《Acta Psychologica》:Exploring the impact of virtual reality-based mathematics learning on students' motivation: A systematic review and meta-analysis
关于虚拟现实(VR)对数学学习动机影响的首次元分析显示,VR在学习动机方面产生了较大且显著的增益(标准化均差SMD = 1.31)。四项研究(总样本量N = 210)的参与者为7至15岁的学习者,符合纳入标准。几何是所纳入VR干预措施中的主要学习内容。由于研究结果基于较小的证据基础,应谨慎解读相关结论。
1. 引言
数学能力在人类和社会发展中的核心作用已得到广泛认可,其在STEM(科学、技术、工程和数学)学科劳动力培养及国际竞争力方面具有关键意义。数学有助于培养逻辑推理、分析思维和问题解决能力,使个体能够系统化处理复杂问题并做出明智决策。然而,许多学生在数学学习中面临困难,其原因之一可能在于教学内容呈现方式偏重记忆和重复练习,而非促进概念理解,从而导致学习动机和参与度下降。抽象概念和消极情感体验(如焦虑和兴趣低下)进一步挑战了数学学习动机。虚拟现实(VR)因其能够提供传统课堂难以实现的沉浸式、交互性和视觉丰富的学习环境而受到广泛关注。
已有研究表明,VR通过提供空间动态体验可显著提升学生的情感结果,尤其是学习动机。实验性研究(如Su等,2022;Shi等,2019)发现,通过沉浸式VR学习几何的学生在ARCS(注意、相关、信心、满意)各维度上的动机均显著高于传统教学组。VR的沉浸特性有助于将抽象概念具体化,建立更深层次理解。然而,也有研究报告了不一致的结果,如Demitriadou等(2020)发现VR组与对照组在喜欢程度上的差异未达到统计显著性(p = .109)。鉴于动机与学业成就理论上有区别,动机对STEM领域持续学习路径具有预测作用,且现有研究结果不一致,有必要对VR数学学习动机效应进行专门系统综述。
1.1 相关动机框架与VR
本研究采用Murphy和Alexander(2000)的动机分类体系,将动机分为目标导向、内在与外在动机、兴趣和自我图式。自我决定理论(SDT;Deci & Ryan, 2012)认为自主性、胜任感和关联性三种心理需要与动机相关,VR环境可通过自定步调探索、即时反馈和协作活动满足这些需要,从而提升内在动机。Keller(2009)的ARCS模型提出了教学设计中的四个动机维度:注意、相关、信心和满意。VR的沉浸性和交互性天然地吸引注意力,使抽象数学内容具象化,并通过脚手架活动建立信心,从互动体验和成就中获得满意感。
1.2 VR的历史及其在教育情境中的使用
“虚拟现实”一词由Jaron Lanier于1987年提出,但其前身可追溯到20世纪50至60年代Sensorama等设备。1970至1990年间,可视化设备研究和用户检测系统开发取得进展。1990至2012年,视频游戏的快速发展推动了VR质量提升,教育领域的应用开始出现(如Kaufmann等,2000)。2012年以来,Google Glass、Oculus Rift的众筹以及智能手机普及推动了VR的快速发展。2014年Facebook收购Oculus,2015年Sony、Samsung和Microsoft相继推出VR方案,此后教育情境中尤其是数学领域的VR研究大量涌现。
1.3 当前研究
以往研究在学习材料(如几何、空间意识)、VR学习项目时长(如4-6周)及参与者特征(如年龄、学校或社会背景、先前VR经验)方面存在差异。几何是VR中反复使用的学习材料,VR为观察物体运动提供了独特可能性,可支持几何学习。现有实证证据表明VR数学学习的动机效应具有异质性,因此需要进行系统性、理论知情的定量综合。本系统综述与元分析旨在量化VR数学学习对学生动机的总体影响,识别VR特有的教学特征,并检验参与者特征和情境因素对结果不一致性的解释作用。具体研究问题为:(1)VR数学学习对学生动机的影响是什么?(2)VR数学学习中对学生动机产生影响的共同和特有特征有哪些?(3)哪些参与者特征在VR数学学习情境中可能影响学生动机?
2. 方法
2.1 协议与注册
本研究为系统综述与元分析,已在PROSPERO预注册(注册号:CRD42023463974),详细协议见Novita等(2025),确保了方法透明性和可重复性。
2.2 研究标准
采用PICOS框架设定纳入标准:1)参与者年龄7至15岁;2)VR学习材料包括头戴式显示器(HMD)和控制器或仅头戴式显示器;3)研究涉及数学学习且不限子领域;4)比较不同参与者组之间的动机水平;5)动机遵循Murphy和Alexander(2000)的概念,并采用具有心理测量学特性的工具测量;6)研究设计为实验或准实验,采用定量或混合方法分析;7)在教育情境中开展;8)语言为英语、德语或印尼语;9)发表于2015至2025年。排除标准包括涉及残疾学生和知识综合类研究。
2.3 检索策略
系统检索了EBSCO、PubMed、ScienceDirect、Scopus和Springer五个数据库,使用布尔运算符并针对各数据库调整检索字符串,纳入2015年1月1日至2025年2月28日发表的研究。
2.4 研究筛选
由于技术困难,筛选由四名评审员进行,其中两名独立评审另两名评审员的结果。筛选分三阶段:去重及基于年份、设计、结果、语言和出版类型的自动过滤;标题和摘要独立筛选;全文筛选以确认最终资格。评审员互相盲评,分歧通过讨论和第三方协商解决。
2.5 数据提取
两名评审员使用标准化表格独立提取数据,包括研究标识、样本特征(样本量、年龄、年级、性别)、研究情境与设计、VR工具详情(设备类型、沉浸配置、时长)、数学材料规格、动机概念化及测量方式(工具、量表、测量时间)、以及动机相关发现。未提取到社会经济地位和先前VR经验数据。
2.6 研究质量
采用乔安娜·布里格斯研究所(JBI)准实验研究评价工具(共9个条目)由两名评审员独立评价。结果显示:Chao和Chang(2020)为6/9分(中等),Demitriadou等(2020)为6.5/9分(中等),Su等(2022)为7/9分(高),Zuo等(2023)为5.5/9分(中等)。主要局限包括小样本、动机测量信度信息不足、无追踪测量等。
2.7 结果质量
采用推荐分级评估、制定与评价(GRADE)框架评估证据确定性。总体证据质量为低至中等,主要因准实验设计局限性(缺乏随机化、盲法,依赖自我报告)和样本量小导致精确性不足。具体而言,总体动机和内在/外在动机的证据质量为中等,目标导向和兴趣为低。
2.8 数据合成
效应量采用标准化均差(SMD)及其95%置信区间(CI)表示,正值表示VR组动机更高。仅纳入VR干预与常规教学或非VR教学比较的研究,排除其他技术(如增强现实,AR)。采用随机效应模型,因研究在参与者特征、干预时长、VR设计、比较条件、教育情境和动机测量方面存在差异。使用逆方差加权合并效应量,采用Hedges估计量估计研究间方差τ2。异质性通过I2统计量评估(0%无,25%低,50%中等,75%高)。由于只有四项独立研究,未进行多水平或聚类稳健模型,也未进行调节变量和亚组分析及发表偏倚分析。所有分析使用JASP 0.96.0软件。根据协议评估了动机的四个子维度:目标导向、内在与外在动机、兴趣、自我图式。
3. 结果
3.1 所选研究的总体概况与质量
按照PRISMA流程图,共识别4219条记录,去除415条重复后,3804条进入标题和摘要筛选,期间排除3799条,原因包括仅包含VR、数学和动机中一个或两个变量(2535条)、出版类型不符合(734条)、未使用VR干预(206条)、发表时间超出范围(123条)。五篇全文报告进入资格评估,其中一篇因未提供计算效应量所需标准差而被排除(联系作者未获回复),最终纳入四项研究。两项在台湾开展,一项在中国,一项在塞浦路斯。参与者年龄9至17岁,多数(n = 140)为小学3-6年级(9-11岁),40人为高中二年级。所有研究均采用准实验前后测设计,非随机分配整班到实验和对照组。样本量较小(N = 30至N = 60)。干预在设备类型(完整HMD与控制器、低成本手机VR goggles、VR眼镜)、比较条件(实体积木、纸质练习、叙事教学、PPT课件)和时长(约6分钟至每周100分钟共5周,或超过9周)方面差异较大。动机测量方式异质:Chao和Chang(2020)采用9项Likert量表测量内在和外在动机;Su等(2022)和Zuo等(2023)均采用ARCS模型但条目数和信度策略不同;Demitriadou等(2020)未使用专用动机量表,而是通过偏好题项、行为意向和开放式回答推断动机。
3.2 VR对动机的影响:定量元分析
各研究结果显示VR组动机高于对照组。Chao和Chang(2020)中VR组动机得分从3.89(SD = 0.79)升至4.41(SD = 0.58),对照组从3.97(SD = 0.85)降至3.77(SD = 0.93)。Demitriadou等(2020)报告VR参与者有较强兴趣反应和将VR纳入数学课堂的意愿。Su等(2022)报告VR组整体ARCS得分高于对照组(M = 3.875, SD = 0.718 vs. M = 3.488, SD = 0.711; t = 3.423, p < .01)。Zuo等(2023)报告VR组在ARCS各维度上均高于PPT课件对照组。随机效应元分析纳入了来自四项研究的六项比较(N = 210),合并效应量SMD = 1.31,95% CI [0.20, 2.43],t(5) = 3.02,p = .029,效应较大且显著。异质性高(I2 = 86.41%)。敏感性分析显示,逐一排除单个比较后合并效应量范围为SMD = 1.03至1.49,方向和大体量级保持;但排除Zuo等(2023)后效应不再显著(SMD = 1.16, 95% CI [?0.16, 2.48], p = .084)。排除Demitriadou等(2020)的最大效应后,合并效应降至SMD = 1.03,95% CI [0.25, 1.80],异质性降至62.18%。排除Demitriadou等全部三个效应量后,合并效应SMD = 1.14,95% CI [?0.84, 3.12],不显著,异质性仍高(84.77%)。在子维度分析中,内在和外在动机的四项比较(N = 210)显示显著正效应(SMD = 1.03, 95% CI [0.34, 1.72], t(3) = 4.74, p = .018),异质性中等(I2 = 52.99%)。兴趣维度的四项比较(N = 120)效应不显著(SMD = 1.29, 95% CI [?0.71, 3.30], t(3) = 2.05, p = .133),异质性高(I2 = 87.03%)。
3.3 VR项目特征与动机的叙事分析
3.3.1 四项研究的共同特征
三项VR特征在四项研究中反复出现:沉浸性,即头戴式显示器提供的虚拟仿真体验,可过滤干扰;交互性,即操作、旋转、堆叠和组装三维物体的能力,是参与度的关键驱动因素;空间或三维视觉表征,即用VR将抽象符号内容(体积、公式、变换)转化为可直接感知的3D对象。
3.3.2 独特或部分特有特征
每项研究还突出了独特特征。Chao和Chang(2020)强调游戏化的挑战-反馈循环,通过计分系统和虚拟向导将VR构建为挑战与奖励环境。Demitriadou等(2020)提出了可及性和低成本便携性:其VR应用运行在廉价的手机眼镜上,消除基础设施障碍,允许课后继续使用,本身成为动机放大因素。Su等(2022)强调教师端分析层(实时记录学生行为)和游戏完成模式带来的“成就感”,对应ARCS的信心和满意维度。Zuo等(2023)引入了“自然/真实性”、“排他性”注意力聚焦和“无边界”想象,以及多通道具身感知(视觉、听觉、触觉)。
3.3.3 关于特征-动机关联的批判性观察
研究在主要驱动因素上存在分歧:Chao和Chang(2020)将动机提升归因于交互操作,而Zuo等(2023)认为沉浸性、过滤干扰的环境更重要,即使交互仅限于凝视和声音。Demitriadou等(2020)发现VR和AR在学习结果上无显著差异,提示共享的3D可视化特征可能足以产生动机增益,严格意义上的头戴式沉浸可能不是必要条件。由于研究数量有限和数据缺失,无法计算研究问题2和3的效应量。
3.4 参与者特征与动机的叙事分析
3.4.1 教育阶段
四项研究中有三项聚焦小学(3-6年级),一项针对高中二年级。所有年龄段均出现正向动机效应,但效应量可能受发展阶段影响:最年轻的样本(Zuo等,2023)产生的标准化增益最大,而较年长学习者(Su等,2022)仅报告中等效应,符合“新奇饱和”解释。
3.4.2 先前知识与先前成就
Chao和Chang(2020)显示低成就学生在实验组空间能力测试中增益10.5分,高于高成就学生的4.78分,表明VR对学习困难学生有不成比例的动机和学习收益。Zuo等(2023)报告高动机学习者在两种条件下表现最好,表明先前动机倾向与VR效应复合。Su等(2022)和Demitriadou等(2020)未按先前知识分层。
3.4.3 性别
Chao和Chang(2020)和Demitriadou等(2020)报告了性别分布,但均未将性别作为动机结果的调节变量分析。Su等(2022)和Zuo等(2023)未报告性别相关动机效应,因此无法就性别差异做出可靠推断。
3.4.4 技术熟练度与先前VR暴露
Zuo等(2023)通过质性访谈发现许多三年级学生已在商场、科技馆或家中接触过VR,将部分强动机效应解释为“新奇加熟悉”的交互。Su等(2022)通过操作手册和基于TAM的感知易用性测量隐含地处理了技术熟练度,发现组间易用性无显著差异。Chao和Chang(2020)通过入门演示降低技术混淆。Demitriadou等(2020)使用手机VR以最小化技术障碍。总体而言,VR动机收益依赖于最低但真实的技术支架。
3.4.5 样本量与情境注意事项
所有四项研究均为小规模准实验(N = 30至N = 60),来自台湾、塞浦路斯或中国的单一学校。Demitriadou等(2020)明确提醒约6分钟的暴露时间可能限制了效应估计。参与者调节变量应视为指示性而非确认性。
3.5 VR与学习结果
Chao和Chang(2020)发现对照组数学成绩前后测无显著差异(t = 0.05, p > .05),而VR组成绩显著提升(t = 5.22, p < .001)。Zuo等(2023)未比较组间成绩,但数据显示VR组成绩范围为89-97,对照组为76-85,VR组占优。Su等(2022)发现VR组与对照组数学成绩无显著差异(控制组:M = 51.50, SD = 12.26;VR组:M = 58.25, SD = 10.04, p = .47)。Demitriadou等(2020)报告所有组(VR、AR和对照组)前后测均有显著提升,但VR组的平均差异大于对照组。
4. 讨论
本综述旨在计算VR作为数学学习媒介的效应。合并效应量较大,但应谨慎解读:宽置信区间表明真实效应大小存在高度不确定性,高异质性表明VR有效性可能随研究不同而大幅变化。敏感性分析显示统计显著性对排除特定研究敏感,整体证据仍然脆弱,应视为初步证据而非给实践者的确定建议。VR数学学习对总体动机有正向影响,这与沉浸式和交互式学习环境增强参与度的文献一致。然而,并非所有动机维度反应相同:内在和外在动机有显著正效应且异质性较低,而兴趣维度未达统计显著性。这可能是因为VR通过新奇和沉浸吸引学生,但持续兴趣依赖其他教学因素和个体差异。动机是多维结构,兴趣更依赖情境,而内在和外在动机受即时学习环境特征影响更大。在数学成绩方面,结果不一致,可能由于动机对成绩的影响需时间显现,且测量方法存在差异。高异质性(I2 = 86.41%)可能源于动机概念化和操作化的不一致、干预特征差异(时长、结构、比较条件)和参与者的年龄差异。研究地点仅限于中国和塞浦路斯,普适性较低。
5. 局限
现有文献存在以下方法学局限:可用研究数量少,降低了统计效力和普适性,无法进行调节变量和发表偏倚分析;干预细节(VR暴露时长、教学程序、技术规格)报告不足;动机框架和测量工具不一致,使研究间比较复杂化并可能夸大异质性。未来研究应使用更标准化的理论框架和经过验证的动机测量工具,并调查在何种条件下、对谁、通过何种机制VR干预能增强数学学习动机。
6. 结论
本综述筛选了2015至2025年间的4200多项研究,结果显示使用VR学习数学提高了动机,SMD为1.31。但样本量较小(k = 4, n = 210)且异质性较高。子维度分析仅内在和外在动机有显著发现,由于样本量小无法进行正式亚组分析。研究提供了技术在教育情境中应用的证据,对教育从业者、家长和政策制定者具有意义。总体而言,VR可能增强动机,但效应量变化很大,实施时应结合严格的地方情境评估。