Anwendungen von Augmented Reality Bildungsspielen im naturwissenschaftlichen Unterricht

Zusammenfassung

Augmented Reality (AR) verbessert den naturwissenschaftlichen Unterricht, indem sie Bildungsspiele integriert, die Interaktivität verbessert und die Lernergebnisse verbessert. Experimente zeigen, dass AR-Steigerungen die Punktzahlen um 28 Punkte erhöhen, wobei Erst- und Abschlussjahrgänger 22 von 30 Punkten erhalten. Spielindikatoren (Spielbarkeit und Anwendbarkeit) erreichen 84 % bis 87 %, und die Nutzerzufriedenheit übersteigt 94 %. AR verbessert die Leistung und die Effektivität im Unterricht erheblich.

Zusammenfassung

Mit der tiefen Integration von Informationstechnologie und Bildung ist Augmented Reality (AR) zu einem Trend im naturwissenschaftlichen Unterricht geworden, der virtuelle Realität und Echtzeitinteraktion kombiniert. Diese Studie entwirft und entwickelt ein naturwissenschaftliches Lehrsystem auf Basis der AR-Technologie, integriert mit pädagogischen Spielmechanismen, um die Schwierigkeiten des Verständnisses abstrakter Inhalte und die geringe Schülerbeteiligung am traditionellen naturwissenschaftlichen Unterricht zu überwinden. Das System wird von den Theorien des erfahrungsbasierten Lernens und des Konstruktivismus geleitet und integriert Algorithmen wie Merkmalspunktverfolgung, Bildkorrektur und Regressionstraining. Diese Algorithmen verbessern die Genauigkeit und Stabilität virtueller Modelle in realen Umgebungen. Abschließend wird ein 12-monatiges vergleichendes Experiment in einem naturwissenschaftlichen und ingenieurwissenschaftlichen Studiengang an einer bestimmten Universität durchgeführt. Experimentelle Ergebnisse zeigten, dass sich der Durchschnittswert für die naturwissenschaftliche Lehrmethode mit AR-Technologie deutlich verbesserte, um 20,11 Punkte im Vergleich zur traditionellen Lehrmethode. Die Note der Erstsemester im Lehrsystem stieg um 22,36 Punkte, und die durchschnittliche Punktzahl der Abschlussjahrgänger im Lehrsystem stieg um 29,97 Punkte. Im naturwissenschaftlichen Lehrsystem stiegen die Indikatoren für Bildungsspiele, Spielbarkeit und Anwendbarkeit auf 84, 87 bzw. 86. Die Zufriedenheit der Nutzer mit der Benutzerfreundlichkeit, Inhaltsgenauigkeit, Responsivität und Klarheit der Indikatoren könnte jeweils 97 %, 96 %, 94 % und 98 % erreichen. Zusammenfassend hat das naturwissenschaftliche Lehrsystem mit einem AR-Technologie-Lernspiel eine deutliche Verbesserung der Schülerleistungen und einen starken praktischen Einfluss im naturwissenschaftlichen Unterricht.

Einleitung

Augmented-Reality-(AR)-Technologie ist zu einer Notwendigkeit geworden, die Menschen hilft, Erfahrungen zu erleben, zu erkennen und zu inspirieren, um das Lebenserlebnis zu verbessern¹. Dies verleiht der Ausbildung und Lehre abstrakter Inhalte heuristische Bedeutung. Angesichts der sehr abstrakten und schwer zu beobachtenden Natur von VR- und AR-Technologien können^{sie genutzt werden}, um die Effektivität von Bildung und Lehre zu steigern, sodass das Lernpotenzial der Schüler genutzt^{und weiterentwickelt} werden kann. Virtual-Reality-Technologie bietet Interaktivität, Immersion und Autonomie, die den Anforderungen der zeitgenössischen Bildung entspricht. Sie kann in den praktischen Unterricht integriert werden, um eine Lehrplattform zu schaffen, die virtuellen und realen Unterricht kombiniert und den aktuellen^{Unterrichtsbedarf} gerecht wird. Nach den Standards des naturwissenschaftlichen Lehrplans werden die interaktiven Funktionen der AR-Technologie zur Unterstützung des Unterrichts genutzt. Das interaktive Kunstunterrichtssystem hat eine tiefgreifende Bedeutung für den naturwissenschaftlichen Unterricht⁵. Die Forschung konzentriert sich auf Bildextraktion, Feature-Matching und Objektverfolgungsalgorithmen. Durch die Analyse der Bedürfnisse des naturwissenschaftlichen Unterrichts wurden AR-Bildungsspiele entwickelt, um AR in der naturwissenschaftlichen Bildung zu entwickeln, mit dem Ziel, AR zur Verbesserung der Lehrqualität ^6,7 zu nutzen. Im Vergleich zu bestehenden AR-Lehrsystemen liegt die Innovation dieser Forschung vor allem darin, dass sie nicht einfach AR-Modelle für die Inhaltsanzeige verwendet, sondern spezifische Computer-Vision-Algorithmen und Bildungsspielmechanismen tief integriert. Diese Studie integriert Echtzeit-Tracking und Matching basierend auf Merkmalspunkten sowie Korrektur der Bildgraustufendehnung. Es verwendet außerdem Ridge- und nichtlineare Regressionstrainingsmodelle. Zusätzlich kombiniert die Studie langfristige vergleichende Experimente mit multidimensionalen Evaluationsindexsystemen. Diese Methoden verbessern die Registrierungsgenauigkeit, die Stabilität der Verfolgung und die Anpassungsfähigkeit virtueller Objekte in realen Umgebungen.

Diese Studie konzentriert sich auf fünf Abschnitte. Der erste Abschnitt erklärt den Hintergrund und die Forschungsbedeutung der AR-Technologie in der naturwissenschaftlichen Bildung und hebt ihr Potenzial hervor, die Lernmotivation und das Verständnis abstrakter Konzepte zu verbessern. Der zweite untersucht den aktuellen Anwendungsstand von Bildungsspielen und den Forschungsfortschritt der AR-Bildungssysteme. Der dritte Abschnitt analysiert die Bedürfnisse im Lehrprozess und entwirft ein wissenschaftliches Lehrsystem, das auf AR-Technologie-Lernspielen basiert. Der nächste Abschnitt überprüft die Leistung des vorgeschlagenen Lehrsystems. Der letzte Abschnitt ist eine Zusammenfassung und ein Überblick über die Forschungsmethoden und Ergebnisse.

Verwandte Werke

Pädagogische Spiele sind Lehrmittel, die Lernziele mit Spielmechanismen verbinden und darauf abzielen, Lernergebnisse durch unterhaltsame Interaktionen zu verbessern. Mit der tiefen Integration von Bildungsspielen und intelligenter Technologie durchläuft das Bildungssystem tiefgreifende Veränderungen. Yang et al. schlugen einen kollaborativen Filter-Empfehlungsalgorithmus vor, der Coverage-grobkörniges Schichtclustering und K-means-Clustering kombiniert, um die schlechte Leistung in Bildungsspielempfehlungen zu adressieren. Die Ergebnisse zeigten, dass die Genauigkeit und der F1-Wert des vorgeschlagenen Algorithmus bei 0,880 bzw. 0,826 lagen, was besser war als das Steigungsmodell⁸. Sun et al. berichteten über eine Metaanalyse von 22 empirischen Studien, um die Wirksamkeit von Bildungsspielen bei der Verbesserung der computergestützten Denkfähigkeiten von Schülern zu bestimmen. Pädagogische Spiele könnten die computergestützten Denkfähigkeiten der Schüler verbessern⁹. Udeozor et al. untersuchten Lernpraktiken auf Basis digitaler Spiele. Diese Studie zeigte auf, dass das Interesse und die Nachfrage der Menschen an erfahrungsbasierten Lernwerkzeugen, die durch Technologie wie virtuelle Labore und digitale Spiele gesteigert werden, allmählich zunahm. Sie betonten außerdem den zukünftigen Trend des digitalen Spielelernens in der Ingenieurausbildung¹⁰. Martinez et al. führten eine systematische Überprüfung von 49 relevanten Studien durch, um den Wert der pädagogischen Spielpraxis im Klassenzimmer besser zu verstehen. Letztendlich wurde entdeckt, dass Bildungsspiele ein effektives Bildungswerkzeug werden können, das für fast alle Fächer¹¹ von Vorteil ist. Gordillo et al. verwendeten ein quasi-experimentelles Design, um die Wirksamkeit von videobasiertem Lernen und spielbasiertem Lernen in der Online-Softwareentwicklungsausbildung zu vergleichen. Die Ergebnisse zeigten, dass die Nutzung von Bildungsspielen für das Lernen effektiver war als traditionelles videobasiertes^{Lernen 12}.

AR-Technologie wird aufgrund ihrer Kombination aus virtueller und Echtzeitinteraktion weit verbreitet in der Industrie, medizinischen Behandlung, Information, Bildung und anderen Bereichen eingesetzt. Lytvynova et al. erklärten, dass die Integration von Virtual Reality und AR in Bildungsumgebungen neue Möglichkeiten für partizipative und immersive Lernerfahrungen eröffnet. Ein Bildungsprojekt, das virtuelle und AR nutzte, wurde umgesetzt. Die Ergebnisse zeigten, dass virtuelle Realität und AR-Technologie im Bildungsprozess reichhaltige Lehr- und Lernressourcen bereitstellen, die das Lernerlebnis verbessern könnten¹³. Álvarez Marín et al. behandelten die begrenzte Forschung zu AR-basierten Lernmethoden, diskutierten die Arten von Bildungsaktivitäten, die AR nutzen, und bewerteten deren Auswirkungen auf Schüler und Lehrkräfte. Die Ergebnisse zeigten, dass in den meisten Studien AR-basierte Unterrichtsmethoden die akademische Leistung verbesserten¹⁴. De Moraes Rossetto et al. erklärten, dass die Anwendung von AR und virtueller Realität ein transformativer Ansatz im Bildungsbereich wurde. Daher entwickelte diese Studie eine Anwendung aus AR und virtueller Realität und bewertete deren Einfluss auf den Lehrprozess. Die Ergebnisse zeigten, dass sowohl AR als auch Virtual Reality vielversprechende Unterstützung des Lehrprozesses^{zeigten 15}. Radu et al. schlugen ein AR-System auf Basis von HoloLens vor, um die physikalische Lernleistung zu verbessern. Die Ergebnisse zeigten, dass das AR-System den Schülern half, räumliche Inhalte und strukturelle Beziehungen zu lernen, aber auch ihr Verständnis von kinästhetischem Inhalt beeinträchtigte¹⁶. Kleftotimos et al. schlugen zwei standortbasierte pädagogische AR-Anwendungen vor, um die Zufriedenheit und das Engagement der Lernenden zu verbessern, und luden 129 Studierende zur Voruntersuchung ein. Die Ergebnisse zeigten, dass AR-Anwendungen in Bezug auf Benutzerfreundlichkeit, Schülerzufriedenheit und wahrgenommene^{pädagogische Nützlichkeit 17} hoch abschneiden.

Zusammenfassend bietet die interaktive Natur der AR-Technologie ein natürlicheres Lernerlebnis für Lehrkräfte und Lernende und steigert das Erkundungsbewusstsein. Bestehende AR-Lehrsysteme konzentrieren sich jedoch hauptsächlich auf Modelldarstellung und einfache Interaktion, da es an tiefgehender Integration mit Bildungsspielmechanismen und höherwertigen Lernzielen fehlt. Es gibt nicht genügend langfristige Nachverfolgungsforschung, und auch die Anpassungsfähigkeit sowie Stabilität der Systemumgebung müssen verbessert werden. Daher zielt diese Studie darauf ab, ein wissenschaftliches Lehrsystem zu entwickeln, das AR-Technologie und pädagogische Spielmechanismen integriert. Der Fokus liegt auf Themen wie Registrierungsgenauigkeit, Tracking-Stabilität und die Anpassungsfähigkeit virtueller Objekte in realen Umgebungen. Durch langfristige vergleichende Experimente und multidimensionale Bewertungssysteme wird ihre Wirksamkeit bei der Verbesserung der Lernergebnisse und Erfahrungen der Schüler überprüft.

Protokoll

Diese Studie wurde von dem zuständigen Ethikausschuss sorgfältig geprüft und genehmigt, und der gesamte Forschungsprozess hält sich strikt an die Erklärung von Helsinki und die anwendbaren akademischen Forschungsethikstandards, wobei die legitimen Rechte und Interessen, das körperliche und geistige Wohlbefinden sowie die persönliche Privatsphäre der Teilnehmer vollständig geschützt werden.

Der Rekrutierungsprozess für Forschungsteilnehmer entspricht ethischen Anforderungen, und alle Teilnehmer unterzeichneten vor der Teilnahme an der Studie ein schriftliches Formular zur informierten Einwilligung. Das Formular zur informierten Einwilligung ist klar und leicht verständlich und beschreibt explizit den Umfang der Datenerhebung (einschließlich akademischer Leistungen, Systembewertungsdaten und Nutzerzufriedenheit), den Zweck der Datennutzung (ausschließlich für akademische Analysen in dieser Studie) sowie die ergriffenen Maßnahmen zur Gewährleistung der Datenvertraulichkeit. Die Teilnahme war völlig freiwillig, und alle Teilnehmer gaben eine informierte Einwilligung ohne jeglichen Zwang oder Anreiz. Die verwendete Ausrüstung ist in der Materialtabelle aufgeführt.

1. Teilnehmer, Studiendesign und Bewertungsrahmen

200 Bachelor-Studierende (106 Männer und 94 Frauen, mit einem Durchschnittsalter von 20,4 ± 1,2 Jahren) und 100 Lehrkräfte (52 Männer und 48 Frauen, mit einer durchschnittlichen Lehrerfahrung von 8,6 ± 4,3 Jahren) werden zufällig aus den naturwissenschaftlichen und ingenieurwissenschaftlichen Studiengängen einer bestimmten Universität als Teilnehmer rekrutiert. Die Teilnehmer werden zufällig in eine experimentelle Gruppe und eine Kontrollgruppe unter Verwendung einer geschichteten Zufallsstichprobe eingeteilt, wobei je 150 Personen pro Gruppe verteilt sind. Der Grundwissenstest vor dem Experiment bestätigt, dass es keinen statistisch signifikanten Unterschied (p > 0,05) im anfänglichen Wissensniveau zwischen den beiden Gruppen gibt. Die experimentelle Gruppe verwendet ein auf AR-Technologie basierendes Lehrsystem, während die Kontrollgruppe traditionelle Lehrmethoden verwendet. Traditionelle Lehrmethoden beziehen sich auf den weit verbreiteten standardisierten Lehrprozess, der sich auf Lehrer und Lehrbücher konzentriert. Dazu gehören Lehrvorlesungen, das Lernen von Lehrbüchern und statischen Diagrammen sowie theoretische Berechnungen und beinhaltet keine 3D-interaktive Simulation oder AR-Technologie. Die Einschlusskriterien sind: Bachelor-Studierende müssen den Vorauskurs Materialmechanik abgeschlossen haben, und Lehrkräfte müssen relevante Lehrerfahrung in diesem Kurs haben. Die Ausschlusskriterien sind: Personen mit einer Vorgeschichte schwerer Sehbehinderung oder Reisekrankheit. Alle Teilnehmer unterschreiben Formulare zur informierten Einwilligung und werden darüber informiert, dass sie jederzeit aus dem Experiment zurücktreten können. Der Versuchszeitraum beträgt 12 Monate, und die Daten zur akademischen Leistung und Systembewertung werden vor Beginn des Experiments, im 6. und im 12. Monat erhoben. Das Bewertungstool verwendet ein selbstentwickeltes "Educational Game Evaluation Index System" (siehe Tabelle 1), um die Effektivität des Systems aus drei Dimensionen zu bewerten: Bildungs-, Spiel- und Anwendbarkeit, mit insgesamt 15 Indikatoren. Es werden Daten zur Nutzerzufriedenheit erhoben, die vier Aspekte abdecken: Benutzerfreundlichkeit, Genauigkeit der Inhalte, Terminion der Antwort und Klarheit der Indikatoren.

2. Experimentelle Systemkonfiguration, Verfahren und Datenanalyse

Die Hardwareausstattung umfasst ein AR-Displaygerät (Microsoft HoloLens 2), eine eingebaute Tiefenkamera und eine RGB-Kamera, einen Computer mit einem Intel Core i9-11950H-Prozessor, 32 GB RAM und eine A2000-Grafikkarte. Das Betriebssystem verwendet Windows 11, die Entwicklungs-Engine Unity 2021, die Computer-Vision-Bibliothek OpenCV 4.13.0 und die integrierte Entwicklungsumgebung ist Visual Studio 2022. Wenn sich die Beleuchtung der experimentellen Umgebung erheblich ändert oder die Ausrüstung erstmals in diesem physischen Raum verwendet wird, muss eine Kamerakalibrierung durchgeführt werden. Es führt das integrierte Kalibrierungsskript CalibrationScript aus. cs und nehmen mindestens 15 Schachbrettbilder aus verschiedenen Winkeln und Positionen mit der HoloLens-Kamera auf. Das Skript berechnet automatisch die intrinsischen Parameter der Kamera und die Verzerrungskoeffizienten. Der Standard für eine erfolgreiche Kalibrierung ist, dass der durchschnittliche Reprojektionsfehler weniger als 0,5 Pixel beträgt. Wenn der Standard nicht erfüllt wird, fordert das System auf, das Bild erneut aufzunehmen. Nach erfolgreicher Kalibrierung werden Kalibrierungsparameter für nachfolgende 3D-Registrierungsmodulaufrufe ausgegeben.

Das Experiment wird in Innenräumen durchgeführt, wobei das Umgebungslicht bei 300 ± 50 Lux gehalten wird. Die experimentelle Karte mit spezifischen AR-Markierungen wird in die Mitte des Tisches gelegt, und der Rand der Karte ist parallel zum Tischrand. Die Beobachtungsposition ist mit beiden Augen etwa 60 cm vom Zentrum der Karte entfernt, und die HoloLens 2-Kamera wird zunächst auf die Ebene der Karte fokussiert. Die Gesteninteraktion verwendet die von HoloLens 2 vorgegebenen "Handstrahl"- und "Luftklick"-Gesten. Sein Zeigefinger ist ausgestreckt, und die anderen Finger sind zurückgezogen, zeigen auf das virtuelle Exemplar und halten eine stabile Geste für mehr als 0,5 Sekunden aufrecht, um das Objekt auszuwählen. Anschließend wird Kraft ausgeübt, indem der Zeigefinger schnell nach vorne gedrückt wird, wobei das System einen Standardkraftwert von 50N entlang der Achse der virtuellen Probe anwendet. Die erwartete erfolgreiche Betriebszeit für das Abschließen einer vollständigen Gesteninteraktion beträgt 1–2 Sekunden. Die Computer-Vision-Parameter des Systems sind wie folgt gesetzt: Rufen Sie die aruco.detectMarkers-Funktion von OpenCV in Unity auf, um die Schwelle zu erkennen (adaptiveThreshWinSizeMin=3, adaptiveThreshWinSizeMax=23). Der Marker-Erkennungs-Checkpoint besteht darin, dass das System denselben Marker (Konfidenz>0,95) in einem kontinuierlichen 30-Frame-Videostrom stabil erkennen muss, bevor das virtuelle Objektrendering ausgelöst wird. Wenn die Erkennung erfolgreich ist, zeigt der markierte Rand auf dem Bildschirm einen grünen Rand an, begleitet von einem kurzen Vibrationsfeedback. Die Kamerakalibrierung verwendet das integrierte CalibrationScript. CS-Skript, das ein Schachbrettmuster mit 9 × 6 inneren Eckpunkten und einer Seitenlänge von 2,5 cm verlangt. Mindestens 15 Bilder des Musters müssen aus verschiedenen Blickwinkeln innerhalb des Kamerasichtfelds dargestellt werden. Der erfolgreiche Kalibrierungsstandard ist ein durchschnittlicher Reprojektionsfehler von weniger als 0,5 Pixeln. Der Kalibrierungsprozess sollte innerhalb von 2 Minuten abgeschlossen sein. Nach dem Erfolg sollte das Protokoll "Calibration Succeeded" in der Unity-Editor-Konsole ausgegeben werden, und der kalibrierte Kamerakegel sollte in der Szene visualisiert werden. Das virtuelle Objektrendering verwendet Unitys Echtzeit-Rendering-Pipeline mit einem Standard-Materialshader und einem Beleuchtungsmodell, das mit dem Umgebungslicht übereinstimmt.

Das experimentelle Verfahren umfasst hauptsächlich vier Schritte. Erstens trägt und justiert es das HoloLens 2-Gerät richtig. Zweitens wird die experimentelle Karte mit bestimmten AR-Markierungen auf den Desktop gelegt. Die Systemkamera nimmt kontinuierlich Videoströme auf. In OpenCV wird die Funktion aruco.detectMarkers für Tag-Erkennung und -erkennung aufgerufen. Drittens stellt das System nach erfolgreicher Identifizierung der Markierung die virtuelle Materialprobe in der realen Welt gemäß den Gleichungen (1)–(4) dar. Das Koordinatensystem der virtuellen Umgebung ζηξ und das Koordinatensystem der realen Umgebung xyz können transformiert werden, und die Transformationsgleichung wird in Gleichung (1) dargestellt.

[xyz1] = [ζηξ1] A (1)

In Gleichung (1) stellt A die Transformationsmatrix zwischen zwei Systemen dar, wobei auch die reale Umgebung xyz und die Kamera x'y'z' transformiert werden können. Die Veränderungsgleichung ist in Gleichung (2) dargestellt.

[ x'y'z'1] = [ζηξ1] AB (2)

In Gleichung (2) stellt B die Transformationsmatrix zwischen den beiden Koordinatensystemen dar. X'y'z' projiziert die verfolgten virtuellen Objekte in das UV-Zweidimensionale Koordinatensystem, um die genaue Registrierung der virtuellen Umgebung in der realen Umgebung zu ermöglichen. Die Transformation zwischen den Bildschirmkoordinaten und Kamerakoordinaten x'y'z' der Fusionsprojektion virtueller Objekte und realer Umgebungen wird in Gleichung (3) dargestellt.

(3)

In Gleichung (3) stellt d_x die Anzahl der Pixel in axialer Richtung x dar. d_y ist die Anzahl der Pixel in axialer Richtung y. Die geometrische Beziehung zwischen der Kamera und dem Bildkoordinatensystem, projiziert durch die Verschmelzung von virtuellem Objekt und realer Umgebung, wird in Gleichung (4) unter Verwendung der ähnlichen Dreiecksgleichung dargestellt.

(4)

Durch die Anwendung von Kraft auf die virtuelle Probe durch vordefinierte Gesten berechnet und visualisiert das System die Spannungsverteilung und Verformung der Probe in Echtzeit basierend auf den Gleichungen (5)–(7). Die innere Kraft pro Flächeneinheit ist die Spannung, wie in Gleichung (5) gezeigt.

(5)

In Gleichung (5) bezeichnet F die Kraft, A die Querschnittsfläche und p_m die Spannung pro Flächeneinheit. Die Gesamtspannung ist in Gleichung (6) dargestellt.

(6)

In Gleichung (6) stellt p die Spannungskomponente der Gesamtspannung dar, σ die Normalspannung, die Spannungskomponente senkrecht zum Querschnitt, und τ ist die Schubspannung und die Spannungskomponente, die dem Schnitt tangential sind. Die normale Spannung ist in Gleichung (7) dargestellt.

(7)

In Gleichung (7) ist F_N die axiale Kraft und A die Querschnittsfläche. Viertens, Datenerfassung und Berichtsgenerierung. Die während des Experiments generierten Schlüsseldaten werden automatisch im CSV-Format gespeichert. Nach dem Experiment erstellt es einen experimentellen Bericht im PDF-Format, der Spannungs-Dehnungskurven und wichtige Datenzusammenfassungen enthält. Alle Dateien werden in das lokale Verzeichnis exportiert und im Format Experiment-Datum+Experiment-Typ benannt. Zu den Protokollabschlussschritten gehören die Datenspeicherbestätigung, das Abschalten des Geräts, das Abschalten der Software und eine Systemstatusprüfung. Nach dem Experiment bestätigt die Studie das Ende der Anwendung über den Button "Exit System" im Hauptmenü, entfernt das HoloLens-2-Gerät und fährt es gemäß den Standardarbeitsverfahren herunter. Schließlich wird auf der Entwicklungsmaschine der Laufzeitmodus des Unity-Editors gestoppt und alle zugehörigen Softwarefenster geschlossen.

SPSS 26.0 wird für die Datenanalyse verwendet. Bevor der t-Test mit gepaarten Stichproben angewendet wird, wird zunächst die Normalität der Leistungsverbesserungsunterschiede bewertet. Der Shapiro-Wilk-Test wird verwendet, um alle relevanten Variablen zu analysieren. Außerdem zeigen die Ergebnisse, dass die p-Werte aller Variablen größer als 0,05 sind, was darauf hindeutet, dass die Daten einer Normalverteilung entsprechen und die Voraussetzung für den t-Test erfüllen. Der t-Test mit gepaarten Stichproben wird verwendet, um Leistungsverbesserungen zwischen der experimentellen und der Kontrollgruppe für wiederholte Messungen, wie etwa die Zufriedenheit, zu vergleichen. Zur Bewertung von Veränderungen im Zeitverlauf wird eine Varianzanalyse mit wiederholten Messungen verwendet. Das Signifikanzniveau ist auf p<0,05 gesetzt. Zusätzlich wird zur Bewertung der Größe des Effekts der Cohensche d-Wert berechnet, wobei d>0,8 einen großen Effekt anzeigt.

3. Konstruktion eines naturwissenschaftlichen Lehrsystems basierend auf dem AR-Technologie-Lehrspiel

Im Einklang mit den wissenschaftlichen Lehrstandards werden die interaktiven Funktionen der AR-Technologie und Lehrsysteme genutzt, um sie in die Bildung einzuführen und ihr größeres Potenzial zu entfalten. AR-Technologie ist im naturwissenschaftlichen Unterricht von großer Bedeutung. Erstens kann es den abstrakten Lerninhalt konkretisieren und visualisieren. Die zweite ist, das Lernerlebnis der Lernenden zu verbessern, damit sie ein besseres Gefühl von Beteiligung und Konzentration haben. Daher ist es von großer Bedeutung, das Lehrsystem mit einem Klassenraum für Bildung zu verbinden. Das Systemdesign dieser Studie orientiert sich an erfahrungsorientiertem Lernen und konstruktivistischen Prinzipien. Ziel ist es, abstrakte Konzepte durch AR-Interaktionsmechanismen in greifbare, beobachtbare visuelle Objekte zu verwandeln und die Schüler dazu zu ermutigen, aktiv Wissen zu konstruieren. Gleichzeitig wird das Technologieakzeptanzmodell eingeführt, um die wahrgenommene Nützlichkeit und Benutzerfreundlichkeit des Systems zu bewerten und so sein praktisches Anwendungspotenzial zu messen.

3.1 Integration von Bildungsspielen und Augmented-Reality-Technologie

AR-Technologie integriert virtuelle und reale Umgebungen und bietet den Nutzern ein neues sensorisches Erlebnis. AR-Technologie verfolgt und sammelt zunächst Feature-Punkte aus realen Szenen und führt dann Bilderkennung durch. Die zweite ist, das Bild an der Position der Markierungskarte zu verfolgen. Der Kamerawinkel und andere Informationen sind wichtig¹⁸. Schließlich kann durch das Wahrnehmen der Empfindlichkeit der Kamera gegenüber der Umgebung und das Überlagern des Modells die Verschmelzung von virtueller und realer Realität erreicht werden, was einen immersiven Effekt erzielt. Die Implementierung der AR-Technologie ist in Abbildung 1 dargestellt.

Abbildung 1: Implementierungsschritte der AR-Technologie. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Ein Bildungsspiel ist eine Computerspielsoftware, die die Bildungsfunktion und die Unterhaltungsfunktion integriert. Es kann die Intelligenz, Fähigkeiten, das Wissen, die Einstellung und die Werte der Spielenutzer fördern, und sein Einfluss auf Lernende sollte nicht unterschätzt werden. AR-Technologie verfügt über drei grundlegende bedeutende Merkmale. Erstens integriert es virtuell und realitätsnahe Bereich, verbindet die geschaffene dreidimensionale Szene mit der realen Umgebung, aktiviert alle Sinne des Nutzers und ermöglicht es ihm, die reale Welt^zu erleben. Die zweite besteht darin, moderne intelligente Geräte zu nutzen, um eine intelligente Interaktion zwischen Menschen und Geräten zu ermöglichen. Schließlich wird die computergenerierte 3D-Umgebung mit dem tatsächlichen Ziel in 3D registriert. Nutzer können reale Objekte weiterhin verfolgen, ohne sie zu verlieren, und jederzeit eine genaue Verfolgung aufrechterhalten. Das Prinzip der 3D-Registrierungstechnologie ist in Abbildung 2 dargestellt.

Abbildung 2: Schaltplan der 3D-Registrierung. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Das in Abbildung 2 gezeigte dreidimensionale Registrierungsschema, wobei x'y'z' die Kamerakoordinaten sind, xyz die spezifischen Koordinaten der realen Umgebung, ζηξ die Koordinaten der virtuellen Umgebung, uv die Bildschirmkoordinaten der Fusionsprojektion des virtuellen Objekts und der realen Umgebung und "o'z" die Sichtrichtung des Benutzers darstellt. Nach Homogenisierung und Kombination wird die Berechnung in Gleichung (4) dargestellt. Die pädagogische Bedeutung der 3D-Registrierungstechnologie (Gleichungen (1)–(4)) liegt in ihrer Fähigkeit, abstrakte virtuelle Koordinatensysteme in stabile und präzise visuelle Überlagerungen auf Schülerbildschirmen zu verwandeln. Diese Technologie stellt sicher, dass virtuelle Modelle effektiv an realen Markierungskarten befestigt werden können und das Modell nicht abdriftet oder wackelt, wenn die Schüler ihre Perspektive verschieben. Der direkte pädagogische Wert dieser Technologie liegt in ihrer Fähigkeit, den Schülern eine stabile und vertrauenswürdige Beobachtungsumgebung zu bieten. Diese Umgebung ermöglicht es den Schülern, virtuelle mechanische Exemplare aus jedem Blickwinkel zu beobachten und zu betrachten. Dadurch entwickeln die Schüler räumliche Vorstellungskraft und die Fähigkeit zur Beobachtung aus mehreren Blickwinkeln.

3.2 Nachfrageanalyse von wissenschaftlichen Bildungsspielen auf Basis von AR-Technologie

Um die Lehrziele der Naturwissenschaften zu erreichen, müssen Lernende systematisch Wissen, Fähigkeiten und Verhaltenserfahrungen erwerben. Beim Entwerfen von AR-Lernspielen ist es notwendig, den^Lehrinhalt korrekt zu analysieren. Die Auswahl geeigneter Unterrichtsinhalte, deren Integration mit AR-Technologie und die Innovation von Lehrmethoden können den Lernenden effektiv helfen, ein kohärentes Wissenssystem aufzubauen. Das Forschungsobjekt der Materialmechanik sind verschiedene Materialien mit unterschiedlichen Bauteilformen. Es untersucht hauptsächlich Festigkeit, Steifigkeit und Stabilität unter verschiedenen Kräften. Um das intuitive visuelle Erlebnis und das interaktive Gefühl der Teilhabe der Lernenden zu verbessern. Daher wird die Kombination von AR-Technologie und Bildungssystem genutzt, um die Bedürfnisse der AR-Technologie in naturwissenschaftlichen Bildungsspielen zu analysieren, wobei die Spannungs-Dehnungs-Analyse als Beispiel genommen wird. Das System bietet experimentelle Vorbereitung und Simulation für die Wissenspunkte von Spannung und Dehnung in der Mechanik und unterstützt Lehrkräfte bei der Vermittlung von Experimenten. Die Nutzer des Systems umfassen hauptsächlich Besucher, Schüler, Lehrkräfte und Administratoren, während seine Funktionen Experimentmanagement, Experiment-Upload, interaktive Experimente und Datenvisualisierung umfassen. Das System ist in Abbildung 3 dargestellt.

Abbildung 3: Anwendungsfalldiagramm des Bewertungssystems zum Abschluss experimenteller Kurse. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Die Integration von AR-Technologie und Bildungssystem ist in Abbildung 3 dargestellt. Dieses System kann sicherstellen, dass Lehrkräfte vor dem Kurs ausreichend vorbereitet sind, Experimente meistern und die Schüler während des Kurses betreuen. Nach dem Experiment können Lehrkräfte den Fortschritt der Schüler einsehen und bewerten, bei der Verwaltung der Kursdaten helfen, die Abschlussraten der Schüler verbessern und die Verwaltung bei der Verwaltung von Daten zu den Experimentergebnissen unterstützen. Daher basiert das AR-Technologie-Lehrsystem auf der Model-View-Controller (MVC)-Architektur. Der Datenverarbeitungsmodus dieses Modus ist in Gleichung (8) dargestellt.

V(s) =maximal sim(s) →f(s)) (8)

In Gleichung (8) stellt V(s) den von der View-Schicht angezeigten Dateninhalt gemäß den Nutzeranforderungen und sis-Lehrressourcen dar, und f(s) sind Benutzerinformationen. Der Betriebsmodus der Echtzeitinteraktion zwischen diversifiziertem Lehrsystem und Nutzern ist in Gleichung (9) dargestellt.

K(s) = s_i ∩ [f(s₁), f(s₂),...,ff(s_n)] (9)

In Gleichung (9) stellt K(s) die Geschäftsregel des Modus dar, s₁ den charakteristischen Parameter von Datenobjekten und f(s_n) den charakteristischen Parameter der Nutzernachfrageinformation. Basierend auf der interaktiven Beziehung zwischen dem AR-Technologie-Wissenschaftslehrsystem und den Nutzern wird der Betriebsmodus in Gleichung (10) dargestellt.

g(x) = maximal K(s) → f(s) (10)

In Gleichung (10) stellt g(x) das Anfrageobjekt dar, f(x) ist die Quelle der Benutzeranforderungen und maximal K(s) ist der maximale Wert der Merkmalsähnlichkeit. MVC-Modus besteht aus fünf Hauptkomponenten: Business, Controller, Persistenz, View und Datenbank. Die Ansichtsschicht verbindet Benutzer und Daten über Webseiten, ermöglicht die Interaktion und bietet die Funktionalität zur Anzeige von Webseiten. Die Datenschicht speichert und verarbeitet Daten aus der oberen Schicht. Die Serviceschicht ist dafür verantwortlich, die Nutzerbedürfnisse zu erfüllen und Service-Logik umzusetzen. Das AR-naturwissenschaftliche Lehrsystem, das auf dem MVC-Modus basiert, ist in Abbildung 4 dargestellt.

Abbildung 4: Technisches Architekturdiagramm des naturwissenschaftlichen Lehrsystems. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Durch die Interaktion mit der Datenbank werden die auf der Geschäftslogikschicht gewonnenen Datenoperationen durch die Persistenzschicht abgebildet. Die View-Ebene ist verantwortlich für die Darstellung der Haupt-Frontend-Schnittstelle, das Hochladen experimenteller Daten, die Darstellung experimenteller Ergebnisse und die Bewertung experimenteller Berichte. Die Geschäftslogikschicht ist in eine Geschäftsschicht und einen Controller unterteilt, der Benutzeranfragen erhält und diese zur Verarbeitung an den Prozessor der Geschäftslogikschicht weiterleitet. Die Technologieschicht baut die gemeinsamen Blöcke mehrerer Objekte in separate Module auf und ermöglicht so direkte Referenzen auf das System.

3.3 Design der Lehrsystemarchitektur basierend auf AR-Technologie und einem naturwissenschaftlichen Bildungssystem

Naturwissenschaftlicher Unterricht ist ein zweiseitiger Prozess von Lehren und Lernen. Um Lehrziele zu erreichen, sollte das Design von AR-Lernspielen den fünf Prinzipien Interaktivität, Interesse, Wissenschaft, einfacher Bedienung^{und Bildung folgen}. Interaktivität ist das größte Merkmal der AR-Technologie. Das Bildungsspiel sollte die Vorteile der AR-Technologie hervorheben, indem es den Lernenden ermöglicht, ein reichhaltiges, interaktives Erlebnis in Experimenten zu machen, die die Klassenraumatmosphäre aktivieren und die Unterrichtseffektivität verbessern. Pädagogische Spiele sind mit klaren Lehrzielen und zentralen Lehrpunkten gestaltet, um sowohl Lehr- als auch Lernziele zu erreichen. Daher umfasst das Lehrsystem, das auf AR-Technologie basiert, hauptsächlich sechs Module, wie in Abbildung 5 dargestellt.

Abbildung 5: Moduldiagramm des naturwissenschaftlichen Lehrsystems AR. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Das Lehrsystemmodul besteht hauptsächlich aus dem Systemeinführungsmodul, Benutzermodul, Experimentmodul, Experimentauswahlmodul, Startseitenmodul und Ergebnisstatistikmodul. Das Einführungsmodul für das Experiment kann die Nutzer leicht informieren und Anleitungen zur Nutzung des Lehrsystems geben, einschließlich Anforderungen an das Unterrichtsexperiment im Klassenzimmer und an die Anforderungen an experimentelle Berichte. Das Benutzermodul verwaltet Benutzer, einschließlich Kontoregistrierung, Kontowechsel, Kontoausloggen und Passwortänderung. Das experimentelle Auswahlmodul verwendet den Touchscreen, um die experimentellen Teile auszuwählen. Das experimentelle Modul führt Merkmalspunkterkennung und Merkmalsanalyse an den importierten experimentellen Bildern durch. Er passt auch den Lichtunterschied entsprechend an die reale Darstellung an. Das Design des Lehrsystems auf Basis der AR-Technologie orientiert sich eng an den Bildungszielen. Konkret bestehen die Kernaufgaben des Experimentalmoduls und des Experimentalauswahlmoduls darin, die Studierenden zu stärken. Sie können unabhängig davon erkunden. Die pädagogische Bedeutung des Ergebnisstatistikmoduls liegt darin, Lehrkräften eine objektive Grundlage zu bieten. Lehrer können sie nutzen, um Lernergebnisse zu bewerten. Aufgrund der Eigenschaften von AR muss er in Szenen mit angemessener, stabiler Beleuchtung eingesetzt werden. Die Graudehnungsmethode kann verwendet werden, um sie gleichmäßig zu verteilen, wie in Gleichung (11) gezeigt.

g(x,y) = [(255 - c)/ b - a] f(x,y) + c (11)

In Gleichung (11) stellt c den Graustufen-Ausgangspunkt nach der Korrektur dar. A und B stellen jeweils den Startpunkt und das Ende der Graustufe vor der Korrektur dar. Bei der feature-basierten Nachverfolgungsmethode wird die Kerngleichung in Gleichung (12) dargestellt.

(12)

Im Tracking-Prozess wird ein Ridge-Regressionsmodell für die lineare Regression ausgewählt, und ein nichtlineares Regressionsmodell wird für das Training verwendet. Die Gaußsche Funktion ist in Gleichung (13) dargestellt.

(13)

Der Administrator befindet sich im Benutzerbewertungsmodul. In diesem System wird der Bewertungsstandard des experimentellen Kurses vom Administrator verwaltet und bewertet. Die Studierenden können die experimentellen Ergebnisse und Daten im experimentellen Ergebnismodul einsehen. Das Startseitenmodul im System enthält die Systemeinführung, die Einführung des Experiments, das Ausgangssystem und weitere Inhalte. Abbildung 6 zeigt den gesamten Systemrahmen.

Abbildung 6: Homepage-Modul zur Architektur der Lehrsysteme im naturwissenschaftlichen Lehrunterricht. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Der Systemprozess im Lehrsystem besteht hauptsächlich aus vier Teilen, darunter die Vorbereitung von Zeichnungsmaterialien, interaktive Testoptimierung, Datenabfrage und -sortierung sowie das Implementierungssystem. Sie ist in der Kartenregistrierung und Identifikation sowie in der Identifikation des angezeigten Teilemodells enthalten. Abschließend wird das Bild der Spannungs-Dehnungsanalyse der experimentellen Daten präsentiert, und die mechanischen Eigenschaften von Materialien mit unterschiedlichen Eigenschaften können in der Spannungs-Dehnungs-Analyse ermittelt werden. Nach dem Experiment kann die endgültige Grundlage des experimentellen Berichts präsentiert werden. Daher ist der experimentelle Prozess des Systems in Abbildung 7 dargestellt.

Abbildung 7: Flussdiagramm der Implementierung des AR-Lehrsystems für den naturwissenschaftlichen Unterricht. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Die Gesamtsystemarchitektur umfasst Design-Technologie-Architektur und die funktionalen Module. Das Lehrsystem kann Lernenden helfen, ihr Selbstbewusstsein und ihre Erkundung zu verbessern und Pädagogen dabei unterstützen, Unterrichtsexperimente durch Lehrspiele zu organisieren. Aufgrund der Interaktivität des Lehrsystems können Lernende das AR-Lehrsystem nutzen. Im naturwissenschaftlichen Unterricht, der durch AR-Technologie unterstützt wird, können die Bedürfnisse der Lehrkräfte erfüllt werden, sodass der Lehrplanunterricht von Lehrkräften Unterrichtsinhalte mit starker Anwendbarkeit für Lernende^{entwickeln kann 22}. Daher kann der Unterrichtsinhalt optimiert werden, und die Begeisterung sowie Kreativität der Lernenden im Kurs können gesteigert werden, um den Lehreffekt zu verbessern.

Ergebnisse

Bewertungsergebnisse der Erfahrung im Bildungsspiel und der Lernwirksamkeit

Um die Wissenschaftlichkeit und Praktikabilität des Lehrsystems zu überprüfen, wird das naturwissenschaftliche Lehrsystem, das durch ein pädagogisches Spiel mit AR-Technologie entwickelt wurde, analysiert. Um die Kernleistung des Systems zu quantifizieren, werden technische Indikatordaten während des experimentellen Prozesses synchron erhoben. Unter standardmäßigen exp...

Diskussion

Mit der Entwicklung von Wissenschaft und Technologie erstreckt sich die Auswirkung von Informationstechnologie auf das tägliche Leben der Menschen über viele Bereiche, und der Staat setzt zudem alle Anstrengungen ein, die tiefe Integration von Informationstechnologie mit Bildung und Lehre zu fördern. AR-Technologie, mit Echtzeitinteraktion und der Kombination aus virtuellem und realem Bereich, ist in der Bildungsbranche beliebt. Tulgar et al. fanden durch umfangreiche bibliometrische Ana...

Materialien

Liste der in diesem Artikel verwendeten Materialien

Name	Unternehmen	Katalognummer	Kommentare
AR-Anzeigegerät	Microsoft	HoloLens 2	https://www.microsoft.com/en-us/hololens/hardware
Computer-Vision-Bibliothek	OpenCV-Team	OpenC 4.13.0	https://opencv.org/releases/
Entwicklungs-Engine	Unity-Technologien	Unity 2021 LTS	https://unity.com/releases/2021-lts
Grafikkarte	NVIDIA	RTX A2000	https://www.nvidia.com/content/dam/en-zz/Solutions/design-visualization/rtx-a2000/rtx-a2000-datasheet-us-nvidia-1520552-r3-web.pdf
Integrierte Entwicklungsumgebung	Microsoft	Visual Studio 2022	https://visualstudio.microsoft.com/vs/
Betriebssystem	Microsoft	Windows 11	https://www.microsoft.com/en-us/windows/windows-11
Prozessor	Intel	Core i9-11950H	https://www.intel.com/content/www/us/en/products/sku/213800/intel-core-i911950h-processor-24m-cache-up-to-5-00-ghz/specifications.html