과학 교육에서의 증강현실 교육 게임 응용

요약

증강현실(AR)은 교육용 게임을 통합하고, 상호작용성을 향상시키며, 학습 성과를 향상시켜 과학 교육을 향상시킵니다. 실험 결과 AR 부스트는 점수를 28점 올리며, 신입생과 4학년은 30점 중 22점을 얻는다. 게임 지표(플레이 가능성 및 적용 가능성)는 84%에서 87%에 이르며, 사용자 만족도는 94%를 넘습니다. AR은 성과와 교실 효율성을 크게 향상시킵니다.

초록

정보기술과 교육의 깊이 통합으로 증강현실(AR)은 가상현실과 실시간 상호작용을 결합한 과학 교육의 트렌드가 되었습니다. 본 연구는 AR 기술을 기반으로 한 과학 교육 시스템을 설계하고 개발하여, 전통 과학 교육에서 추상 내용 이해 어려움과 학생 참여 부족 문제를 극복하기 위해 교육 게임 메커니즘과 통합되었습니다. 이 시스템은 경험 학습 이론과 구성주의 이론에 따라 설계되며, 특징점 추적, 이미지 보정, 회귀 훈련과 같은 알고리즘을 통합합니다. 이 알고리즘들은 실제 환경에서 가상 모델의 정확성과 안정성을 향상시킵니다. 마지막으로, 특정 대학의 과학 및 공학 전공 학생에서 12개월간의 비교 실험이 진행됩니다. 실험 결과, AR 기술을 사용한 과학 교수법의 평균 점수가 전통 교수법에 비해 20.11점 크게 향상되었습니다. 신입생의 교육 시스템 성적은 22.36점 상승했고, 4학년 학생들의 평균 점수는 29.97점 상승했습니다. 과학 교육 시스템에서는 교육용 게임, 플레이 가능성, 적용 가능성 지표가 각각 84, 87, 86으로 증가했습니다. 사용자의 시스템 사용성, 콘텐츠 정확성, 반응성, 지표의 명확성에 대한 만족도는 각각 97%, 96%, 94%, 98%에 이를 수 있습니다. 요약하자면, AR 기술 교육용 게임을 활용한 과학 교육 시스템은 학생들의 성과를 크게 향상시키고 과학 교실에서 강한 실질적 효과를 가져왔습니다.

서론

증강현실(AR) 기술은 필수가 되었으며, 사람들이 삶의 경험을 경험하고 감지하며 영감을 주는 데 도움을 주어 삶의 경험을 향상시키는 데 도움을 줍니다¹. 이는 추상 내용의 교육과 교육에 휴리스틱적 의미를 부여합니다. VR과 AR 기술이 매우 추상적이고 관찰하기 어려운 특성을 고려할 때, 교육과 교수의 효과를 높이는 데 사용될 수 있습니다.². 학생들의 학습 잠재력을 발휘^{하고 개발할} 수 있습니다. 가상현실 기술은 상호작용성, 몰입감, 자율성을 갖추고 있어 현대 교육의 요구를 충족합니다. 실습 교육에 통합하여 가상과 실무 교육을 결합한 교육 플랫폼을 구축하고 현재^{의 교육 수요}를 충족시킬 수 있습니다. 4. 과학 교육 교육 기준에 따르면, AR 기술의 상호작용 기능은 수업을 지원하는 데 사용됩니다. 인터랙티브 미술 교육 시스템은 과학 교육에 깊은 의미를 가집니다.⁵. 연구는 이미지 추출, 특징 매칭, 객체 추적 알고리즘에 중점을 둡니다. 과학 교육의 요구를 분석함으로써, AR 교육용 게임은 AR을 과학 교육에서 발전시키도록 설계되었으며, AR을 활용해 교육 품질을 향상시키는 것을 목표로 합니다 ^6,7. 기존 AR 교육 시스템과 비교할 때, 이 연구의 혁신은 단순히 AR 모델을 콘텐츠 표시에 사용하는 것이 아니라, 특정 컴퓨터 비전 알고리즘과 교육 게임 메커니즘을 깊이 통합했다는 점에 주된 점입니다. 이 연구는 특징 포인트와 이미지 그레이스케일 늘어남 보정을 기반으로 한 실시간 추적 및 매칭을 통합합니다. 또한 능선 및 비선형 회귀 훈련 모델을 사용합니다. 또한, 이 연구는 장기 비교 실험과 다차원 평가 지수 시스템을 결합합니다. 이러한 방법들은 실제 환경에서 가상 객체의 등록 정확도, 추적 안정성, 환경 적응성을 향상시킵니다.

이 연구는 다섯 개의 섹션에 중점을 둡니다. 첫 번째 섹션은 AR 기술의 과학 교육에서의 배경과 연구적 중요성을 설명하며, 학습 동기와 추상 개념 이해를 향상시킬 잠재력을 강조합니다. 두 번째 연구는 교육용 게임의 현재 적용 현황과 AR 교육 시스템의 연구 진행 상황을 검토합니다. 세 번째 섹션은 교수 과정의 요구를 분석하고 AR 기술 교육용 게임을 기반으로 한 과학적 교수 시스템을 설계합니다. 다음 섹션에서는 제안된 교육 시스템의 성능을 검증합니다. 마지막 섹션은 연구 방법과 결과에 대한 요약과 전망입니다.

관련 작품

교육용 게임은 학습 목표와 게임 메커니즘을 결합하여 재미있는 상호작용을 통해 학습 성과를 향상시키는 교육 도구입니다. 교육 게임과 지능형 기술의 깊이 통합으로 교육 시스템은 깊은 변화를 겪고 있습니다. Yang 등은 교육용 게임 추천의 저조한 성과를 해결하기 위해 커버리지, 대부분 군집화, K-평균 군집화를 결합한 협력적 필터링 권고 알고리즘을 제안했습니다. 결과는 제안된 알고리즘의 정확도와 F1 점수가 각각 0.880과 0.826으로, 경사 모델⁸보다 우수함을 보여주었다. Sun 등은 22개의 실증 연구를 메타분석하여 교육용 게임이 학생들의 계산적 사고 능력 향상에 얼마나 효과적인지 평가했습니다. 교육용 게임은 학생들의 계산적^{사고 능력을 향상시킬} 수 있습니다. Udeozor 등은 디지털 게임을 기반으로 한 학습 관행을 검토했습니다. 이 연구는 가상 실험실과 디지털 게임과 같은 기술로 고조된 체험 학습 도구에 대한 사람들의 관심과 수요가 점차 증가하고 있음을 지적했습니다. 또한^{공학 교육에서} 디지털 게임 학습의 미래 트렌드를 강조했습니다. Martinez 등은 교실에서 교육용 게임 실천의 가치를 더 잘 이해하기 위해 49개의 관련 연구를 체계적으로 검토했습니다. 결국 교육용 게임이 거의 모든¹¹ 과목에게 유익한 효과적인 교육 도구가 될 수 있음이 밝혀졌습니다. Gordillo 등은 준실험 설계를 사용하여 온라인 소프트웨어 공학 교육에서 비디오 기반 학습과 게임 기반 학습의 효과를 비교했습니다. 연구 결과는 교육용 게임을 학습에 활용하는 것이 전통적인 비디오 기반 학습보다 더 효과적임을 보여주었다¹².

AR 기술은 가상과 실시간 상호작용의 결합 덕분에 산업, 의료, 정보, 교육 등 다양한 분야에서 널리 사용되고 있습니다. Lytvynova 등은 가상현실과 AR의 교육 환경 통합이 참여적이고 몰입형 학습 경험의 새로운 가능성을 열었다고 밝혔습니다. 가상 및 AR을 활용한 교육 프로젝트가 실행되었습니다. 결과는 가상현실과 AR 기술이 교육 과정에서 풍부한 교수와 학습 자원을 제공하여 학습 경험을 향상시킬 수 있음을 시사했습니다¹³. Álvarez Marín 등은 AR 기반 교육 방법에 대한 제한된 연구를 다루고, AR을 활용하는 교육 활동 유형에 대해 논의했으며, 학생과 교사에게 미치는 영향을 평가했습니다. 결과는 대부분의 연구에서 AR 기반 교육 방법이 학업 성취도를 향상시키는 데 도움을 준다는 것을 보여주었다^. De Moraes Rossetto 등은 AR과 가상현실의 적용이 교육 분야에서 혁신적인 접근법이 되었다고 밝혔습니다. 따라서 본 연구는 AR과 가상현실을 결합한 응용 프로그램을 개발하고 그 교육 과정에 미치는 영향을 평가했습니다. 결과는 AR과 가상현실 모두 교육 과정을 지원하는 데 가능성을 보였음을 보여주었다¹⁵. Radu 등은 물리 학습 성능을 향상시키기 위해 HoloLens를 기반으로 한 AR 시스템을 제안했습니다. 결과는 AR 시스템이 학생들이 공간 내용과 구조적 관계를 배우는 데 도움을 주었지만, 동시에 운동감각 내용에 대한 이해를 방해했다는 것을 보여준다¹⁶. Kleftotimos 등은 학습자 만족도와 참여도를 향상시키기 위한 두 가지 위치 기반 교육 AR 애플리케이션을 제안하고, 129명의 학생을 예비 평가를 위해 초청했습니다. 결과는 AR 애플리케이션이 사용성, 학생 만족도, 교육적 유용성 인식 면에서 높은 점수를 받았음을 나타냈다¹⁷.

요약하자면, AR 기술의 상호작용적 특성은 교사와 학습자 모두에게 보다 자연스러운 학습 경험을 제공하고 탐구 의식을 높입니다. 하지만 기존 AR 교육 시스템은 주로 모델 표시와 단순한 상호작용에 집중하며, 교육 게임 메커니즘과 고차원 학습 목표와의 깊은 통합이 부족합니다. 장기 추적 연구가 부족하며, 시스템 환경의 적응력과 추적 안정성도 개선이 필요합니다. 따라서 본 연구는 AR 기술과 교육 게임 메커니즘을 통합한 과학적 교육 시스템을 개발하는 것을 목표로 합니다. 중점은 등록 정확도, 추적 안정성, 가상 객체의 실제 환경 적응성 같은 문제를 해결하는 데 있습니다. 장기 비교 실험과 다차원 평가 시스템을 통해 학생들의 학습 성과와 경험 향상에 효과가 입증되었습니다.

프로토콜

이 연구는 관련 윤리 심사 위원회의 엄격한 검토와 승인을 거쳤으며, 전체 연구 과정은 헬싱키 선언과 관련 학술 연구 윤리 기준을 엄격히 준수하여 참가자들의 정당한 권리와 이익, 신체적·정신적 복지, 개인 사생활을 완전히 보호합니다.

연구 참가자의 모집 과정은 윤리적 요건을 준수하며, 모든 참가자는 연구 참여 전에 서면 동의서에 서명했습니다. 사전 동의 양식은 명확하고 이해하기 쉬우며, 데이터 수집 범위(학업 성과, 시스템 평가 데이터, 사용자 만족도 포함), 데이터 사용 목적(본 연구에서 학술 분석만을 위한 것), 그리고 데이터 기밀 유지를 보장하기 위한 조치들을 명확히 설명합니다. 참여는 전적으로 자발적이었으며, 모든 참가자는 어떠한 강요나 유도 없이 사전 동의를 제공했습니다. 사용되는 장비는 재료표에 기재되어 있습니다.

1. 참가자, 연구 설계 및 평가 체계

특정 대학의 과학 및 공학 전공 학생들 중에서 무작위로 선발된 200명의 학부생(남 106명, 여 94명, 평균 연령 20.4± 1.2세)과 100명의 교사(남 52명, 여 48명, 평균 강의 경력 8.6± 4.3년)가 무작위로 선발됩니다. 참가자들은 층별 무작위 표본추출 방식을 사용하여 실험 그룹과 대조군으로 무작위로 나뉘며, 각 그룹에는 150명씩 배정됩니다. 실험 전 기본 지식 검사는 두 그룹 간 초기 지식 수준에 통계적으로 유의미한 차이가 없음(p > 0.05)이 없음을 확인한다. 실험 그룹은 AR 기술 기반 교수 시스템을 사용하며, 통제 그룹은 전통적인 교수법을 사용합니다. 전통적인 교수법은 교사와 교과서를 중심으로 널리 채택된 표준화된 교수 과정을 의미합니다. 여기에는 교사 강의, 교과서 및 정적 차트 학습, 이론적 계산이 포함되며, 3D 인터랙티브 시뮬레이션이나 AR 기술은 포함되지 않습니다. 입학 기준은 다음과 같습니다: 학부생은 재료역학이라는 필수 과목을 이수해야 하며, 교사는 해당 과목에서 관련 강의 경험을 보유해야 합니다. 제외 기준은 심한 시각 장애 또는 멀미 병력이 있는 환자입니다. 모든 참가자는 사전 동의서에 서명하며, 언제든지 실험에서 철회할 수 있음을 안내받습니다. 실험 기간은 12개월이며, 학업 성과 및 시스템 평가 데이터는 실험 시작 전, 6개월차, 12개월 차에 수집됩니다. 평가 도구는 자체 개발한 "교육용 게임 평가 지수 시스템"( 표 1)을 채택하여 교육, 게임, 적용 가능성의 세 차원에서 시스템의 효과를 평가하며, 총 15개의 지표를 포함합니다. 사용자 만족도 데이터는 운영의 용이성, 콘텐츠의 정확성, 응답의 신속성, 지표의 명확성 등 네 가지 측면을 포괄합니다.

2. 실험 시스템 구성, 절차 및 데이터 분석

하드웨어 장비에는 AR 디스플레이 장치(Microsoft HoloLens 2), 내장 심도 카메라와 RGB 카메라, 인텔 코어 i9-11950H 프로세서, 32GB RAM, A2000 그래픽 카드가 탑재된 컴퓨터가 포함되어 있습니다. 운영체제는 Windows 11을 사용하고, 개발 엔진은 Unity 2021을, 컴퓨터 비전 라이브러리는 OpenCV 4.13.0을 사용하며, 통합 개발 환경은 Visual Studio 2022입니다. 실험 환경의 조명에 큰 변화가 있거나 장비를 해당 물리적 공간에서 처음 사용할 때는 카메라 보정이 필요합니다. 내장 보정 스크립트인 CalibrationScript를 실행합니다. 그리고 홀로렌즈 카메라를 사용해 다양한 각도와 위치에서 최소 15장의 체커보드 이미지를 촬영합니다. 스크립트는 카메라 내재 매개변수와 왜곡 계수를 자동으로 계산합니다. 성공적인 보정의 기준은 평균 재투영 오차가 0.5픽셀 미만이어야 한다는 것입니다. 기준이 충족되지 않으면 시스템이 이미지를 재촬영하라는 안내를 보냅니다. 성공적인 보정 후에는 후속 3D 등록 모듈 호출을 위해 보정 매개변수를 출력합니다.

실험은 실내에서 진행되며, 주변 조명은 300± 50럭스로 유지됩니다. 특정 AR 표시가 있는 실험용 카드는 테이블 중앙에 놓이고, 카드의 가장자리는 테이블 가장자리와 평행하게 배치됩니다. 관측 위치는 양쪽 눈으로 카드 중심에서 약 60cm 떨어진 곳에 설정되어 있으며, HoloLens 2 카메라는 처음에 카드의 평면에 초점을 맞춥니다. 제스처 상호작용은 HoloLens 2에서 미리 설정된 '손 광선'과 '에어 클릭' 제스처를 채택합니다. 검지손가락은 뻗어나가고, 다른 손가락들은 수축되어 가상 표본을 가리키며, 물체를 선택할 때까지 0.5초 이상 안정적인 제스처를 유지합니다. 그 후 검지손가락을 빠르게 앞으로 밀어 힘을 가하며, 가상 시료의 축을 따라 기본 힘 값 50N를 가합니다. 완전한 제스처 상호작용을 완료하는 데 예상되는 성공적인 연산 시간은 1–2초입니다. 시스템 컴퓨터 비전 매개변수는 다음과 같이 설정됩니다: Unity에서 OpenCV의 aruco.detectMarkers 함수를 호출하여 임계값을 감지합니다 (adaptiveThreshWinSizeMin=3, adaptiveThreshWinSizeMax=23). 마커 감지 체크포인트는 시스템이 가상 객체 렌더링을 트리거하기 전에 연속된 30프레임 비디오 스트림에서 동일한 마커(신뢰도>0.95)를 안정적으로 인식해야 한다는 점입니다. 감지가 성공하면 화면에 표시된 가장자리에 녹색 테두리가 표시되고 짧은 진동 피드백이 동반됩니다. 카메라 보정은 내장된 CalibrationScript를 사용합니다. CS 스크립트로, 내부 모서리 포인트 9개× 변 길이 2.5cm인 체스판 패턴이 필요합니다. 패턴의 최소 15프레임은 카메라 시야 내 다양한 각도에서 보여줘야 합니다. 성공적인 보정 표준은 평균 재투영 오차가 0.5픽셀 미만입니다. 보정 과정은 2분 이내에 완료될 것입니다. 성공 후에는 "보정 성공" 로그가 Unity 편집기 콘솔에 출력되고, 보정된 카메라 콘이 장면에 시각화되어야 합니다. 가상 객체 렌더링은 Unity의 실시간 렌더링 파이프라인을 채택하며, 표준 재질 셰이더와 주변 광과 일치하는 조명 모델을 사용합니다.

실험 절차는 주로 네 단계로 구성됩니다. 첫째, HoloLens 2 기기를 제대로 착용하고 조정합니다. 둘째, 특정 AR 표시가 있는 실험용 카드를 데스크탑에 배치합니다. 시스템 카메라는 비디오 스트림을 지속적으로 캡처합니다. 이 기능은 OpenCV의 aruco.detectMarkers 함수를 호출하여 태그 감지 및 인식을 수행합니다. 셋째, 마크를 성공적으로 식별한 후, 시스템은 (1)–(4) 식에 따라 가상 물질 표본을 실제 세계에서 렌더링합니다. 가상 환경 ζηξ의 좌표계와 실제 환경 xyz의 좌표계를 변환할 수 있으며, 변환 방정식은 식(1)에 나타난다.

[ xyz1] = [ζηξ1] A (1)

식(1)에서 A는 두 시스템 간의 변환 행렬을 나타내며, 여기서 실제 환경 xyz와 카메라 x'y'z'도 변환될 수 있다. 변화 방정식은 식(2)에 나타난다.

[ x'y'z'1] = [ζηξ1] AB (2)

식(2)에서 B는 두 좌표계 간의 변환 행렬을 나타냅니다. x'y'z'는 추적된 가상 객체를 UV 2차원 좌표계에 투사하여 가상 환경이 실제 환경에서 정확하게 등록되도록 합니다. 가상 객체와 실제 환경의 융합 투영에서 화면 좌표와 카메라 좌표 x'y'z' 간의 변환은 식(3)에 나타난다.

(3)

식(3)에서 d_x는 축 방향 x의 픽셀 수를 나타내고, d_y는 축 방향 y의 픽셀 수이다. 가상 객체와 실제 환경의 융합으로 투영된 카메라와 이미지 좌표계 간의 기하학적 관계는 유사한 삼각형 방정식을 사용하여 식(4)에서 나타난다.

(4)

사전에 정의된 제스처를 통해 가상 시료에 힘을 가함으로써, 시스템은 식(5)–(7)을 기반으로 시료의 응력 분포와 변형을 실시간으로 계산하고 시각화합니다. 단위면적당 내부 힘은 응력으로, 식(5)에 나타난다.

(5)

식(5)에서 F는 힘을 의미하고, A는 단면적, p_m은 단위면적당 응력입니다. 총 응력은 식(6)에 나타난다.

(6)

식(6)에서 p는 전체 응력의 응력 성분을 나타내며, σ는 단면에 수직인 수직 응력, τ는 전단 응력과 단면에 접하는 응력 성분입니다. 법정응력은 식(7)에 나타난다.

(7)

식(7)에서 F_N은 축 방향 힘이고 A는 단면적이다. 넷째, 데이터 기록과 보고서 생성입니다. 실험 중 생성된 핵심 데이터는 자동으로 CSV 형식으로 저장됩니다. 실험 후 응력-변형 곡선과 주요 데이터 요약을 포함한 PDF 형식의 실험 보고서를 생성합니다. 모든 파일은 로컬 디렉터리로 내보내져 실험 날짜+실험 유형 형식으로 이름이 붙습니다. 프로토콜 종료 단계에는 데이터 저장 확인, 장치 종료, 소프트웨어 종료, 시스템 상태 점검이 포함됩니다. 실험 후, 연구는 메인 메뉴의 "Exit System" 버튼을 통해 애플리케이션 종료를 확인하고, HoloLens 2 장치를 제거한 뒤 표준 운영 절차에 따라 종료합니다. 마지막으로, 개발 머신에서는 Unity 편집기의 실행 모드가 중지되고 관련 소프트웨어 창이 모두 닫힙니다.

SPSS 26.0은 데이터 분석에 사용됩니다. 쌍 표본 t-검정을 적용하기 전에 먼저 성능 향상 차이의 정규성을 평가합니다. 샤피로-윌크 검정은 모든 관련 변수를 분석하는 데 사용됩니다. 더불어, 결과는 모든 변수의 p-값이 0.05보다 커, 데이터가 정규 분포에 부합하며 t-검정의 전제 조건을 충족함을 나타냅니다. 쌍표본 t-검정은 반복 측정 데이터(예: 만족도)에 대해 실험군과 대조군 간의 성능 향상을 비교하는 데 사용됩니다. 분산의 반복 측정 분석은 시간에 따른 변화를 평가하는 데 사용됩니다. 유의수준은 p<0.05로 설정되어 있습니다. 또한 효과의 크기를 평가하기 위해 코헨의 d 값을 계산하는데, 여기서 d>0.8은 큰 효과를 나타냅니다.

3. AR 기술 교수 게임을 기반으로 한 과학 교육 시스템 구축

과학적 교육 기준에 따라, AR 기술과 교육 시스템의 상호작용 기능을 활용해 교육에 도입하고 그 잠재력을 극대화합니다. AR 기술은 과학 교육에서 매우 중요한 역할을 합니다. 우선, 추상적인 학습 내용을 구체화하고 시각화할 수 있습니다. 둘째는 학습자의 학습 경험을 향상시키는 것으로, 참여감과 집중력을 높이는 것입니다. 따라서 교육 시스템과 교실을 결합하는 것은 매우 중요한 의미가 있습니다. 본 연구의 시스템 설계는 경험적 학습과 구성주의 원칙에 의해 이끌립니다. 이 프로그램은 AR 상호작용 메커니즘을 통해 추상적인 개념을 실질적이고 관찰 가능한 시각적 객체로 변환하고, 학생들이 적극적으로 지식을 구축하도록 장려하는 것을 목표로 합니다. 한편, 시스템의 인지된 유용성과 사용 용이성을 평가하여 실용적 적용 가능성을 측정하기 위해 기술 수용 모델을 도입합니다.

3.1 교육용 게임과 증강현실 기술의 통합

AR 기술은 가상과 현실 환경을 통합하여 사용자에게 새로운 감각 경험을 제공합니다. AR 기술은 먼저 실제 장면에서 특징 포인트를 추적하고 수집한 뒤, 이미지 인식을 수행합니다. 두 번째는 표시 지도 위치에서 그림을 추적하는 것입니다. 카메라 각도와 기타^{정보는 중요합니다.} 마지막으로, 카메라의 환경에 대한 민감도를 인지하고 모델을 겹쳐 보면 가상과 현실의 융합이 이루어져 몰입감 있는 효과를 얻을 수 있습니다. AR 기술의 구현 방식은 그림 1에 나와 있습니다.

그림 1: AR 기술의 구현 단계. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

교육용 게임은 교육 기능과 오락 기능을 통합한 컴퓨터 게임 소프트웨어입니다. 게임 사용자의 지능, 기술, 지식, 태도, 가치관을 길러줄 수 있으며, 학습자에게 미치는 영향은 과소평가해서는 안 됩니다. AR 기술은 세 가지 기본적이고 중요한 특징을 가지고 있습니다. 첫째, 가상과 현실을 정확히 통합하고, 창조된 3차원 장면을 실제 환경과 통합하며, 사용자의 모든 감각을 자극하고, 사용자가^{현실 세계를} 경험할 수 있게 합니다. 두 번째는 현대의 지능형 기기를 활용해 사람과 기기 간의 지능적인 상호작용을 실현하는 것입니다. 마지막으로, 컴퓨터 생성 3D 환경은 실제 목표물과 3D로 등록됩니다. 사용자는 실제 물체를 잃어버리지 않고 추적을 계속할 수 있으며, 항상 정확한 추적을 유지할 수 있습니다. 3D 등록 기술의 원리는 그림 2에 나와 있습니다.

그림 2: 3D 정기 도식. 이 그림의 확대본을 보시려면 여기를 클릭하세요.

그림 2에 나타난 3차원 정규 도식으로, 여기서 x'y'z'는 카메라 좌표, xyz는 실제 환경의 특정 좌표, ζηξ는 가상 환경의 좌표, uv는 가상 객체와 실제 환경의 융합 투영 화면 좌표, ''o'z'는 사용자의 시야 방향입니다. 균질화 및 결합 후 계산은 식(4)에 나타난다. 3D 등록 기술(방정식 (1)–(4))의 교육적 중요성은 추상적인 가상 좌표계를 학생 화면에 안정적이고 정확한 시각적 오버레이로 변환할 수 있다는 데 있습니다. 이 기술은 가상 모델이 실제 마커 카드에 효과적으로 부착될 수 있도록 하며, 학생들이 시점을 움직여도 모델이 흔들리거나 이동하지 않도록 합니다. 이 기술의 직접적인 교육적 가치는 학생들에게 안정적이고 신뢰할 수 있는 관찰 환경을 제공할 수 있다는 데 있습니다. 이 환경은 학생들이 가상 기계 시범을 어떤 각도에서든 관찰하고 생각할 수 있게 합니다. 그 결과 학생들은 공간적 상상력과 다각도 관찰 능력을 키웁니다.

3.2 AR 기술을 기반으로 한 과학 교육 게임의 수요 분석

과학의 교수 목표를 달성하기 위해서는 학습자들이 체계적으로 지식, 기술, 행동 경험을 습득해야 합니다. AR 교육용 게임을 설계할 때는 교^{수 내용을 올바르게} 분석하는 것이 필요합니다. 적절한 교수 콘텐츠를 선택하고, 이를 AR 기술과 통합하며, 교수법을 혁신함으로써 학습자가 일관된 지식 체계를 효과적으로 구축하는 데 도움이 됩니다. 재료역학의 연구 대상은 부품 모양이 다양한 다양한 재료입니다. 주로 다양한 힘 하에서의 강도, 강성, 안정성을 연구합니다. 학습자의 직관적인 시각적 경험과 상호작용적인 참여감을 향상시키기 위해서입니다. 따라서 AR 기술과 교육 시스템의 결합을 통해 과학 교육 게임에서 AR 기술의 요구를 분석하며, 예를 들어 스트레스-변형 분석을 활용합니다. 이 시스템은 역학에서 응력과 변형률의 지식 지점에 대한 실험 준비와 시뮬레이션을 제공하며, 교사들이 실험을 가르치는 데 도움을 줍니다. 이 시스템의 사용자는 주로 방문객, 학생, 교사, 관리자이며, 실험 관리, 실험 업로드, 상호작용 실험, 데이터 시각화 등의 기능을 수행합니다. 시스템은 그림 3에 나와 있습니다.

그림 3: 실험 과정 이수 점수 시스템의 사용 사례 다이어그램. 이 그림의 더 큰 버전을 보려면 여기를 클릭해 주세요.

AR 기술과 교육 시스템의 통합은 그림 3에 나와 있습니다. 이 시스템은 교사들이 수업 전에 충분히 준비되고, 실험을 마스터하며, 수업 중 학생들을 관리할 수 있도록 보장합니다. 실험 후 교사는 학생들의 진행 상황을 확인하고 평가하며, 강의 자료 관리를 돕고, 실험 완료율을 개선하며, 관리자가 학생들의 실험 결과 데이터를 관리하는 데 도움을 줄 수 있습니다. 따라서 AR 기술 교육 시스템은 모델-뷰-컨트롤러(MVC) 아키텍처 위에 구축되었습니다. 이 모드의 데이터 처리 모드는 식(8)에 나타난다.

V(s) = 최대 시뮬레이션 수(s →f(s)) (8)

식(8)에서 V(s)는 사용자 요구사항에 따라 뷰 레이어가 표시하는 데이터 내용을 나타내며, sis 교육 자료, f(s)는 사용자 정보입니다. 다양한 교육 시스템과 사용자 간의 실시간 상호작용 운영 모드는 식(9)에 나타난다.

K(s) = s_i ∩ [f(s₁), f(s₂),...,ff(_{s n})] (9)

식(9)에서 K(s)는 모드의 비즈니스 규칙을, s₁은 데이터 객체의 특성 매개변수를, f(s_n)는 사용자 수요 정보의 특성 매개변수를 나타냅니다. AR 기술 과학 교육 시스템과 사용자 간의 상호작용적 관계를 바탕으로, 운영 모드는 식(10)에 나타난다.

g(x) = 최대 K(s) → f(s) (10)

식(10)에서 g(x)는 요청 객체를 나타내고, f(x)는 사용자 요구사항의 출처이며, 최대 K(s)는 기능 유사도의 최대 값입니다. MVC 모드는 비즈니스, 컨트롤러, 지속성, 뷰, 데이터베이스의 다섯 가지 주요 구성 요소로 구성됩니다. 뷰 레이어는 웹페이지를 통해 사용자와 데이터를 연결하여 상호작용을 가능하게 하며, 웹 페이지를 표시하는 기능을 제공합니다. 데이터 계층은 상위 계층의 데이터를 저장하고 처리합니다. 서비스 계층은 사용자 요구를 충족하고 서비스 로직을 구현하는 역할을 담당합니다. MVC 모드를 기반으로 한 AR 과학 교육 시스템은 그림 4에 나와 있습니다.

그림 4: 과학 교육 시스템의 기술 아키텍처 다이어그램. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

데이터베이스와 상호작용할 때, 비즈니스 로직 계층에서 얻은 데이터 작업 정보는 영속성 계층을 통해 매핑됩니다. 뷰 레이어는 주요 프론트엔드 인터페이스를 표시하고, 실험 데이터를 업로드하며, 실험 결과를 표시하고, 실험 보고서를 평가하는 역할을 합니다. 비즈니스 로직 계층은 비즈니스 계층과 컨트롤러로 나뉘며, 컨트롤러는 사용자 요청을 받고 이를 비즈니스 로직 계층의 프로세서로 전달하여 처리합니다. 기술 계층은 여러 객체의 공통 블록을 별도의 모듈로 구축하여 시스템에 직접 참조할 수 있게 합니다.

3.3 AR 기술과 과학 교육 게임을 기반으로 한 교육 시스템 아키텍처 설계

과학 교육은 교수와 학습의 쌍방향 과정입니다. 교육 목표를 달성하기 위해 AR 교육용 게임 설계는 상호작용성, 흥미, 과학, 쉬운 조작, 교육의 다섯 가지 원칙을 따라야 합니다^. 상호작용성은 AR 기술의 가장 큰 특징입니다. 교육 게임은 AR 기술의 장점을 강조하여 학습자들이 교실 분위기를 활성화하고 교수 효과를 향상시키는 풍부하고 상호작용적인 경험을 할 수 있도록 해야 합니다. 교육용 게임은 명확한 교수 목표와 주요 교수 포인트를 통해 교수와 학습 목표를 모두 달성하도록 설계되었습니다. 따라서 AR 기술을 기반으로 한 교육 시스템은 주로 그림 5에 나타난 6개 모듈로 구성되어 있습니다.

그림 5: 과학 교육 AR 교육 시스템 모듈 다이어그램. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

교육 시스템 모듈은 주로 시스템 소개 모듈, 사용자 모듈, 실험 모듈, 실험 선택 모듈, 홈페이지 모듈, 결과 통계 모듈로 구성되어 있습니다. 실험 소개 모듈은 사용자에게 쉽게 정보를 제공하고 교실 실험 요구사항과 실험 보고서 요구사항 등 교수 시스템 사용법을 제공합니다. 사용자 모듈은 계정 등록, 계정 전환, 계정 로그아웃, 비밀번호 변경 등 사용자를 관리합니다. 실험 선택 모듈은 터치 스크린을 사용해 실험 부품을 선택합니다. 실험 모듈은 가져온 실험 사진에 대해 특징점 인식과 특징 분석을 수행합니다. 또한 실제 전시에 맞게 빛 차이를 적절히 조절합니다. AR 기술을 기반으로 한 교육 시스템 설계는 교육 목표에 밀접하게 초점을 맞추고 있습니다. 구체적으로, 실험 모듈과 실험 선발 모듈의 핵심 교육 기능은 학생들의 역량 강화에 있습니다. 그들은 독립적으로 탐험할 수 있습니다. 결과 통계 모듈의 교육적 중요성은 교사들에게 객관적인 기반을 제공하는 데 있습니다. 교사들은 이를 활용해 학습 성과를 평가할 수 있습니다. AR의 특성상 적절하고 안정적인 조명이 있는 장면에서 사용해야 합니다. 회색 스트레칭 방법은 식(11)에서 보듯이 균등하게 분포되도록 할 수 있습니다.

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

식(11)에서 c는 보정 후의 회색 수준 시작점을 나타냅니다. A와 B는 각각 수정 전 회색 수준 시작점과 종료점을 나타냅니다. 특징 기반 추적 방법에서는 핵심 방정식이 식(12)에 나타난다.

(12)

추적 과정에서 선형 회귀에는 능선 회귀 모델이 선택되고, 훈련에는 비선형 회귀 모델이 사용됩니다. 가우시안 함수는 식(13)에 나타난다.

(13)

관리자는 사용자 점수 모듈에 있습니다. 이 시스템 하에서 실험 과정의 채점 기준은 관리자가 관리하고 평가합니다. 학생들은 실험 결과 모듈을 통해 실험 결과와 데이터를 볼 수 있습니다. 시스템 내 홈페이지 모듈에는 시스템 소개, 실험 소개, 종료 시스템 및 기타 내용이 포함되어 있습니다. 그림 6 은 전체 시스템 프레임워크를 보여줍니다.

그림 6: 과학 교육 AR 교육 시스템 아키텍처 홈페이지 모듈. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하세요.

교육 시스템의 시스템 과정은 주로 도면 자료 준비, 인터랙티브 시험 최적화, 데이터 조회 및 정렬, 구현 시스템 등 네 부분으로 구성됩니다. 이는 카드 등록 및 식별, 그리고 표시된 부품 모델의 식별에 구현되어 있습니다. 마지막으로, 실험 데이터의 응력-변형 분석 이미지가 제시되며, 응력-변형 분석에서 서로 다른 특성을 가진 재료의 기계적 특성을 얻을 수 있습니다. 실험 후에는 최종 실험 보고서 기준을 제시할 수 있습니다. 따라서 시스템의 실험 과정은 그림 7에 나타났다.

그림 7: 과학 교육을 위한 AR 교수법 시스템 구현 흐름도. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

전체 시스템 아키텍처는 설계, 기술 아키텍처, 그리고 기능 모듈을 포함합니다. 이 교육 시스템은 학습자들이 자기 인식과 탐구를 향상시키도록 돕고, 교육자들이 교육 게임을 통해 교수 실험을 조직하는 데 도움을 줍니다. 교수 시스템의 상호작용성 덕분에 학습자들은 AR 교수 시스템을 활용할 수 있습니다. AR 기술이 지원하는 과학 교육에서는 교육자의 요구를 충족시켜 교육자의 교육과정 교육이 학습자에게 강력하게 적용 가능한 교수 콘텐츠를 개발할 수 있습니다²². 따라서 수업 내용을 최적화하고, 학습자의 열정과 창의성을 높여 교수 효과를 향상시킬 수 있습니다.

결과

교육 게임 경험과 학습 효과의 평가 결과

교육 시스템의 과학성과 실용성을 검증하기 위해, AR 기술을 활용한 교육용 게임을 통해 개발된 과학 교육 시스템을 분석합니다. 시스템의 핵심 성능을 정량화하기 위해 실험 과정에서 기술 지표 데이터가 동시적으로 수집됩니다. 표준 실험 조건(조명 300 ± 50 lux)에서 시스템에 의한 ArUco 마커의 평균 추적 성공률은 98.7%(SD = 1.2%)이며, 연속 렌더링에서 가상 객체 위치 지터의 표준편차는 0.3 픽셀 미만입니다. 등록 정확도는 재투영 오차로 측정됩니다. 평균 값은 0.42 픽셀(표준편차 [SD] = 0.08 픽셀)로, 사전에 정해진 오차 기준인 0.5 픽셀 미만을 충족합니다. 보정 성공률은 100%입니다. 환경의 적응력을 시험하기 위해 200-400럭스 범위의 빛 강도 범위 내에서 구배 시험이 수행됩니다. 마커 인식 성공률은 95%...

토론

과학과 기술의 발전과 함께, 정보기술이 사람들의 일상생활에 미치는 영향은 여러 분야에 걸쳐 있으며, 국가는 정보기술과 교육 및 교육의 깊이 통합을 촉진하기 위해 최선을 다하고 있습니다. 실시간 상호작용과 가상·현실의 결합을 갖춘 AR 기술은 교육 산업에서 인기가 많습니다. Tulgar 등은 광범위한 서지 분석을 통해 AR 기반 모바일 학습과 게임화가 최근 연구의 중심이 되었다는 것을 발견했습니다²³.

학습 방식, 내용 제한, 제한된 학생 혁신 등 전통 교수법의 한계를 고려하여, 본 연구는 AR 기술을 과학 교육용 교육용 게임에 적용하였습니다. 실험 결과, 6개월간의 실험 동안 이 기술을 사용한 과학 교수법의 평균 점수는 전통 교수법에 비해 13.62점 상승했다(t=26.609, p < 0.001, Cohen's d = 1.14). 12개월간의 ...

재료

이 논문에 사용된 재료 목록

이름	회사	카탈로그 번호	댓글
AR 디스플레이 장치	마이크로소프트	홀로렌즈 2	https://www.microsoft.com/en-us/hololens/hardware
컴퓨터 비전 라이브러리	OpenCV 팀	OpenC 4.13.0	https://opencv.org/releases/
개발 엔진	유니티 테크놀로지스	유니티 2021 LTS	https://unity.com/releases/2021-lts
그래픽 카드	엔비디아	RTX A2000	https://www.nvidia.com/content/dam/en-zz/Solutions/design-visualization/rtx-a2000/rtx-a2000-datasheet-us-nvidia-1520552-r3-web.pdf
통합 개발 환경	마이크로소프트	비주얼 스튜디오 2022	https://visualstudio.microsoft.com/vs/
운영 체제	마이크로소프트	윈도우 11	https://www.microsoft.com/en-us/windows/windows-11
프로세서	인텔	코어 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