASR）分析内容与表达本身（如Ruiz-Capillas等的迷你游戏训练停顿时机与音量，Bartyzel等的系统通过语音特征驱动受众反应，Tangsripairoj等的方案采用ASR实时转录并匹配内容，Moldoveanu等的系统整合多模态数据更新受众注意力仪表盘）。总体而言，多数研究将感知数据用于测量、监测或回顾性分析，面向参与者的生物反馈与生物自适应修改仍较少见。生理信号需结合基线校准、时序对齐与伪影处理，多模态数据还涉及隐私保护与数据治理挑战。

4.3 治疗在治疗过程中的作用

4.3.1 治疗类干预方案中的治疗类型

干预方案分为无明确治疗框架的技能训练与结构化暴露疗法（含认知行为疗法CBT、接纳承诺疗法ACT等）。少数方案聚焦技能训练（如Huang的大规模课堂视频录制+同伴评估，Westwick的在线公共演讲课程）。暴露疗法是核心范式，通过可控重复暴露降低焦虑（如Valls-Ratés等的三次VR练习降低高中生焦虑并改善语音清晰度，Lindner等的单疗程临床医生引导VRET实现PSA大幅即时下降，Reeves等的360°视频VRET随机对照试验显示PSA、社交焦虑与负面评价恐惧显著缓解，Sülter等的儿童方案通过短时重复暴露降低现实演讲焦虑，Macdonald的超暴露方案采用万人虚拟受众实现短期焦虑改善）。行为治疗常整合暴露与其他行为改变技术（如Zacarin等的六次VR会话叠加膈肌呼吸、分化强化与功能分析，Hanif的移动端APP整合CBT课程与分级VR暴露）。第三代CBT方法（接纳、正念与价值导向干预）较少见，Gorinelli等的ACT干预通过VR内音频引导训练当下觉察、接纳、解离（将想法视为心理事件而非事实）与价值行动，实现社交焦虑下降与心理灵活性提升。暴露设计在会话次数、临床参与度与场景个性化方面异质性显著，尚无法得出最优方案结论。

4.3.2 治疗师在治疗过程中的作用

按治疗师参与度分为两类：无持证治疗师参与（多为技能训练，依赖教师/同伴支持，如Reeves等的独立360°视频VRET由心理学博士生督导，Stupar-Rutenfrans等的移动端自导向暴露方案，Kryston等的课程整合VR练习实验室）；持证治疗师主动参与（可实时调整难度，如Salkevi?ius等的系统通过WebGL仪表盘触发恐慌音效与调整受众情绪，同步流式传输EEG/HR/GSR数据；Koller等的方案支持治疗师通过GUI接管虚拟化身身体并进行语音交互；Kahlon等的青少年单疗程VRET实现长期PSA缓解；Zacarin等的临床VR训练器支持治疗师设定演讲目标并复盘录像；Banakou等的“微不可察变化”方案通过治疗师逐渐转化为受众实现单次会话等效五次暴露的效果）。自导向工具适合教育场景，但需清晰指引与安全保障；临床整合系统支持筛查、目标设定、暴露节奏控制与复盘，长短疗程均显示出积极效果。

4.4 评估方法与标准

评估工具涵盖四大类：公共演讲与社交焦虑量表、演讲表现与行为指标、生理/神经生理反应、临场感/可用性/用户体验。核心演讲焦虑量表包括PRCS、PRPSA、PSAS、PRCA（如Monteiro等采用PRCS-SF评估自信，Reeves等采用PSAS/LSAS-SR/BFNE评估360° VRET效果，Banakou等补充PRCA测量广义沟通焦虑）。社交焦虑相关量表包括LSAS、SIAS、BFNE（如Sarpourian等对比VR暴露与团体咨询时采用LSAS与PRPSA，Van Dis等采用SUDS与BFNE-II追踪 distress 动态）。临场感与可用性评估常用IPQ、SSQ、SAM、SUS、UEQ（如Koll?ffel等采用IPQ量化VR训练临场感，Bartyzel等采用SUS评估语音响应训练器可用性，Min等采用SUS与UEQ评估LLM辅助Q&A系统）。瞬时痛苦评估多采用SUDS与VAS（如Landkroon等每分钟记录SUDS追踪 distress 轨迹，Sülter等的儿童方案采用简化视觉模拟量表）。演讲表现评估结合自动化行为指标（凝视分布、语速、停顿、响度、手势等）与人工评级（清晰度、组织性、说服力等），需注意焦虑下降不等同于表现提升。自定义量表广泛用于教育与临床试点（如Colognesi等的儿童口语表现量规，Zacarin等的整合SSPS、SUDS与半结构化访谈的混合评估方案）。整体评估异质性高，干预剂量、随访、现实迁移、脱落率、不良事件等指标报告不一致，限制跨研究比较。

4.5 绩效训练与焦虑治疗的对比

两类干预按核心目标区分：绩效训练面向非临床诊断学习者，目标为提升演示胜任力（语音表达、语速、凝视、手势、组织性等），结局指标包括自我感知沟通能力、语音特征、表现评级等，效果混合（部分研究显示特定表达或焦虑指标改善，部分显示与传统练习无显著差异）。焦虑治疗多招募高PSA或社交焦虑人群，目标为通过结构化暴露降低焦虑与唤醒，结局指标包括验证性焦虑量表、生理指标与随访评估，监督模式从治疗师引导到完全自导向不等，多项研究显示各类方案均可实现自我报告PSA下降，但设计异质性阻碍最优模式确定。两类干预常同时评估表现与焦虑，反映技能、自信与焦虑的交互关系。干预剂量、会话次数等指标未预设为提取变量，需通过代表性研究描述而非全 corpus 定量比较。两者构成相关但异质的证据流，而非单一有效性证据体系。

1. 5.
   讨论
   5.1 设计启示与初步应用框架
   尚无单一技术特征被证实可可靠降低PSA，跨研究重复模式为结构化重复/分级暴露。反应式受众可连接演讲行为与适应性社会线索，但与静态/预录受众的直接比较证据不足；面向参与者的生物反馈仅见于少量研究，其附加价值尚不明确。VR因可控受众模拟与重复练习成为主流平台。初步框架建议：支持分级场景（场地、受众规模、熟悉度、行为、任务难度渐进升级），静态/预录受众作为入门选项，动画/反应式受众通过凝视、语速等可观测指标提升真实性，反应性设计以有用社会压力为目标而非惩罚性过载；反馈采用“受限会话内提示+丰富会话后分析”模式，聚焦可即时调整的行为（语速、响度、眼神等）；感知数据需谨慎解读，HR、EDA、凝视、语音、运动等信号主要用于反思、监测与自适应决策，生物反馈需以清晰可操作形式呈现（如呼吸引导）；支持双模式使用：教育场景中教师配置任务与复盘，临床场景中治疗师调整暴露难度与结构复盘。该框架将教育技能训练与焦虑干预整合为重叠的结构化练习谱系，需进一步比较验证。
   5.2 局限性
   首先，筛选与编码未采用多研究者独立流程与信度统计；其次，未进行正式偏倚风险或方法学质量评估，合成结果仅映射设计模式而非加权研究质量；第三，证据基础异质性高，含大量小型原型、可行性研究与课堂干预，阳性技术验证研究可能更易发表，未来需强化比较评估，一致报告现实迁移、依从性、 Cybersickness、不良事件、可及性与耐受性指标。
2. 6.
   结论
   82项参与者验证研究显示，技术介导公共演讲干预在平台、受众设计、反馈、感知与治疗框架上呈现多样性，但高度集中于VR研究原型，比较证据与长期验证有限。VR作为主导平台支持受众模拟、重复练习、暴露与绩效训练，多项研究报告PSA下降或表达改善，但人群、设计、结局指标的异质性及缺乏效应量合成与偏倚评估，阻碍得出一致性有效性、平台优势或最优特征结论。核心设计模式包括分级场景、可配置/反应式虚拟受众、可操作会话内提示、详细会话后分析、行为感知、审慎解读的生理监测及差异化从业者参与。生理生物反馈、生物自适应修改与LLM支持的受众交互属于新兴方向。基于上述模式与缺口，研究提出整合教育训练与焦虑干预的初步应用框架，融合渐进场景难度、受众自适应、即时行为教练、纵向会后分析、可选生理反馈与可配置从业者参与。未来研究需通过直接比较研究、标准化结局指标、长期随访与现实迁移评估验证框架组件，一致报告依从性、可及性、耐受性与不良事件，明确不同平台、设计特征与支持模式的适用人群与场景，推动公共演讲技术从可行性验证向持续效能证据转化。