虚拟现实技术对学生学习绩效的影响
崔钰婷 赵志群
【摘 要】
虚拟现实技术是虚拟现实（VR）、增强现实（AR）和混合现实（MR）的统称，探索虚拟现实技术在教学中的应用具有重要意义，但国内外开展的虚拟现实技术对学生学习绩效影响的实验或准实验研究的结果差别很大。本研究利用元分析方法，对2015—2019年国际英文期刊发表的59篇有关虚拟现实技术有效教学的文章进行分析，样本总量为4，991，并对其从学段、学科、教学周期、技术类型和学习环境等调节变量深入分析。研究发现：从整体上看，虚拟现实技术对学习绩效有较大程度的提升作用;基于虚拟现实技术的教学的有效性受学段、学科、教学周期、技术类型、学习环境等变量的影响;在虚拟现实技术中教学应用效果最好的是混合现实（但样本量小），其次是增强现实和虚拟现实。未来应注意不同变量的调节作用，优化教学条件，加强理论与实践的深度融合。
【关键词】? 虚拟现实;增强现实;混合现实;学习绩效;元分析
【中图分类号】? G642.0? ? ? ?【文献标识码】? A? ? ? ?【文章编号】? 1009-458x（2020）11-0059-09
一、引言
虚拟现实技术涵盖沉浸式虚拟现实（VR）、增强现实（AR）和混合现实（MR）。近十年来，随着个人移动设备的兴起，虚拟现实技术被应用到诸多领域，如旅游、医学、工业和教育等。Zion market research发布的报告显示，2016年全球虚拟现实技术市场价值约为20.2亿美元，预计2022年将达到约268.9亿美元，市场潜力巨大。科技巨头谷歌、苹果、Facebook和微软等纷纷布局这一领域，虚拟现实技术进入了新的蓄力期。《教育信息化十年发展规划（2011—2020年）》提出“要推进信息技术与教学融合，建设智能化教学环境，提供优质数字教育资源和软件工具，利用信息技术开展启发式、探究式、讨论式、参与式教学，鼓励发展性评鉴，探索建立以学习者为中心的教学模式”。虚拟现实设备被描述为21世纪的学习辅助工具，因其便捷性、移动性、交互性、开放性和个性化等特点，可在教学中代替高成本、高危险、高复杂程度的实验，具有巨大的应用价值（Makransky， et al.， 2017; Yip， et al.， 2019）。然而，虚拟现实技术作为一种数字科技，其教育潜力尚未得到全面评估，仅在商业领域展现出市场潜力，少有实证研究证明其教育价值（Meyer， et al.， 2019）。为探究虚拟现实技术在教学应用中的效果，研究者们进行了实验论证，但结论并未达成共识，究其原因，是因为虚拟现实教学设备开发成本高昂，实验研究样本数据有限，这在一定程度上影响了结果的一致性和可比性。当前对基于虚拟现实技术的教学的有效性存在两种大径相庭的研究结果：
第一种观点认为，虚拟现实技术对提升学生的学业成效有显著提升作用。例如，有研究者以32名大学生作为研究对象，发现使用VR进行教学不仅能提升学生的学习兴趣，还能通过同伴学习中的社会交互促进学习参与（Zhou， et al.， 2018）。中国台湾学者设计了ARFlora系统进行准实验研究，结果表明，使用AR进行教学能更有效地提升学生学习成果并保留知识、促进知识迁移（Chang， et al.， 2016）;Yang等人基于游戏的数字化学习平台（DGBL）证明使用DGBL系统的职业院校学生的创造性思维、批判性思维和解决问题能力均有所改进，职业技能也得到了大幅度提升（Yang， 2015）。除以上（准）实验研究外，已有的元分析研究也表明虚拟现实技术能有效提高学生的学习绩效。例如，沈阳等（2020）对基于VR的腹腔镜手术模拟器（VRLS）应用于医学教育的成效进行分析，发现VRLS对学生腹腔镜技术水平作用的效应值为0.72;李宝敏等（2019）对国外近十年有关VR教学成效的40篇论文进行量化分析（合并效应值为0.56），得出VR教学对学生学习成绩达到了中等程度的正向积极影响;Garzón等（2020）对46项AR教学实证研究进行了系统性回顾，计算出有效样本的合并效应值为0.72，表明AR技术对学习成效具有中上等影响。
第二种观点认为，虚拟现实技术对提升学生学业成效没有作用。有研究者以32名大学生为研究对象，设计了基于VR游戏的测评平台，发现VR游戏为学生提供了轻松愉快的学习环境，能提升学生参与度，但对照组和实验组最终的学业成绩测验分数没有显著差异（Al-Azawei， et al.， 2019）;丹麦学者Meyer等（2019）设计了准实验，通过对比实验并在一周后进行延迟测试，发现沉浸式VR视频除能提升自我效能感外，对知识保留、知识迁移等并无影响。美国学者以36名大学生（其中，17名学生基于VR平台，19名学生有专家反馈的面对面训练）为研究对象，设计了VR实时反馈平台，实验组在虚拟环境中反复练习，并接受平台的认知、行为和态度评价反馈，結果显示在VR平台训练的学生其前后测分数有所提升，但与控制组相比结果不存在显著差异（Ginkel， et al.， 2019）。
显然，当前对虚拟现实教学效果存在争议。尽管已有学者进行过元分析研究，但已有的元分析仅单独评估某一类具体的虚拟现实技术（如VR或AR）的教学效果，未能系统评估虚拟现实技术应用于教育教学的有效性，以及判断VR、AR和MR这三类技术哪种更胜一筹。作为社会科学领域最常见的定量研究方法之一，元分析可以“有目的地整合研究结果，对单个研究进行综合的统计学分析”（Glass， 1976）。本研究对检索到的国外权威数据库文献进行“二次分析”，旨在回答以下问题：
（1）与传统的教学方式（如讲座法、幻灯片教学等）相比，虚拟现实技术是否能提升学生学习绩效？
（2）虚拟现实技术应用于教学提升学生的学习绩效，是否和如何受到学科、学段、教学周期、技术类型、学习场所等调节变量的影响？
（3）针对不同类型的虚拟现实技术，即VR、AR及MR，哪种技术类型更能提升学生学习绩效？
二、研究设计
本研究的元分析严格按照PRISMA指导准则进行，并遵循Glass（1976）提出的元分析评估程序，包涵：①收集相关研究;②对特征值进行编码;③计算单个研究的效应量;④分析调节变量对效应量的影响。
（一）数据来源
为了获得高质量的研究，笔者搜集了“Web of Science”和“Scopus”两个国际权威数据库。虚拟现实技术的主题词有“Virtual Reality（VR）”“Augment Reality（AR）”“Mixed Reality（MR）”;学习绩效的主题词包括“Learning achievement”“Learning outcomes”“Learning performance”“Learning effectiveness”等，组合检索词如“Virtual reality+ Learning achievement”“Augment reality+ Learning outcomes”等，依此类推。检索时间跨度为2015年至2019年9月1日，文献类型选择article。最终共检索到6，786篇文献，将所有文献导入Endnote文献管理软件中，清除重复文献后剩2，358篇。
（二）筛选标准
为保证研究结果的严谨性和有效性，对检索的文献进行了筛查，标准如下：①研究主题必须是探讨虚拟现实技术在教学过程中的应用，可以在正式学习环境中开展（如学校课堂教学），也可以在非正式学习场所中进行（如基于工作场所中的学习或教育游戏中）;②研究类型必须是实验研究或者准实验研究，包括双组前后测、双组后测、单组前后测等;③分别采用两组方式教学，实验组利用虚拟现实技术干预教学和学习，控制组使用传统教法（如讲座法、PPT幻灯片等）;④研究结果包含对学习者学习绩效的测量，每项研究都必须报告实验结果数据，学习绩效包括学生知识获得或技能测评得分，从以上任选一项分数即可;⑤研究报告应提供研究结果的完整数据，应包括实验组和对照组的样本量，学习绩效的均值及标准差。
综合以上筛选标准，对检索到的6，786篇文献进行排查，最终选取满足筛选标准的文献59篇，具体流程如图1所示，总样本量为4，991，满足元分析标准。
（三）资料提取与编码
资料提取是Meta分析的重要步骤之一，所提取的资料作为数据分析和合成的直接依据。为保证资料提取过程的客观性，本研究的编码由两位研究人员共同完成。正式编码之前，对两位研究人员进行培训，告知编码规则，再由两位编码员对59篇文献独立编码。编码的内容包括标题、作者信息、发表年份、样本量、控制条件、学习者学段、学习者学科、技术类型、教学周期、学习场所等，调节变量编码如表1所示。本研究Cohen Kappa一致性系数为0.91，说明特征值編码结果可信。
（四）研究方法与工具
近年来，能实现Meta分析的软件不断涌现，一般分为三大类：①meta分析专用软件，如Review Manager（RevMan）和Comprehensive Meta-Analysis（CMA）等;②具有Meta分析功能的综合性软件，如Stata、R软件和SAS等;③Microsoft Excel插件（张天嵩， 等， 2015， p.16）。本研究采用综合性统计工具Stata16，该软件功能强大，可以实现对连续性变量的高级Meta分析，满足研究需求。
此外，通过提取59篇研究文献的样本量、平均值及标准差，比较和整合多个相同领域的实验研究结果，采用标准化均数差法（SMD）作为效应值，表征虚拟现实技术对学生学习绩效的影响程度。Stata16软件统计结果具体包括计算各研究的单个效应值、整体效应值、发表偏倚分析、异质性检验及调节变量影响分析。
三、元分析结果与讨论
（一）异质性检验
由于纳入同一系列评价的研究来自不同的国家，发表时间不同，研究对象不同，干预措施不同，异质性在所难免，本研究将系统评价中不同研究中存在的合作变异统称为“异质性”（Borenstein， et al.， 2009， p.7）。异质性检验是Meta分析的关键步骤，分为图示法和统计学检验法。图示法中森林图可用于评价研究间异质性，用法简单，但需要合理解读;统计学检验法包括Q检验、I2检验和H检验，H和I2利用了自由度校正研究文献数目对Q值的影响，其值大小不会随着文献数变化而改变，可作为两项重要考察指标。Higgins等（2003）认为I2取值范围定义在0～100%之间，当I2=0时表示研究间无异质性，I2>75%时表示研究存在高度异质性。
根据Stata软件得出的异质性检验数值，I2=94.98%>50%，H=19.92%，Q检验的p =0.000<0.05，提示本次研究选择的文献之间存在很强的异质性，表明约有94.98%的观察变异是由效应值的真实差异造成的，仅有5.02%的观察变异由随机误差导致，出现异质性的原因可能是样本来源的国别、发表时间、技术类型、学段、学科等不同因素引起的。
（二）偏倚检验
元分析也有一些重要的限制，如出版偏倚和样本偏倚，需要对所筛选文章的出版偏倚进行检验（Cohen， 1982）。偏倚（Bias）又称为“系统误差”（Systematic error），指研究的结果或推论偏离真实值的偏差。采用漏斗图与Begg秩相关法检验发表偏倚。首先运行Stata软件得出漏斗图，当研究不存在发表偏倚时，散点将形成一个对称的倒置漏斗状。由图2可以发现本研究绝大多数散点均匀落在合并效应值0.850处，并对称分布在中心线左右，可推测本研究中发表偏倚较少。为更准确报告是否存在偏倚，采用Begg秩相关法来进行检验，一般情况下，样本量与方差成反比，秩相关检验是检验效应与样本量之间的相关性，若Z0.05）则表示没有报告偏倚。根据Begg秩相关检验结果来看，Z=1.230.05），因此可以判断本研究不存在发表偏倚。
（三）虚拟现实技术对提升学习者学习绩效的整体效应
在Meta分析中，效应量是衡量实验组和对照组均值差异性强度的重要指标（Hedges & Olkin， 1984），效应值用来评估虚拟现实技术对学生学习绩效的影响。
在合并单个研究的效应量计算整体效应值时，可以选择固定效应模型（Fixed-effects model）或随机效应模型（Random effects model）。固定效应模型假设不同研究应有相同的效应量，研究间的差异仅是由于不同研究效应量的变质程度不同引起的。随机效应模型假定不同研究具有不同的效应量，研究的差异由于不同研究效应量及不同变异程度共同引起。在教育学研究中，由于研究对象、实验条件等的差异，假設各研究有共同的效应量是不科学的。本研究选择随机效应模型进行主效应检验，并采用Cohen的效应量计算方法，统计结果见表2。
根据随机效应给出的Meta分析结果显示，虚拟现实技术对学习绩效的合并效应值SMD是0.850，95%CI（0.574，1.126），合并效应量检验Z=6.03（p <0.01）具有统计学意义。合并效应值为正数，表明与传统教学方式相比，虚拟现实技术应用于教学对学习者学习绩效起正向显著影响。根据Cohen（1992）的效应值评价标准：标准化效应量在0.2～0.5属于小效应，在0.5～0.8之间属于中效应，高于0.8属于大效应。59项研究的总效应量是0.850，大于0.8，属于大效应。因此可以得出以下结论：采用虚拟现实技术能有效提升学生的学习绩效。
（四）调节变量效果检验
1. 学段的调节效应
以不同学习阶段的学生作为研究对象，探讨虚拟现实技术在教学中应用的效果差异。统计结果显示，各学段的合并效应值检验Z=6.06（p<0.01），表示虚拟现实技术对各个学段的学习绩效具有提升作用。从表3可以看出，各学段的最终效应值依次是职业教育（g=2.578，p <0.01）、本科及以上（g=0.880，p0.05）、小学及以下（g=0.547，p>0.05）、初中（g=0.265，p>0.05）。对职业院校和本科及以上的学习者的影响效果属于大效应，对普通高中、小学及以下的学习者达到了中等效应，对初中生影响效果属于小效应。也有部分学段未达到统计学意义上的显著，如小学及以下、高中和初中，这可能与研究设计和样本数量少有关。组间效应QB=19.24（p<0.01），达到统计显著水平，表明在不同学段虚拟现实技术对学生学习绩效存在显著差异。
2. 学科的调节效应
虚拟现实技术应用于教学中的形式多样，不同学科都试图借助虚拟现实技术呈现教学内容。各学科的效应值均大于0，合并效应值Z=5.09（p0.05）、材料与工程类（g=1.718，p<0.01）、数理科学类（g=1.010，p0.05）、人文语言类（g=0.554，p0.05）。影响最高的是传统的理工科专业（地球科学类、材料工程类、数理科学类和信息科学类等）;对地球科学类、信息科学类的影响效果不显著，可能因为这两类专业样本数较小。与我们的认知相反，虚拟现实技术虽然大量应用于生命医学类（生物、医学和护理等）学科，但不少研究针对医学护理类专业进行了实证研究，发现应用效果相对较差且不显著，表明医学护理类专业不太适合在虚拟仿真环境中学习，或虚拟现实技术需要进一步优化才能适应这类学科。除此之外，虚拟现实技术对人文社科类专业学生的学习绩效提升也有较好效果，达到了中等效应。总体上，从组间效应检验结果来看，QB=9.69（p>0.05），虚拟现实技术对不同学科学习绩效的影响并无显著差异，对不同学科类别都有适用性，但影响效果存在差异。
3. 技术类型的调节效应
虚拟现实技术的三类主流技术VR、AR和MR呈现出不同的教育形态。根据Stata软件统计结果，发现三类技术对学习绩效影响的组间效应量是QB=1.70（p>0.05），并未达到统计显著水平，说明三类不同的技术对学生学习绩效影响并不存在显著差异。从表5可以看到，各技术类型合并效应值Z=6.09（p<0.01），说明虚拟现实技术中的不同技术类型对学生成绩均具有正向促进作用，其中影响最高的是MR（g=1.617，p<0.01），其影响效果显著，但样本量较小;其次是AR（g=0.887，p<0.01），也达到了大效应;影响效果较弱的是VR（g=0.737，p<0.01），但也达到了中等效应。
4. 学习场所的调节效应
为了检验不同学习场所是否影响虚拟现实技术提升学习绩效，本研究计算了三个学习场所对应的效应值。从表6可以看出，各学习场所效应值均大于0，合并效应值Z=4.48（p<0.05），说明虚拟现实技术对不同学习场所的学习绩效均有正向提升作用。其中，基于教育游戏的学习场所效应值最高（g=1.667，p<0.01），说明虚拟现实技术在基于游戏的学习场所影响最为有效;其次是应用于正式学习场所（g=0.856，p0.05），达到了中等效应，但效果不显著。组间效应检验结果（QB=4.30，p>0.05）说明不同学习场所对学习绩效的影响并无显著差异。
5. 学习周期的调节效应
根据梳理的59篇文献内容，将教学周期划分为四类，对不同教学周期的虚拟现实技术影响效果进行检验。如表7所示，各教学周期的效应值均为正值，组间效应检验不显著（QB=0.25，p>0.05），说明在不同教学周期虚拟现实技术对学生学习绩效的影响并无显著差异。各教学周期效应值均大于0，合并效应值Z=4.97（p<0.01），说明虚拟现实技术对不同教学周期的学习绩效均有正向提升作用。各教学周期效应值排序为：6个月以上（g=0.982，p3～6个月（g=0.920，p>0.05）>1～3个月（g=0.913，p>0.05）>1个月内（g=0.816，p<0.01），表明虚拟现实技术随教学时间增长效果会更好，与教学周期变量呈线性关系。
四、结论
对近5年59篇实验或准实验研究进行元分析，研究表明虚拟现实技术与学习绩效呈高度正相关。
（一）虚拟现实技术对学习者学习绩效有积极正向影响
元分析结果表明，虚拟现实技术能有效提升学习绩效，效应值高于0.8，呈中等偏上的显著影响，与先前研究结论一致（Merchant， et al.， 2014; Garzón & Acevedo， 2019），即虚拟现实技术由于其“沉浸性”“交互性”“想象性”特征，能够创设多样化虚实融合的学习情境，帮助学习者理解抽象和复杂的学习内容，提升学习动机（Erbas & Demirer， 2019），提升学习效果（Carbonell-Carrera & Saorín， 2017）。具体来说，虚拟现实技术可以整合割裂、零散的学习材料，帮助学生按照关联、动态、系统的思维方式理解复杂问题。同时，虚拟现实技术打造的具体化、情景化、沉浸式的学习环境，能使学习者更好地掌握正确的抽象性知识和操作行为，并为学习者提供无限练习机会，促进学习迁移。多感官交互技术可营造出多种感官刺激的学习环境，刺激学习者视觉、听觉、触觉等的多感官学习，使学习效率事半功倍，符合脑科学结论。虚拟现实技术也能有效监控学习过程和学习行为，为学习者和教学者提供及时、有效的诊断反馈，实现人机协同。总之，虚拟现实技术打造的学习情境是学习者“知情意行”的整合。
虚拟现实技术可广泛应用于医学和工程类学科的实验，这类实验成本大、建设条件复杂、周期长且容纳人数有限，虚拟现实技术可有效解决这些难题，通过仿真模拟真实工作或学习情境，沟通现实与虚拟，摆脱时空障碍，将零散、琐碎、静态的二维形态知识转换为网状化、系统化、立體化的三维知识形态，从根本上改变学习者知识获取与信息加工方式，体现以“学”为中心的教育理念，提升学习者学习成效。
（二）不同变量对学习者学习绩效的调节效应
虚拟现实技术对学习者学习绩效的影响存在边界条件，如学科、学段、教学设备、教学周期等调节变量的共同影响。
虚拟现实技术在各学段都有正向教学效果，其中对职业院校学生效果最佳。虚拟现实技术在职业院校和本科及以上学段都具有显著正向作用且达到高度正向影响。自20世纪80年代起，虚拟现实技术就开始应用于职业教育和培训，到了90年代才陆续引入基础教育和高等教育（刘德建， 等， 2016）。虚拟实训作为职业教育的新兴实训方式，有助于转变学生学习方式、激发学生兴趣，给学生更多机会去操作体验，符合“做中学”理念和情境学习理论，相较于其他阶段，教学效果也更为明显。在高中及初中阶段，虚拟现实技术应用效果不明显，中学阶段学习的知识以陈述性知识（是什么）为主，虚拟现实技术对这类知识教学效果欠佳。此外，该阶段的学生有较大的升学压力，应用于课堂有可能使学生分心，造成认知负荷超载，降低学习效果。
虚拟现实技术在各学科中都有正向教学效果，但效果存在差异，对地理科学类和材料科学类等理工科专业影响显著，而对人文语言类、生命医学类等专业影响效果稍弱。究其原因，理工科课程需要具象化的学习场景帮助学习者更好地理解内容，虚拟现实技术可满足这一需求，加之这类学科需要进行大量实验、动手操作，虚拟现实技术为此类课程营造了一个“沉浸式虚拟空间”，将抽象的概念具体化，有助于学习者快速掌握。学习者可在虚拟空间中自主探索，摆脱了传统学习方式的时空限制，能进行无限次的练习，强化了学习效果，这一结果也验证了Bacca等（2014）的研究结论，即虚拟现实技术最适用于自然科学和数学工程类专业。此外，虚拟现实技术在人文社科类专业（如语言、历史等）中也有较好的应用前景，可以大大丰富文史类专业知识的呈现形式，如将故事情节可视化，提升学生的表达能力、想象能力和共情能力。对于生命科学类学科，虚拟现实技术影响效果最弱，可能因为当前虚拟实验多为简单的二维实验演示，其真实感、交互性和教学效果与真实医学实验相差较远（焦安权， 钟声， 2008），故效果较差。
不同技术类型对学生学习绩效提升效果不同。首先是MR对学生学习绩效提升效果最好，达到了大效应，但其在当前教育领域普及程度较低，收集到的研究样本数量较小，因此这一结果可能有一定的偏差;其次是AR也达到了大效应，即虚实融合的学习环境要优于纯虚拟的学习环境;最后是VR对学生学习绩效影响为中等效应。原因可能是MR相较于另外两类更为先进，其同时包含了现实世界和虚拟世界，在虚拟世界、现实世界和用户之间搭起了交互反馈的信息回路，将虚拟世界和现实世界无缝对接，将人类感官延伸到了虚拟世界（范文翔， 赵瑞斌， 2019），可充分调动学习者的多种感官，提升学习者沉浸感、代入感和置入感，使其迅速进入学习状态（孔玺， 等， 2019），因此效果最好。AR是虚拟现实的延伸，可使抽象的学习内容可视化、形象化，使知识更有情境性，增强学习的交互性（蔡苏， 2016），但虚拟世界和现实世界在景象间仍存在较大的视觉差异，会对学习体验效果造成一定影响（孔玺， 等， 2019），故效果次之。VR对提升学习者学习绩效影响最低，这可能与VR设备缺陷有关，如有研究表明，VR头戴现实设备存在分辨率低、刷新率低等问题，长时间使用会伴随一系列不良反应，比如晕眩、疲劳等（丁楠， 汪亚珉， 2017）。此外，虚拟现实呈现的模拟场景也会干扰学习者对重要学习内容的注意。有研究表明，VR能提升学生学习动机，但会加重学生认知负荷，造成冗余效应（Makransky， et al.， 2019）。
不同的学习环境对提升学生学习绩效影响不同。效果最好的是基于教育游戏的学习场所和正式的学习场所，均达到了大效应，而基于工作的学习场所对学习绩效具有中等效应。近年来，教育游戏也成为教育研究和应用的热点之一，教育游戏化可以基于任务、基于情境、基于问题、基于角色来设计学习内容，可以以个体或小组的形式协作学习，大大增强了学习的趣味性，效果最佳。此外，相较于传统的学习方式，有研究表明学习者使用基于AR的教育游戏产生的心流体验更强（Ibá?ez， et al.， 2014），这也提示开发者和教学者多创设非正式学习环境。基于工作的学习场所效果最弱，可能受到当前技术的限制，虚拟仿真系统与真实的工作任务、训练情景还有一定的距离，目前尚不能替代真实的工作情景。
在不同教学周期虚拟现实技术对学生学习绩效提升效果不同，实验周期与学生学习绩效呈线性关系。教学周期越长，虚拟现实技术对学生学习绩效提升效果越好。表明虚拟现实技术应用持续时间越长，学生越能在沉浸式学习和深度学习环境中深入体验，对知识和技能的学习和保留度越高。
五、建议与展望
通过对59项研究进行元分析可以发现，尽管虚拟现实技术有助于大幅提升学习绩效，但会受到学段、学科、教学周期等变量的影响。
（一）加强理论与实践的融合，发挥虚拟现实技术最大效益
传统的教学是以教师为中心，学生处于被动地位，而基于虚拟现实技术的教学有利于创建以学生为本的个性化教学环境。虚拟现实技术并非只是一种展示手段，更应融入教与学的全过程。教师在利用虚拟现实技术设计教学情境时，应按照情境学习理论、具身认知理论和心流理论等构建有效的学习环境。情境学习理论强调学习是情境性的活动，是实践共同体“合法的边缘性参与”，边缘性意味着多元化、建构性（莱夫， 温格，2002， p.6）。知识是复杂的，学习内容设计者应尽可能使教学内容贴近真实的情境活动。教师应鼓励形成实践共同体的活动，创设多元、开放的虚拟现实教学环境，使学生逐渐“充分参与”共同体的活动，主动建构知识体系。具身认知理论强调认知的涉身性、体验性和环境嵌入性，认知基于身体并源于身体（叶浩生， 2015）。在进行内容设计时，教师要增加身体体验的互动性，给学生更多的身体感觉-运动体验机会，发挥身体对环境的感知记忆，促进多种感官交互，增强学习的“临场感”。心流理论认为个体在参与某项工作（活动）时，在达到全神贯注、投入忘我的状态（心流状态）时学习绩效更好（Webster， et al.， 1993）。由于基于虛拟现实技术的游戏活动比课堂学习更为有效，未来可针对STEM、创客、艺术欣赏课程等开设游戏活动，增强教学内容的趣味性，提升学习者学习投入，使其感受学习过程中的“巅峰时刻”。
（二）在教学中应用虚拟现实技术应注意相关变量调节的作用，优化虚拟现实技术的教学使用条件
尽管虚拟现实技术对提升学习者学习绩效有显著效应，但受不同变量调节，其应用效果也存在差异，未来应用虚拟现实技术时应注意各变量的调节作用：①虚拟现实技术可广泛应用于理工科等实践性强的学科，如地理、物理等，教师可积极探索开发适宜的教学内容;②在学段方面，虚拟技术在职业教育和本科及以上层次中应用效果良好，故开发者可针对职业教育和高等教育研发课程和学习支持系统;③在教学周期上，教学周期越长，学习绩效越好，故教师可将虚拟教学贯穿于整个教学过程，增强学生对虚拟技术的适应性，发挥虚拟现实技术的最大效力;④在技术类型上，MR实效果最好，其次是AR，因此可优先推广这两项技术，改进VR硬件的不足，如晕眩感、分辨率低、舒适感差等问题;⑤在学习环境中，教育游戏效果最好，但需注意必须重视对学习过程的反馈及效果评价。教育类游戏最终的目的是促进学习绩效的提升、促进学生身心健康发展，不能“为内容而内容”，本末倒置，在学生游戏时应注意正确引导。此外，AR有助于帮助学习者理解和记忆概念性知识，VR对步骤性、操作性知识效果更好，教学者应根据不同的知识类型应用不同类型的技术。
本研究仅选取两大数据库的期刊论文，未来的研究不仅应包括期刊论文，也应涵盖会议论文和硕博学位论文，应吸收中文文献做综合对比，应研究不同结果变量的影响差异（自我效能感、学习动机、创造力水平等），多视角探讨虚拟现实技术辅助教学的学习绩效。另外。由于梳理文献时一些数据缺失，导致本研究无法探讨某些特定调节变量（性别、教学方式、能力分类等）。在未来条件成熟时，可全面分析虚拟现实技术有效教学的基本特征。
[参考文献]
蔡苏，王沛文，杨阳，刘恩睿. 2016. 增强现实（AR）技术的教育应用综述[J]. 远程教育杂志，34（05）：27-40.
丁楠，汪亚珉. 2017. 虚拟现实在教育中的应用：优势与挑战[J]. 现代教育技术，27（02）：19-25.
范文翔，赵瑞斌. 2019. 数字学习环境新进展：混合现实学习环境的兴起与应用[J]. 电化教育研究，40（10）：40-46，60.
焦安权，钟声. 2008. 虚拟现实技术在医学领域的发展与应用研究[J]. 海南医学院学报（05）：584-586.
J. 莱夫，E. 温格，王文静，译. 2002. 情景学习 合法的边缘性参与[M].上海：华东师范大学出版社.
孔玺，孟祥增，徐振国，刘涛，陈长胜. 2019. 混合现实技术及其教育应用现状与展望[J]. 现代远距离教育（03）：82-89.
李宝敏，王钰彪，任友群. 2019. 虚拟现实教学对学生学习成绩的影响研究——基于40项实验和准实验的元分析[J]. 开放教育研究， 25（04）：82-90.
刘德建，刘晓琳，张琰，陆奥帆，黄荣怀. 2016. 虚拟现实技术教育应用的潜力、进展与挑战[J]. 开放教育研究，22（04）：25-31.
沈阳，郝爱民，孙尚宇，李林. 2020. 虚拟现实技术在医学教育中的场景应用研究——基于79篇实验研究论文的系统分析与元分析[J]. 中国电化教育（08）：107-118.
叶浩生. 2015. 身体与学习：具身认知及其对传统教育观的挑战[J]. 教育研究，36（04）：104-114.
张天嵩，董圣杰，周支瑞. 2015. 高级Meta分析方法 基于Stata实现[M]. 上海：复旦大学出版社.
Al-Azawei， A.， Baiee， W. R.， & Mohammed， M. A. （2019）. Learners Experience Towards e-Assessment Tools： A Comparative Study on Virtual Reality and Moodle Quiz. International Journal of Emerging Technologies in Learning， 14（5）， 34-50.
Bacca， J.， Baldiris， S.， Fabregat， R.， Graf， S.， & Kinshuk， J. （2014）. Augmented Reality Trends in Education： A Systematic Review of Research and Applications. Educational Technology & Society， 17（4）， 133-149.
Borenstein， M.， Hedges， L.， Higgins， J.， & Rothstein， H. （2009）. Introduction to meta-analysis. West Sussex， UK： Wiley & Sons.
Carbonell-Carrera， C. L.， & Saorín， J. （2017）. Geospatial Google Street View with virtual reality： A motivational approach for spatial training education. ISPRS International Journal of Geo-Information， 6（9）， 261.
Chang， R.， Chung， L.， & Huang， Y. （2016）. Developing an interactive augmented reality system as a complement to plant education and comparing its effectiveness with video learning. Interactive Learning Environments， 24（6）， 1245-1264.
Cohen， J. （1992）. A Power Primer. Psychological Bulletin， 112（1）， 155-159.
Cohen， P. （1982）. Educational Outcomes of Tutoring： A Meta-analysis of Findings. American Educational Research Journal， 19（2）， 237-248.
Erbas， C.， & Demirer， V. （2019）. The effects of augmented reality on students academic achievement and motivation in a biology course. Journal of Computer Assisted Learning， 35（3）， 450-458.
Garzón， J.， & Acevedo. （2019）. Meta-analysis of the impact of Augmented Reality on students learning gains. Educational Research Review， 27， 244-260.
Garzón， J.， Baldiris， S.， Gutiérrez， J.， & Pavón， J. （2020）. How do pedagogical approaches affect the impact of augmented reality on education？ A meta-analysis and research synthesis. Educational Research Review， 31， 100334.
Glass， G. （1976）. Primary， Secondary， and Meta-Analysis of Research. Educational Researcher， 5（10）， 3-8.
Hedges， L. V.， & Olkin， I. （1984）. Statistical methods for meta-analysis. New Directions for Program Evaluation， （24）， 25-42.
Higgins， J.， Thompson， S.， Deeks， J.， & Altman， D. （2003）. Measuring inconsistency in meta-analyses. BMJ （Clinical Research Ed.）， 327（7414）， 557-560.
Ibá?ez， M. B.， Di Serio， ?.， Villarán， D.， & Delgado Kloos， C. （2014）. Experimenting with electromagnetism using augmented reality： Impact on flow student experience and educational effectiveness. Computers & Education， 71， 1-13.
Makransky， G.， Lilleholt， L.， & Aaby， A. （2017）. Development and validation of the Multimodal Presence Scale for virtual reality environments： A confirmatory factor analysis and item response theory approach. Computers in Human Behavior， 72， 276-285.
Makransky， G.， Terkildsen， T.， & Mayer， R. （2019）. Adding immersive virtual reality to a science lab simulation causes more presence but less learning. Learning and Instruction， 60， 225-236.
Merchant， Z.， Goetz， E.， Cifuentes， L.， Keeney-Kennicutt， W.， & Davis， T. （2014）. Effectiveness of virtual reality-based instruction on students learning outcomes in K-12 and higher education： A meta-analysis. Computers & Education， 70（C）， 29-40.
Meyer， O.， Omdahl， M.， & Makransky， G. （2019）. Investigating the effect of pre-training when learning through immersive virtual reality and video： A media and methods experiment. Computers & Education， 103603.
Van Ginkel， S.， Gulikers， J.， Biemans， H.， Noroozi， O.， Roozen， M.， Bos， T.， et al. （2019）. Fostering oral presentation competence through a virtual reality-based task for delivering feedback. Computers & Education， 134， 78-97.
Yang， Y. （2015）. Virtual CEOs： A blended approach to digital gaming for enhancing higher order thinking and academic achievement among vocational high school students. Computers & Education， 81， 281-295.
Yip， J.， Wong， S-H.， Yick， K-L， Chan， K.， & Wong， K-H. （2019）. Improving quality of teaching and learning in classes by using augmented reality video. Computers & Education， 128， 88-101.
Webster， J.， Trevino， L.K.， & Ryan， L. （1993）. The dimensionality and correlates of flow in human-computer interactions. Computers in human behavior， 9（4）， 411-426.
Zhou， Y.， Ji， S.， Xu， T.， & Wang， Z. （2018）. Promoting Knowledge Construction： A Model for Using Virtual Reality Interaction to Enhance Learning. Procedia Computer Science， 130， 239-246.
收稿日期：2019-12-07
定稿日期：2020-08-18
作者簡介：崔钰婷，博士研究生;赵志群，博士，教授，博士生导师，本文通讯作者。北京师范大学教育学部（100875）。
责任编辑 张志祯 刘 莉
