通过结构方程模型评估混合现实数字文化遗产叙事中的访客参与度

摘要

本方案详细阐述了一种定量研究方法，采用结构方程模型评估混合现实文化叙事的质量如何影响参观者在数字遗产环境中的沉浸感、感知真实性、情感连接以及后续的学习效果。

摘要

本文提出了一种全面的实验方案，用于评估混合现实（MR）文化叙事质量对中国台湾数字文化遗产环境中游客参与度和学习效果的影响。尽管混合现实技术为文化表达提供了新的平台，但目前仍缺乏标准化的方法来量化其体验效果与教育成效。该方案详细描述了一种基于情境的定量实证研究设计，采用统一的混合现实文化遗产原型系统。参与者（N = 261）通过该系统体验融合了历史内容、空间叙事和交互式信息的混合现实环境。体验结束后，采用结构化问卷收集数据，测量核心构念：叙事质量、沉浸感、感知真实性、情感连接、游客参与度和学习效果。随后使用偏最小二乘结构方程模型（PLS-SEM）对数据进行分析，以揭示这些变量之间的结构关系及中介效应。作为验证本方案的代表性结果，研究证实高质量的混合现实叙事显著增强了沉浸感和感知真实性，进而促进情感共鸣和更深层次的游客参与。最终，这种增强的参与度转化为更优的学习效果。通过系统性地捕捉和分析这些多层次的心理与行为反应，该方法为研究人员和设计者提供了一个可靠的框架，用以评估和优化数字文化遗产体验的教育价值。

引言

在文化遗产传播的国际范式发生深刻调整的背景下，展览逻辑已从根本上从以物为中心转向强调观众体验¹。传统上，博物馆和遗产地主要依赖实体展柜和静态文字说明牌以单向方式呈现历史信息。因此，这类传统展陈方式通常被认为未能融入观众的主动认知过程，使观众仅处于旁观者地位。然而，数字人文研究的兴起与快速发展已不可逆转地改变了这一局面。当前的目标不再仅仅是保存文物并进行被动展示，而是以交互式数字媒介作为桥梁，动态重构历史的时间脉络^2,3。在此背景下，混合现实（MR）技术的应用弥补了纯数字虚拟空间的固有局限，以及实际遗产环境的物理限制，从而为文化表达提供了一个强有力的融合平台。

利用混合现实（MR）实现文化遗产数字化转型的核心机制在于对空间叙事进行系统性重构。这种方法与传统的数字模型（如基础视频导览或孤立增强现实（AR）对象的简单叠加）有显著区别。相反，MR通过先进的空间感知映射与投影技术，实现了虚拟内容与真实环境之间的真正空间共存与深度融合⁴。在这种计算增强的环境中，参观者不再被动接收孤立的历史事实，而是成为文化叙事实时重构过程中的主动参与者。互动规则发生了根本性改变，重新定义了游客与遗产内容之间的结构关系。文化消费由此转变为一种主动的意义建构过程^5,6。将数字化的、符合史实的内容与实体遗产地并行呈现，能够有效将沉寂的历史记录转化为在空间上和情感上均产生共鸣的叙事片段⁷。

尽管取得了这些技术进步，但对更广泛文献的深入评述揭示出一个显著的方法论空白。尽管学术界对扩展现实在遗产保护中的应用给予了相当关注，但目前绝大多数研究仍高度集中于技术实现、硬件优化以及初步的可用性评估。虽然已有大量先前研究探讨了特定设备和感官刺激技术的应用效果，但极少有研究从实证角度考察这些技术与文化认知、心理沉浸以及教学成效之间的深层结构关系^8,9。因此，许多现有的数字遗产项目存在设计割裂的问题：它们具备先进的技术支持，却缺乏引人入胜且结构清晰的叙事策略。尽管开发者常常致力于营造强烈的空间临场感，但真正促使参观者有效沉浸于历史情境中的关键因素，是叙事的深度、连贯性与质量¹⁰。迄今为止，尚未建立一个系统化且定量的方法论框架，用以全面揭示特定的混合现实（MR）叙事设计如何影响参观者细微的参与行为。其结果是，许多高成本的数字遗产项目虽然提供了震撼的视觉刺激，却未能对长期教育成效或文化认同的形成产生显著影响¹¹。

本方案所介绍方法的总体目标是提供一个标准化、可重复的实证框架，用于量化混合现实（MR）文化叙事在体验与教育方面的有效性。该特定技术的开发依据在于：MR环境的叙事设计并不会直接或即时引发行为学习反应，而是作为远端前因，通过一系列中介心理过程发挥作用。我们假设，高质量的叙事流畅性沉浸能够有效降低游客的认知障碍（如博物馆疲劳或历史术语过载），使复杂信息更易于理解；同时，感知真实性在虚拟叙事叠加内容与实体文化遗产之间建立起关键的认知桥梁；情感共鸣则进一步将这种基础参与提升为深刻的文化联结状态。本方案系统性地验证这些潜在心理构念是否作为必要中介发挥作用，从而展示该方法论框架如何用于评估游客参与度对学习效果的影响。

本研究所提出的定量实验方案相较于其他评估技术具有显著优势。以往对数字文化遗产体验的评估主要依赖于主观的参观后定性访谈或单一维度的自我报告满意度调查。这些替代方法往往难以捕捉在实际空间体验过程中同时发生的复杂、多层次的心理机制^12,13。传统的观察方法同样缺乏对潜在心理变量进行同步建模所需的统计严谨性。相比之下，本文所述方法结合了受控的混合现实（MR）数字文化遗产原型、可靠的调查工具以及偏最小二乘结构方程模型（Partial Least Squares Structural Equation Modeling, PLS-SEM）¹⁴。PLS-SEM 在本应用中具有独特优势，因其能够同时严格评估复杂的路径模型和多个中介效应，使研究者能够高度精确地描绘叙事质量如何转化为学习效果，而不仅仅是判断其是否产生影响。

执行本方案所获得的信息将帮助读者判断这种结构评估方法是否适用于其特定应用场景。本方案特别适用于数字人文学者、博物馆策展人以及交互系统设计师，有助于他们从对文化遗产技术的纯描述性评估转向严谨的预测性建模。通过识别驱动参观者参与度的具体叙事变量，该方法为优化未来混合现实（MR）文化叙事系统的教育有效性提供了理论支持与可操作的指导方向。

方案

所有涉及人类参与者的研究方法均按照相关机构指南进行，并经上海大极教育科技有限公司人类研究保护伦理委员会批准（批准号：4500AL0512）。在参与研究前，已从所有参与者处获得书面知情同意书。

1. 系统开发与实验设计

1. 开发混合现实（MR）数字文化遗产原型
   1. 构建MR原型
      1. 使用 Unity 2022.3 LTS 构建MR数字文化遗产原型。
      2. 通过能够整合虚拟与物理内容的 Microsoft HoloLens 2 头戴式MR设备部署应用程序。
   2. 配置MR原型
      1. 配置原型，使其能够在三维物理环境中叠加虚拟文化信息。
      2. 将历史内容、空间叙事元素和交互式信息展示整合到系统中。
      3. 对所有参与者使用相同的设备、应用程序版本、场景包和交互工作流程。
   3. 准备文化遗产内容
      1. 从公开的博物馆记录、地方文化遗产档案、展览文本以及专家审阅的解读材料中汇编历史与文化资料。
      2. 将收集到的资料组织为按时间顺序和主题划分的叙事单元。
      3. 邀请两位文化遗产专家在最终原型部署前，对材料的历史准确性、叙事连贯性以及是否适合MR呈现进行评审。
2. 设计MR环境
   1. 配置交互组件
      1. 在MR环境中加入空间提示、视觉图层以及交互反馈机制。
      2. 确保这些组件能够支持用户在整个体验过程中的导航与参与。
   2. 实施叙事驱动的交互
      1. 采用叙事驱动的讲故事方式，使参与者置身于具有文化背景的情境之中。
      2. 以交互式体验内容取代传统的静态展示方式。
3. 建立实验框架
   1. 定义结构模型
      1. 以提出的结构模型为基础建立实验框架，该模型阐明了核心构念及其操作维度（图1）。
   2. 定义主要自变量
      1. 在框架中将MR文化叙事质量定义为主要自变量。
      2. 评估其与沉浸感和感知真实性的关系。
   3. 定义下游结果关系
      1. 评估沉浸感和感知真实性对情感连接、游客参与度以及学习成果的后续影响。

图1．评估混合现实（MR）数字文化遗产体验中参观者参与度的实验流程。 研究设计与实验程序的示意图概览。该工作流程展示了系统准备、参与者招募、混合现实体验暴露、问卷调查实施以及用于评估叙事质量、沉浸感、感知真实性、情感连接、参观者参与度与学习成果之间关系的统计分析。 请点击此处查看此图的放大版本。

2. 受试者招募与准备

1. 招募符合条件的参与者
   1. 确定目标人群
      1. 将目标人群定义为具备基础数字素养的个体。
      2. 采用分层随机抽样方法，在大学校园和当地文化中心招募参与者，以促进人口学多样性。
   2. 应用纳入标准
      1. 招募年满18周岁的参与者。
      2. 招募视力正常或矫正后视力正常的参与者。
   3. 应用排除标准
      1. 排除有严重晕动病史的个体。
      2. 排除此前接触过本研究中所使用的特定数字文化遗产内容的个体。
   4. 完成参与者入组
      1. 根据预设的入组标准招募参与者。
      2. 在最终分析数据集中保留261名有效参与者。
2. 标准化实验环境
   1. 标准化实验条件
      1. 确保所有参与者实验环节中的混合现实（MR）文化遗产体验环境保持一致。
      2. 在安静的室内房间中进行所有实验，保持光照稳定、外部噪音最小化，并设定预定义的安全活动区域。
      3. 在整个实验过程中统一硬件配置、软件环境和交互流程。
   2. 验证系统准备状态
      1. 尽量减少可能影响参与者反应的外部技术差异。
      2. 在每次实验开始前，检查头显的电池电量、视觉清晰度、空间映射、手势识别、应用程序启动情况以及环境一致性。

3. 实验步骤

注意：以下步骤对应于图1所示的工作流程。分阶段设计将参与者培训与正式实验任务分开，以尽量减少技术不熟悉对测量结果的影响。

1. 进行参与者介绍与知情同意程序
   1. 提供参与者指导
      1. 在会话开始前，向参与者简要介绍研究目的、实验流程及相关安全指南。
   2. 获取知情同意
      1. 在参与者参与MR体验之前，获取其书面知情同意书。
2. 准备参与者使用MR系统
   1. 提供系统操作说明
      1. 分发设备使用手册。
      2. 解释MR系统的操作流程及交互要求。
   2. 校准MR硬件
      1. 指导参与者完成MR硬件的佩戴与校准。
      2. 若参与者报告视觉模糊、追踪不稳定或难以完成练习性交互，则需重复校准。
   3. 开展参与者培训
      1. 提供一个标准化的5分钟培训环节，内容涵盖头显调节、视线控制、手势操作、菜单选择及安全注意事项。
3. 开展正式的MR体验环节
   1. 启动体验环节
      1. 指导参与者进入并探索标准化的MR数字文化遗产环境。
   2. 完成叙事性体验
      1. 引导参与者完成完整的空间叙事序列，包括观看集成的虚拟展品并执行规定的交互探索任务。
      2. 保持正式MR体验时长约12–15分钟。
      3. 当参与者完成最终叙事场景并返回起始界面时，视为该环节结束。
4. 实施体验后问卷调查
   1. 发放问卷
      1. 在MR体验环节结束后立即发放结构化问卷。
   2. 收集参与者反馈
      1. 指导参与者自行报告其对文化叙事质量、沉浸感、感知真实性、情绪反应、参观参与度及学习效果的评价。

4. 测量与变量操作化

1. 配置问卷结构
   1. 定义应答量表
      1. 采用五点李克特量表对问卷进行结构化设计，量表范围从1（“强烈不同意”）到5（“强烈同意”），用于量化参与者对感知体验和主观感受的评价。
   2. 定义计分程序
      1. 在整个评估过程中，保持所有测量构念的一致性应答格式。
      2. 将每个构念的得分计算为其对应题项的算术平均值。
      3. 问卷中不包含反向计分题项。得分越高，表示该构念的水平越高。
   3. 定义问卷结构
      1. 使用提供的 补充文件1 中最终的30项体验后问卷。
      2. 测量六个构念，每个构念包含五个题项：混合现实（MR）文化叙事质量、沉浸感、感知真实性、情感连接、游客参与度和学习成效。
2. 测量混合现实（MR）文化叙事质量
   1. 评估叙事结构
      1. 通过评估混合现实（MR）环境中呈现的故事内容在逻辑组织和连贯性方面的表现，来衡量文化叙事质量。
   2. 评估叙事呈现
      1. 测量文化信息的吸引力。
      2. 测量情境引导的清晰度以及互动解读的连贯性。
3. 评估沉浸感
   1. 评估临场感与参与度
      1. 通过测量参与者在文化遗产环境中的临场感和空间参与程度，来评估其沉浸感。
   2. 评估注意力集中程度
      1. 评估参与者在混合现实（MR）体验过程中的持续注意力集中情况。
4. 测量感知真实性
   1. 评估历史可信度
      1. 通过评估参与者对数字增强内容在历史可信性和文化真实性方面的感知程度，来衡量其感知真实性。
   2. 评估环境真实感
      1. 评估数字增强内容是否保持了物理文化遗产环境所感知到的真实性。
5. 测量情感连接
   1. 评估情感共鸣
      1. 通过评估参与者对历史文化内容的文化认同感和情感共鸣程度，来衡量其情感连接。
   2. 评估情感依附
      1. 测量参与者在体验过程中对所呈现文化遗产叙事产生的有意义的情感依附。
6. 评估游客参与度
   1. 评估认知参与
      1. 通过评估参与者的认知投入程度及其探索相关文化信息的意愿，来衡量其游客参与度。
   2. 评估行为参与
      1. 测量参与者在混合现实（MR）体验过程中的心理参与度和互动意图。
7. 评估学习成效
   1. 评估知识获取
      1. 通过测量参与者在混合现实（MR）体验后所感知的知识获取情况和文化理解的提升程度，来评估其学习成效。
   2. 评估知识保持
      1. 将参与者对所呈现文化遗产内容的记忆保持情况作为最终的因变量进行评估。

5. 数据筛选与统计分析

1. 筛选并准备数据集
   1. 识别无效响应
      1. 筛查收集到的问卷数据，识别并剔除无效响应，包括重复提交的条目以及包含逻辑矛盾的回答。
   2. 确定最终分析数据集
      1. 在最终的分析数据集中仅保留有效响应，以确保后续统计分析的可靠性。
2. 进行描述性统计分析
   1. 计算描述性统计量
      1. 计算描述性统计量，包括均值、标准差和相关系数，以描述参与者样本的人口学结构及分布特征。
   2. 评估数据分布
      1. 在进行结构模型分析之前，评估所收集数据的整体分布特征。
3. 评估测量模型
   1. 评估内部一致性
      1. 计算Cronbach’s alpha值和组合信度（Composite Reliability）以评估测量模型的内部一致性。
      2. 当两个指标均超过0.70时，认为信度可接受。
   2. 评估收敛效度
      1. 使用平均方差提取量（Average Variance Extracted）和指标载荷评估收敛效度。
      2. 当平均方差提取量超过0.50，且标准化指标载荷优选高于0.70时，认为收敛效度充分。
   3. 评估区分效度
      1. 采用异质-单质比值（Heterotrait-Monotrait ratio）来确立区分效度。
      2. 当异质-单质比值低于0.85时，认为其值可接受。
4. 进行结构模型分析
   1. 估计结构模型
      1. 采用偏最小二乘结构方程模型（PLS-SEM）评估测量构念之间的结构关系。
   2. 评估结构路径
      1. 分析MR文化叙事质量、沉浸感、感知真实性、情感连接、游客参与度与学习成果之间的方向性关系。
5. 进行中介效应与重抽样分析
   1. 执行自举法分析
      1. 采用自举法（bootstrapping）程序，进行5,000次重抽样，以评估所提出结构模型中的中介效应。
   2. 评估间接效应
      1. 评估MR文化叙事通过内部体验路径构念影响学习成果的间接效应。
      2. 当路径系数和间接效应的p < 0.05时，认为其具有统计学显著性。

结果

以下实证研究结果作为代表性数据呈现，旨在说明所提出方案的实际应用、统计严谨性及分析能力。通过执行上述步骤，本部分展示了该方法如何有效捕捉并建模游客体验。

参与者概况与分组分布
共收集到261份有效样本，整体呈现出相对均衡的人口统计学分布（表1）。女性占样本的54.8%，大多数参与者年龄介于18至34岁之间（70.5%）。教育背景以大学及以上学历为主（68.2%）。该分布表明，大多数参与者熟悉数字技术，并具备一定的文化知识基础。分别有41.0%和31.4%的参与者报告曾接触过数字文化遗产和混合现实（MR）体验。尽管这两类经历的比例未过半数，但表明该群体对新媒体及文化类应用具备基本的认知，为后续对叙事质量、沉浸感和学习效果的评估提供了有益的参考基准。在参与动机方面，文化学习（37.2%）和休闲娱乐（32.2%）为主要动因，其次是对于新技术的好奇心（22.6%）。总体而言，样本涵盖了多样化的年龄层、教育背景以及不同程度的先前技术经验，支持其适用于当前分析。

讨论

本研究提出了一种可重复的方法学方案，利用一个综合性的结构模型，评估混合现实（MR）文化叙事如何在体验机制的不同层面上影响参观者的参与度和学习成果¹⁵。通过对假设进行实证检验，验证了该评估框架的有效性和可靠性。通过系统建立并验证这一整合路径模型，结果表明，MR文化叙事质量通过沉浸感、感知真实性与情感共鸣等中介因素，与文化学习的参与度提升相关。全部五个假设均获得了统计学支持，共同凸显了叙事设计在数字文化遗产体验中的重要性。该方案的应用表明，高质量的叙事通过参观者参与的中介作用，可能促进基于体验的互动向学习成果的转化。

使用本方案生成的实证结果表明，沉浸式体验是有效 MR 文化叙事的关键组成部分^16,17。成功的叙事设计不仅限于基本信息的传递，它通过连贯的情景构建和直观的交互引导，帮助参与者克服认知障碍，从而共同促成空间临场感的形成¹⁸。因此，构建具有影响力的数字文化遗产环境不...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
计算机工作站	Dell	Precision 3650 Tower；Intel Core i7 处理器；32 GB 内存；NVIDIA 显卡；Windows 11 Pro 64 位	用于运行混合现实环境、部署应用程序以及处理研究数据
IBM SPSS Statistics	IBM Corp.	版本 26.0	用于进行描述性统计分析和方差分析（ANOVA）
混合现实头戴设备	Microsoft	HoloLens 2；Windows Holographic 操作系统	用于提供混合现实文化遗产体验
SmartPLS 软件	SmartPLS GmbH	版本 4.0	用于进行偏最小二乘结构方程建模（PLS-SEM）、信度评估、效度检验以及中介效应分析
Unity 开发平台	Unity Technologies	Unity 2022.3 LTS	用于开发、部署和管理混合现实文化遗产应用程序
游客体验调查工具	由研究团队基于以往数字遗产与沉浸式体验研究开发	最终版包含 30 个题项的体验后问卷；详见补充文件 1	用于收集有关叙事质量、沉浸感、感知真实性、情感连接、游客参与度及学习成效的自评数据