沉浸式VR可视化空间线索促进程序性知识学习的实证研究

李欣 沈夏林 黄晓 王勋

[摘   要] 程序性知识的学习具有情境性、实践性和应用性的特征，关注方法和能力的获得，是学生通过传统方法难以获知的，而采用IVR技术的虚拟实验系统通常具有增强性（Engagement）、再现性（Evocation）和证据性（Evidence）的特征，有助于程序性知識的理解与应用。研究以“凸透镜成像”这一学生难以理解的重要科学主题为例，通过实验研究，探索沉浸式虚拟实验中加入可视化空间线索对学生凸透镜成像中的理解与应用这两个目标维度的影响。基于自主开发的沉浸式光学虚拟实验系统——Optical IVRLab，选择了48名初中学生随机分配成两组，其中一组为实验组，在包含空间线索的虚拟实验系统中测试，对照组则不包含空间线索。通过前、后测以及对比分析实验组与对照组的t检验数据发现，沉浸式VR的可视化空间线索在科学概念的学习中，有助于个体的陈述性知识向程序性知识迁移。在沉浸式虚拟现实环境中的可视化“图式”建构，适用于面向空间且包含不可见物理量的抽象概念的程序性知识学习。

[关键词] 沉浸式虚拟现实; 空间线索; 可视化; 程序性知识; 虚拟实验; 凸透镜成像

[中图分类号] G434            [文献标志码] A

[作者简介] 李欣（1963—），男，浙江金华人。教授，硕士，主要从事虚拟现实教育应用、数字化学习资源建设等方面的研究。E-mail：lx@zjnu.edu.cn。

一、引   言

随着大数据、人工智能、云计算等基础架构与虚拟现实（Virtual Reality，VR）客户端的不断发展和融合，为教育教学应用模式提供了许多新选项[1-2]。虚拟现实和人工智能等新技术已成为开展教育信息化2.0行动的新动力[3]。在采用沉浸式虚拟现实（Immersion Virtual Reality，IVR）技术的数字化增强环境中，大量原本不被人类视觉覆盖的物理量（如温度、电流、电磁场、光线等）的可视化表征，可将人类对现实的感知与数字化视觉表征直接融合在用户的视场中，这些可视化的物理量和设备仿真对象不仅可以共存，而且可交互并实时反馈抽象概念和多个变量之间的动态关系，极大地丰富了人类的感知[4]。因此，IVR被认为是强大的教学工具，正越来越多地被应用于教育教学[5]。其应用于教育教学的有效性正成为许多研究者关注的焦点[6]。

程序性知识的学习具有情境性、实践性和应用性的特征，关注的是方法和能力的获得，需借助方法论的指导和反复的实验操作实践，而采用IVR技术的虚拟实验系统通常具有增强性（Engagement）、再现性（Evocation）和证据性（Evidence）的3E特征[7]。可见，程序性知识学习的情境、实践和应用性特征与IVR的增强、再现和证据性具有强映射关系。虽然一些实证研究表明，IVR虚拟实验系统有利于程序性知识的习得[4，8]，然而，对于IVR虚拟实验系统在程序性知识学习中有用性的主张和对这些主张进行实验测试的科学研究之间仍然存在差距，且其在教育教学领域应用的外部效度也有待于教学实践的进一步检验[9]。鉴于此，我们以“凸透镜成像”实验教学作为研究挈入点，通过实证研究来确定沉浸式VR中的可视化空间线索是否能促进程序性知识的学习。

二、理论背景

近年来的研究发现，在科学课程中的学习成就与概念留存和学习态度[10]、认知和情感[11]、先前知识（Prior knowledge）[12]等因素密切相关。在这些确定的影响因素中，元分析[13]认为先前知识是对学习成就影响最大的因素。Bloom和Hailikari等将先前知识定义为由不同类型的知识、技能和能力组成的多维动态的知识[14-15]。特别是，特定领域的先前知识被认为是获取新知识的关键[14，16]。对于一个主题，高水平且成熟的先前知识能更好地支持学习[17]，即个体能更好地理解和记住主题，在考试中表现得更好[15]。但不是所有的先前知识类型都以相同的方式影响学习成就，Loehr的研究结果表明，某些类型的先前知识（如深刻理解）比其他类型（如事实记忆）更能影响学习成就[18]。

Hailikari等基于Krathwohl的《教育目标修订》[16]、Dochy的《知识维度研究》[19]和Biggs的《结构发展理解理论》[20]中所描述的知识和学习理论，提出了先前知识结构模型[15]，该模型区分了四种先前知识类型，即事实知识、意义知识、整合性知识和应用性知识。事实知识是关于事物的名称、符号、简单的命题等抽象层次较低的知识;意义知识是指事实知识经组织后的有意义的组合知识;整合性知识是指在理解概念和不同现象之间相互关系的基础上进行结构化后的知识;应用性知识则是指在解决特定学科或新领域的问题时所需的方法和步骤等方面的知识。上述四种类型的知识都被分别归类到广泛接受的陈述性知识（事实知识和意义知识）和程序性知识（整合性知识和应用性知识）中[21-22]。陈述性知识类型与知识记忆的认知指标（记忆、回忆、识别、再现等）密切相关，程序性知识类型与知识迁移的认知指标（理解、应用等）密切相关[23]。该知识结构模型假设，在较高层次知识上的操作包含较低层次的知识，这与Liu提出的知识整合理论相一致[24]。

一些研究者认为，陈述性知识指的是事实知识，而程序性知识指的是专门知识[25]。我们将陈述性知识定义为可通过图文和音视频等传播媒介来表达的知识的一部分，包含事实知识（Know-what）、意义知识（Know-why）这两个要素，这与Nickols的“陈述性知识并不局限于事实知识”的观点相一致[26]。我们将程序性知识定义为从陈述性知识集合中经整合并内化的可操作知识，它是可操作的。因为只有反复练习，陈述性知识才能转化为程序性知识并实现跨情境的迁移和应用。例如，尽管个人已经学习了陈述性知识，但必须在这些知识成为程序性知识之前进行反复实践。

IVR虚拟实验系统的目的是通过允许学生在沉浸式虚拟实验环境中操作对象和参数来替代或增强真实的实验环境。其好处是可以让学生观察到现实世界中无法观察到的现象[27]，并通过在虚拟世界中提供适应性指导，促进陈述性知识向程序性知识的迁移[28]。虽然有证据表明，IVR能为程序性知识的学习带来积极的效果[29-30]，但具体应用的实证研究相对缺乏。目前尚不清楚采用IVR技术的这类应用程序对程序性知识的学习是否必要或有益[31]。此外，IVR的哪些特性对于哪些教育目的是有益的，亦不明晰[32]，因此，关于沉浸式VR所提供的视觉体验和沉浸感是否会导致更高水平的存在感和生成认知加工，并最终带来更好的学习和迁移结果的研究是不确定和有限的，还需要进行更多的方法论上的研究及进一步的实证检验。

三、研究设计

（一）问题的提出及研究假设

程序性知识是初中科学类课程学习中的重点与难点，原因在于科学事件内在机理的非直观性，其外显现象经常不能直接反映科学规律的结果，学生难以经由体验建构科学概念，导致对科学原理的“理解”不过是对程序性知识的记忆。在凸透镜成像规律的教学中，以概念和规律为代表的陈述性知识在非情境或去情境的状态下，难以转化为以应用为代表的程序性知识。由于学生的前概念与凸透镜的成像规律并不一致，学生对凸透镜成像的大小和虚实等知之甚少。尽管学生通过教师的讲解和实验，习得凸透镜成像关于物距、像距、焦距等陈述性知识，但难以迁移到真实情境中以解决问题。例如，学生在日常生活中经常看到玻璃缸里的鱼等，学生就会认为凸透镜仅能起放大作用，其持有的前概念会造成负迁移作用，导致凸透镜能成缩小的像或虚像的新知难以得到顺应和转化。

沉浸式VR和真实环境一样具有知觉体验深刻的特征，将空间线索以可视化的方式叠加于场景中的模拟设备上，将学生置于沉浸式VR的“凸透镜成像”环境中，可使沉浸式VR的知觉体验特征更加凸显。可视化的空间线索和实时交互反馈，为学生创造了直观的探究多种成像条件的可能性;“虚”“实”结合的体验和对成像规律的结构化反思，则能促进知觉经验的逻辑化转变并形成程序性知识，有助于抽象科学概念的学习和跨情境中的迁移与应用，即能在新的变化的情境下找到一种程序去解决具体问题。

因此，本研究采用Unity 3D引擎设计开发了Optical IVRLab凸透镜成像虚拟实验系统，包括：（1）凸透镜成像的真实实验设备和实验室环境的模拟;（2）将真实实验中不具备的可视化空间光路线索通过空间配准叠加于模拟的实验设备上（体现光的波粒二象性中，粒子性质原理的图式）。研究的主要目标是评估IVR环境中可视化的空间线索对学生凸透镜成像的学习在概念理解和整合应用方面是否有影响。

实验采用单因素被试间设计，自变量为交互虚拟实验中的空间信息（“有空间线索”为实验组，“无空间线索”为对照组），因变量为理解、应用等程序性知识的学习效果，表现为关于凸透镜成像的理解维度和应用。基于此，本研究作如下假设：（1）IVR环境中可视化的空间线索可提升学生的心流体验;（2）包含可视化空间线索的实验系统将会导致更好的知识整合应用和跨情境迁移表现。

（二）研究对象

本次实验从浙江省丽水市松阳县某中学随机抽取了48名七年级学生作为研究样本，年龄为13至14岁，男女性别相当，学生来自县城和周边农村。所有学生的视力或矫正视力正常，且在此前均未接触过交互式IVR及其相关体验。在实验室随机分配到实验组和对照组，每组各24人，两组被试在年龄和男女比例上均无差异。

实验组的前测平均成绩为M=5.75， SD=1.59，对照组的前测平均成绩为M=5.33，SD=1.20，对两组进行独立样本t检验，即实验组与对照组学生在实验干预前对凸透镜成像规律的理解不存在显著差异（t=1.02，p=0.31>0.05）。进一步从记忆、理解和应用三个维度进行分析，三个维度的t值均大于0.05（见表1），表明学生在这三个维度上也不存在显著性差异。由此说明，在虚拟实验教学干预之前，实验组与对照组的被试对凸透镜成像规律的理解程度无差异。

（三）研究工具的编制

1. Optical IVRLab虚拟实验系统

为了探究IVR技术在程序性知识学习中的应用，我们以凸透镜成像规律的学习作为研究案例。采用Autodesk Maya和Unity 3D设计开发了针对凸透镜成像原理学习的Optical IVRLab系统，将在现实实验中不可见的主光轴、空间光路可视化，并与场景中的模拟设备进行三维空间配准。即与概念的内涵和本质相关联的空间线索已经被可视化表征，且空间光路响应可交互动作实现动態实时的改变。

我们在凸透镜左侧的主光轴上设置了七个物体移动的关键节点，其位置分别是f/3、2f/3、f、4f/3、5f/3、2f、7f/3，当物体位于这些典型的不同位置（即物距不同）时，凸透镜成像的大小、虚实、正立倒立以及同侧异侧等全部变化情况已经被全部涵盖。在关键节点的位置设置了频闪发光的虚光版对交互进行目标位置导航。当学生通过手柄移动物体（即改变物距）至关键节点附近时，物体被自动吸附至关键节点，而在移动物体的过程中，则可实时观察到光路在空间位置的连续改变;当移动光屏（即改变像距）时，光屏被自动吸附至成像清晰位置，移动过程中可实时观察到成像模糊、清晰和大、小连续变化的过程。

2. IVR交互设备

体验设备：采用Oculus Quest作为学生体验VR情境和学习手柄操作的设备;测试设备：采用Oculus Rift作为测试设备。两种设备在操作方法和体验效果上相同。无论是在体验还是测试环节，均设置了一定范围的操作空间，同时，分别配备辅助人员在旁协助，确保戴上头盔后视觉被完全隔离于现实世界的学生可顺畅、安全地完成虚拟实验的交互操作。

3. 问卷工具的编制

心流体验问卷采用皮尔斯（Pearce J）等人开发的心流体验量表，用来检测学习者持续性地使用Optical IVRLab时全身心投入其中的状态，分为控制感、沉浸感、愉悦感、专注度等维度。问卷共计8道题，采用Likert 5级记分（“5”代表非常同意，“1”代表非常不同意）[33]。前、后测问卷基于《义务教育初中科学课程标准（2011年版）》和科学教材内容，在明确初中学生掌握凸透镜成像要求的命题陈述的基础上，采用Treagtist 提出的二段式诊断测验步骤设计，以此检测学生对凸透镜成像的理解。前、后测问卷设计完成后，经由高校学科教学论专家和中学一线教师的审核并讨论修正，使命题陈述具有较好的专家效度，见表2。

首先，依据命题陈述，并预估学生可能存在的典型的前概念类型，设计二段式问卷的理由选项;然后根据每题的题目内容与概念主题、命题陈述的关联度，建立双向细目表（见表3），使其具有内容效度;最后基于双向细目表，生成A、B两组前、后测试题。

进一步以安德森教学目标分类的认知过程维度，将试题分成三种不同的认知过程，即记忆（识别、回忆）、理解（解释、举例、分类、总结、推断、比较、说明）和应用（执行、实施）。如第三题旨在让学生记住凸透镜成像的规律，属于“记忆”;第八题，旨在使学生通过已有的信息（如凸透镜成像的物距、像距），推断如何移动物体、透镜和光屏的位置使成像清晰，属于“理解”;第五题是学生根据凸透镜成像的性质，解决“在半块透镜”这一不熟悉情境中的成像问题，属于“应用”。

（四）问卷的信度与试题赋分

基于双向细目表，该研究的前测、后测问卷均包括9道二段式试题（试题的第一段要求选择正确答案，第二段要求解释原因）。试题编制完成后，先由几位学生进行试测，在此基础上完善表述方式，使试题可理解。学生前、后测的答题结果按以下原则赋分：试题的第一段答案选择正确赋“1”分，错误则赋“0”分。对试题的第二段而言，在第一段选择正确的前提下，第二段选择正确赋“1”分，选择错误则赋“0”分;若第一段答案选择错误，无论第二段是否正确均给“0”分，因为错误的答案不可能有正确的解释。

试题信度检验同时采用了α系数和折半系数分析，这是考虑到二段式诊断中“两段”的一致性，可通过两段得分的相关系数确认整个量表的信度。采用SPSS进行信度分析，Cronbach's α系数分别为0.676和0.713，前、后测的Spearman-Brown系数分别为0.917和0.885，这说明前、后测问卷具有较好的信度。

（五）教学干预：凸透镜成像的学习过程

研究中的实验环节是基于初中教材《科学》（七下）第二章第六节“光学凸透镜成像”的内容，通过构建的IVR环境，实验组学生在含可视化空间信息的Optical IVRLab中学习，如图1所示。

对照组的学生则在无可视化空间信息的Optical IVRLab中学习，如图2所示。

实验过程主要包括两个环节：一是沉浸式体验和熟悉手柄操控，二是学生在Optical IVRLab中完成凸透镜成像学习。

第一个环节采用的是Oculus Quest无线头盔显示器，主要让学生学习设备的穿戴方法及按键功能，以及通过设备自带的First Steps程序学会手柄的操作方法（后续实验中将用手柄抓取并移动物体和光屏）。同时，向学生介绍第二个环节的实验流程、任务以及交互操作的注意事项。

第二个环节是基于IVR场景的凸透镜成像探究活动。被试穿戴好设备，用Oculus Rift及操控手柄移动光屏，使成像清晰，进而观察物距一定时（实验中设置了五种物距的情况）所成的像距、像的虚实、正倒立等情况。

实验组在包含空间光路的Optical IVRLab中开展实验测试。空间光路的呈现原则是：通过光心的光线方向不变，平行于主光轴的光线通过另一侧焦点射出，通过物同侧焦点的光线变成平行光射出。实验过程中，以光路呈现引导学生探究物体在不同物距情况下所成像的特征，认识在五种物距条件下的成像情况及其特点。对照组的实验活动与实验组基本相同，不同点在于对照组无可视化的空间线索呈现。图3为学生在包含可视化空间线索的沉浸式虚拟实验环境中测试的场景。

四、数据分析与讨论

研究数据主要来源于48名学生学习凸透镜成像的前测、后测、心流体验和实验活动过程的记录报告等。其中实验组24名，对照组24名，所有的有效数据使用SPSS21.0软件包进行统计分析，包括所有学生前、后测的配对t检验，实验组与对照组在前、后测的独立样本t检验等。

（一）心流体验

为了了解在IVR中可视化空间线索对心流体验的影响，对收集的心流体验问卷进行独立样本t检验，结果发现，实验组的心流体验均值（M=4.48，SD=0.32）高于对照组的均值（M=4.22，SD=0.43），二者差异显著（t=2.34，p=0.023<0.05，d=0.69）。由此说明，在IVR中，可视化的空间线索可以提升学生的心流体验。

出现这种结果的原因可能在于：（1）实验组处于沉浸式虚拟环境中，并提供了表示典型光线路径的可视化空间线索。光线传输路径本身是不可见的，IVR在模拟现实环境的凸透镜成像实验的基础上，将A、B两点发出的光，分别用通过凸透镜上边缘、下边缘及轴心的典型光线以可视化方式显示，其余所有的光线均可根据这三根光线来推导。这使得学习的意向性[34]指向更为明晰，当学习者与有效的可视化空间线索的交互程度越高，越有利于学习者理解成像原理，从而真正投入到学习过程中，空间线索为凸透镜成像这个程序性的科学概念的形成提供了可视化的前概念。（2）人类的视觉构造原本就是匹配三维世界的，相比于紙质图示中的二维光路图，IVR提供了第三维度的、立体性的视野，这对学习者而言是一种新的视角，其体验是非常新奇和令人愉悦的。Milk也指出，增加沉浸感导致学习的期望可能与VR特别相关，因为用户体验到的存在感可以产生非常强大的情感影响[35]。相比于实验组，对照组的实验过程尽管也处于相同的具有坚实的几何和视觉表示基础的IVR环境中，但由于没有可视化的空间光路，学生无法观察到成像所依赖的光路在空间的交点。由于缺乏空间索引机制，学生仍然无法从沉浸式VR场景中获取额外的关联线索，影响了心流体验。

（二）IVR对学习绩效的影响

为了了解学生经由Optical IVRLab的学习后，有关凸透镜成像的知识发生了什么样的变化，对所有学生的前后测成绩进行了配对样本t检验，也即分析每一位学生前后测成绩的变化情况，结果见表4。

表4的数据分析结果表明，在理解维度上，对照组和实验组均表现出了显著差异，这表明无论有无可视化空间线索，IVR对于凸透镜成像规律的理解均起到了作用。但包含空间线索的实验组成绩提升幅度更加明显，这与Salter等的研究结果相一致。Salter等认为，可提供探索交互的线索越多，越有利于更真实的体验并促进生成，使学习者积极参与认知过程以构建对材料与经验的连贯的心理表征，更好地支持问题的解决[36]。此外，也与具身认知理论的有关观点相一致，即对科学概念的理解需要具身[37]，具身的隐喻与模拟在学生将日常概念转变到科学概念的过程中发挥着关键的中介作用[38]。

同时发现，在理解和应用维度上，提供可视化空间线索的实验组的后测增量，高于不含可视化空间线索的对照组。表明包含可视化空间线索的IVR能够更大地提升学习者对科学概念的理解水平。对有关知识迁移的高阶能力也起到了一定的作用。这与卢瑞、贾奋励等提出的“符合人类图式原则的标识具有最高的识别度”[39]的观点相一致，这表明可视化的空间线索能赋予学习者前概念知识的优势，有利于向抽象知识的转化。

（三）空间线索对深层认知的影响

实验组的后测平均成绩（M=7.0，SD=0.72），对照组的后测平均成绩（M=6.21，SD=1.32），对两组的后测成绩进行独立样本t检验，发现两者之间的差异显著（t=2.58，p=0.13<0.05，d=0.6）。表现为理解和应用维度上均差异显著，见表5。

从表5的数据分析看，实验组在理解维度和应用维度上的成绩，高于对照组相应维度的成绩，p值都小于0.05，差异显著。从程序性知识的角度来看，可视化的空间线索更有利于激活学习者的前概念，更有效地促进学习者对复杂概念的理解。因为可视化的空间线索更有利于学习者与虚拟场景中的对象进行有效的交互，对现象进行细致观察，所有这些非常直观的可视化的空间线索为具象信息的抽象化提供了支架。这表明在抽象概念的学习中，IVR提供的可直接与场景中的对象、参数和变量交互的技术支持，可帮助学生理解抽象的科学现象，有助于用更精确的交互操作和现象观察取代由于感知上的局限性所造成的曲解。由此可见，可视化空间线索对促进凸透镜成像规律的学习，特别是对于凸透镜成像规律的深层次理解及应用迁移具有积极的作用。

五、结论与展望

在当前的“科学”课程的教学中，传统的以概念和规律为代表的陈述性知识的教与学，存在着难以转化为以应用为代表的程序性知识的问题。本实验的研究结果表明，基于IVR的空间线索可视化的虚拟实验系统对科学概念的迁移有一定的赋能作用。在科学概念的学习中将不可见量以不同形式的视觉表征，可以克服人类视觉感知的这一缺失。位于模拟真实对象上的可视化的空间线索，为学生对科学概念的理解提供了内在脉络，学生可以自由地操控相关变量，并立即将结果与理论预测进行比较，我们相信这将加强理论和实验之间的内在关联，促进陈述性知识向程序性知识的转化。我们的研究结果进一步表明，在Optical IVRLab交互过程中实时呈现连续变化的可视化空间线索，更加有利于学生理解相关物理变量与成像规律的内在关联。

“凸透镜成像”规律学习评估的积极结果，以及中学一线教师对Optical IVRLab应用的正面肯定，坚定了我们对IVR可视化空间线索赋能科学概念和规律学习的信念，以及在中学现实课堂推广应用Optical IVRLab的信心，同时，也鼓励我们继续开发科学课程学习中的其他IVR应用。Optical IVRLab的基本思路是对物理实验课上广泛使用的现有标准实验进行扩充，这一解决方案也可以迁移应用到其他科学概念的学习中。面向空间的、更复杂的科学概念的学习与迁移是否从空间线索可视化增强中获益，解答这一问题，还需对参与者的情感和认知变量，尤其是认知负荷进行进一步的评估和分析;与不同可视化表征对象的实时交互对学生在概念理解和表征方面的影响，也需要进一步的实证检验。

[参考文献]

[1] 任友群.走进新时代的中国教育信息化——《教育信息化 2.0 行动计划》解读之一[J].电化教育研究，2018，39（6）：27-28，60.

[2] 郭绍青，贺相春，张进良，李玉斌.关键技术驱动的信息技术交叉融合——网络学习空间内涵与学校教育发展研究之一[J].电化教育研究，2017，38（5）：28-35.

[3] 吴旻瑜， 武晓菲. 教育信息化2.0的时代逻辑——《教育信息化2.0行动计划》解读之一[J].远程教育杂志，2018（4）：4-10.

[4] STRZYS M P， KAPP S， THEES M， et al. Physics holo.lab learning experience： using smartglasses for augmented reality labwork to foster the concepts of heat conduction[J]. European journal of physics， 2018， 39（3）：1-14.

[5] 柳瑞雪，任友群.沉浸式虛拟环境中的心流体验与移情效果研究[J].电化教育研究，2019（4）：99-105.

[6] HEW K F， CHEUNG W S. Use of three-dimensional （3-D） immersive virtual worlds in K-12 and higher education settings： a review of the research[J]. British journal of educational technology， 2010， 41（1）：33-55.

[7] 何聚厚，梁瑞娜，肖鑫，梁玉帥，韩广欣.基于沉浸式虚拟现实系统的学习评价指标体系设计[J].电化教育研究，2018，39（3）：75-81.

[8] DEDE C， GROTZER T A ， KAMARAINEN A ， et al. EcoXPT： designing for deeper learning through experimentation in an immersive virtual ecosystem[J]. Educational technology & society， 2017， 20（4）：166-178.

[9] HONEY M A， HILTON M L. Learning science through computer games and simulations[M]. Washington， DC： National Academies Press， 2011.

[10] LEE U J， SBEGLIA G C， HA M， et al. Clicker score trajectories and concept inventory scores as predictors for early warning systems for large stem classes.[J]. Journal of science education and technology， 2015， 24（6）：848-860.

[11] SADLER P M， TAI R H. Advanced placement exam scores as a predictor of performance in introductory college biology， chemistry and physics courses[J]. Science educator， 2007（16）： 1-19.

[12] VAN R S A N， HANNIE G， ANJO A， et al. The influence of prior knowledge on experiment design guidance in a science inquiry context[J]. International journal of science education， 2018， 40（11）： 1327-1344.

[13] KUNCEL N R， HEZLETT S A， ONES D S. A comprehensive meta-analysis of the predictive validity of the graduate record examinations： implications for graduate student selection and performance[J]. Psychological bulletin， 2001， 127（1）： 162-181.

[14] BLOOM B S. Human characteristics and school learning[M]. New York： McGraw-Hill， 1976.

[15] HAILIKARI T， NEVGI A， LINDBLOM-YL NNE S. Exploring alternative ways of assessing prior knowledge， its components and their relationship to achievement： a mathematics based case study[J]. Studies in educational evaluation， 2007， 33（3-4）： 320-337.

[16] KRATHWOHL D R. A revision of rloom's taxonomy： an overview[J]. Theory into practice， 2002， 41（4）：212-218.

[17] THOMPSON R A， ZAMBOANGA B L. Prior knowledge and its relevance to student achievement in introduction to psychology[J]. Teaching of psychology， 2003， 30（2）： 96-101.

[18] LOEHR J F， ALMARODE J T， TAI R H， et al. High school and college biology： a multi-level model of the effects of high school courses on introductory course performance[J]. Journal of biological education， 2012， 46（3）： 165-172.

[19] DOCHY F. Assessment of prior knowledge as a determinant for future learning[M]. Utrecht： Uitgeverij Lemma B.V.， 1992.

[20] BIGGS J B. Enhancing teaching through constructive alignment[J]. Higher education， 1996， 32（3）： 347-364.

[21] ANDERSON J R. Acquisition of cognitive skill[J]. Psychological review， 1982， 89（4）： 369-406.

[22] BIRENBAUM M， DOCHY F. （Eds.） Alternatives in assessment of achievements， learning processes and prior knowledge[M]. Boston： Springer Science & Business Media， 2012.

[23] MAYER R E. Rote versus meaningful learning[J]. Theory into practice， 2002， 41（4）： 226-232.

[24] LIU O L， RYOO K， LINN M C， et al. Measuring knowledge integration learning of energy topics： a two-year longitudinal study[J]. International journal of science education， 2015， 37： 1044-1066.

[25] ALAVI M， LEIDNER D E. Review： Knowledge management and knowledge management systems： conceptual foundations and research issues[J]. Organizational learning and knowledge management， 2008（1）： 182-211.

[26] NICKOLS. The knowledge management yearbook 2000-2001[M]. Abingdon，Palo Alto：Taylor & Francis Group， ebrary， Incorporated， 2012.

[27] ZACH D， LEO P， GEORGE G. Belle2VR： A virtual-reality visualization of subatomic particle physics in the Belle II experiment[J]. IEEE computer graphics and applications， 2018， 38（3）：33-43.

[28] MAKRANSKY G， LILLEHOLT L， AABY A. Development and validation of the multimodal presence scale for virtual reality environments： a confirmatory factor analysis and item response theory approach[J]. Computers in human behavior， 2017， 72（7）： 276-285.

[29] PASSIG D， TZURIEL D， ESHEL-KEDMI G. Improving children's cognitive modifiability by dynamic assessment in 3D Immersive Virtual Reality environments[J]. Computers & education， 2016， 95（4）： 296-308.

[30] WEBSTER R. Declarative knowledge acquisition in immersive virtual learning environments[J]. Interactive learning environments， 2016， 24（6）： 1319-1333.

[31] MAKRANSKY G， TERKILDSEN T S， MAYER R E. Adding immersive virtual reality to a science lab simulation causes more presence but less learning[J]. Learning and instruction， 2019， 60（4）： 225-236.

[32] SALZMAN M C， DEDE C， LOFTIN R B， et al. A model for understanding how virtual reality aids complex conceptual learning[J]. Presence： teleoperators and virtual environments， 1999， 8（3）：293-316.

[33] PEARCE J， AINLEY M， HOWARD S. The ebb and flow of online learning[J]. Computers in human behavior， 2005， 21（5）：745-771.

[34] RUDRAUF D， BENNEQUIN D， GRANIC I， et al. A mathematical model of embodied consciousness[J]. Journal of theoretical biology， 2017， 428（5）： 106-131.

[35] MILK C. How virtual reality can create the ultimate empathy machine[EB/OL]. （2015-03-10） [2019-07-30]. https：//www.ted.com/talks/chris_milk_how_virtual_reality_can_create_the_ultimate_empathy_machine？language=en.

[36] SLATER M， WILBUR S. A framework for immersive virtual environments （FIVE）： speculations on the role of presence in virtual environments[J]. Teleoperators and virtual environments， 1997（6）： 603-616.

[37] NIEBERT K， MARSCH S， TREAGUST D F. Understanding needs embodiment： a theory-guided reanalysis of the role of metaphors and analogies in understanding science[J]. Science education， 2012（5）： 849-877.

[38] 黃红涛，孟红娟，左明章，郑旭东.混合现实环境中具身交互如何促进科学概念理解[J].现代远程教育研究，2018（6）：28-36.

[39] 卢瑞，贾奋励，田江鹏，宋国民.意象图式在地图符号结构生成中的应用研究[J].地球信息科学学报，2016（6）：758-766.