當虛擬逐漸接入現(xiàn)實，你是否想過足不出戶便能習得專業(yè)技能？
對于工程學領域的學習者來說，這種可能正在悄然進行……

在工程學領域，除了理論知識學習，實踐經驗也非常重要。學習者必須從實踐經驗中學習，以補充理論基礎。因此，常常需要使用設備，如協(xié)作機器人（CoBots），它的特點是與人一起工作，并且更便宜、體積更小，可以輕松安排于各種流程中。

然而，教育機構的資源往往有限。近年來，在學習型工廠的背景下，各式各樣的虛擬現(xiàn)實（VR）的學習環(huán)境被開發(fā)并應用于工程教育中。通過數(shù)字教學方法彌補有限資源與全面學生教育之間的差距或許成了目前的破題關鍵。

那么，新手工程師是否能借助VR的實踐培訓，獲得良好的學習成效呢？

來自Heinz Nixdorf研究所的Gr??ler教授和他的研究團隊對此進行了探究（Gr??ler et al.，2023）。

在虛擬環(huán)境中完成教學
虛擬現(xiàn)實（VR）是一種沉浸式技術，可以為工程教育和培訓創(chuàng)建虛擬的學習環(huán)境。這些學習環(huán)境的優(yōu)點包括：
· 更易拓展

在工程學中使用虛擬學習環(huán)境的目的是創(chuàng)造一種受控且安全的環(huán)境，讓學習者都可以在近乎真實的環(huán)境中模擬使用復雜和昂貴的工業(yè)設備，體驗工業(yè)設備的功能和觸覺，實現(xiàn)體驗協(xié)作與沉浸式學習，以在現(xiàn)實情況下實踐理論知識。

為了探究工程學新生在虛擬學習環(huán)境下的學習成效和認知負荷，研究者提出以下假設：

在相同的自學教學方法下，虛擬學習環(huán)境是否能獲得與傳統(tǒng)學習環(huán)境相同的學習成效？

觀察新手的行為
研究團隊建立了一個基于游戲的協(xié)作、沉浸式虛擬學習環(huán)境，其中包括一個集成式VR工具，可以讓學生熟悉協(xié)作機器人（CoBots）的動作和基本功能。

為了能夠驗證研究假設，研究團隊將虛擬學習環(huán)境與傳統(tǒng)學習環(huán)境在主觀和客觀學習成效方面進行了比較。

兩種環(huán)境均配備觀察攝像機，捕捉學生的行為。使用 Noldus 的行為測定快速復盤系統(tǒng)（Viso）系統(tǒng)回放記錄的觀察結果，并使用行為觀察記錄分析系統(tǒng)（The Observer XT）分析數(shù)據(jù)。通過使用行為工具配合測評問卷，可以更好地觀察并分析行為。

通過實踐的經驗學習
共有10名計算機科學學院學生參與實驗，他們均須完成一項訓練任務：協(xié)作CoBot進行拾放任務的編程（圖1）。

CoBot在位置 A 拾取給定物體，學生引導其越過障礙物，并物體存放在位置 B。為此，必須完成以下六個步驟：

圖1 協(xié)作CoBots進行拾放任務

依據(jù)研究假設，為了比較自動化實驗室中的傳統(tǒng)學習環(huán)境與虛擬學習環(huán)境，被試被分為實驗組&對照組（圖2）：

1. VR組：在交互式虛擬學習環(huán)境（VR）中完成任務。

2. SAL組：在傳統(tǒng)智能自動化實驗室（SAL)中完成任務。

圖2 訓練過程

研究進行了前后測，即在訓練任務前后對被試的學習水平進行主觀和客觀的量表測評與精神壓力測試（圖3）。

圖3 實驗流程

虛擬超越現(xiàn)實的可能
學習成效的結果顯示（表1），兩組被試的學習成效相似，都非常高，超過了90%。被試在培訓前對如何使用CoBots一無所知，但在培訓中均能夠良好地掌握相關內容。

表1 學習成效自評量表平均得分

訓練時間的結果顯示，兩組被試的訓練時間有所不同（表2）：VR組平均 10 分鐘，訓練時間較短，而傳統(tǒng)組平均 18 分鐘。
這表明使用VR學習環(huán)境可以節(jié)省學習操作CoBot的時間，且不會對學習成效產生負面影響，即通過使用虛擬現(xiàn)實學習環(huán)境，新手能夠在較低的認知負荷下取得與傳統(tǒng)教學環(huán)境相似的學習成效，且教學時間可以大大減少。

表2  訓練學習結果

精神壓力測試的結果顯示，兩組之間存在差異。VR組各方面需求的平均得分均低于SAL組。

初步研究結果表明，虛擬學習環(huán)境是傳統(tǒng)實驗室環(huán)境的理想替代。
研究者以此得出結論，虛擬現(xiàn)實或許可以幫助學生通過實踐經驗學習，以解決教學資源有限的問題，彌補大學稀缺資源之間的差距。

在未來的研究中，探索特定大學課程的虛擬學習環(huán)境將是有益的。此外，探索如何在不同的學習環(huán)境中使用虛擬學習環(huán)境，如操作機器來創(chuàng)建和開發(fā)未來產品，似乎具有巨大的潛力。


參考文獻
Gr??ler, I.; Hieb, M.; Roesmann, D.; Unverzagt, M. & Pottebaum, J. (2023). Virtual learning environment for teaching the handling of collaborative robots. 13th Conference on Learning Factories.

關注諾達思公眾號，聯(lián)系我們獲取更多產品信息及學術文章！