VR运动可能改善基于模式的学习

身体运动可能不只是记录一个决定：它还可能帮助塑造学习本身。佛罗里达大西洋大学和布朗大学的研究人员报告称，在虚拟现实中做出更大动作的参与者，比用简单按键作答的人更好地学会了某些视觉类别。

这项发表在Science Advances上的研究聚焦于类别学习——即判断一个新物体或图案属于哪个群组的过程。这是一项支撑日常判断的基本技能，从识别道路是否看起来湿滑，到评估医学图像，或判断水果是否成熟，都离不开它。传统观点通常将运动视为判断的最终输出，而不是会改变学习的因素。

在虚拟现实中测试运动

为检验这一假设，研究人员设计了一项沉浸式VR实验，让参与者学习对视觉图案进行分类。一些参与者通过按键做出小幅反应，另一些则使用更大的手臂动作，包括击打一只虚拟反应箱，或挥动虚拟光剑击中目标。

这项比较旨在将信息任务——学习对图案进行分类——与用于作答的动作大小和形式区分开来。结果并不是笼统地表明，更多运动能改善所有类型的学习。相反，这种优势取决于参与者试图掌握的类别类型。

研究人员表示，更大的动作有利于基于模式的学习。这一区分很重要，因为类别学习并不是单一过程。有些分类可以通过简单规则完成，而另一些则要求人们发现不同特征之间更广泛的关系。新发现表明，身体的作用可能与后一类学习尤其相关。

对“仅靠心智”模型的挑战

这项研究挑战了长期以来将分类主要视为认知过程的倾向。在许多实验室任务中，一个人看到一个项目，做出内部判断，然后按下按键。这一连串过程可能让人觉得反应只是附带行为。但在实验室之外，人类学习往往发生在伸手、转身、指向、操控物体和穿行于实体空间的过程中。

Florida Atlantic和Brown团队认为，这些动作不应自动被视为传递答案的被动机制。他们的结果表明，反应动作可以主动影响人们学到的内容，至少对某些视觉模式类别而言如此。

这并不意味着虚拟光剑是普适的教育工具，也不意味着更大的手势在所有环境中都必然带来更好的记忆保持。研究所描述的证据范围更窄：在受控的VR实验中，更大的动作改善了特定学习要求下的表现。所学习的类别类型，仍然是运动优势是否出现的关键。

这一发现为何可能重要

这项研究为沉浸式训练系统提出了一个设计问题。如果运动能够支持基于模式的学习，那么面向职业培训或教育的VR体验可能需要考虑的不只是视觉逼真度和反馈。学习者需要做出的身体反应，也可能成为教学设计的一部分。

可能相关的任务包括需要人们学会区分复杂视觉模式的情境。文章列举的例子包括识别湿滑道路、在医学扫描图像中发现可能危险的病变，或判断水果是否成熟。这项研究并未证明VR运动会改善这些现实应用中的表现，但它提供了一个理由，促使人们测试动作如何与模式识别练习相结合。

这项工作也促成了对认知更广泛的理解，即感知、行动和学习彼此紧密相连。与其把身体视为执行已经完成的心理决定的装置，这一观点不妨追问：行动是否会在决策系统形成的过程中改变它。

仍有待测试的问题

未来研究需要确定这种效应能够持续多久、哪些动作最有用，以及从虚拟环境中获得的收益是否能迁移到现实任务中。同时，还需要确定在什么情况下更大的动作会变得不切实际、造成干扰，或让学习者难以完成。

目前，这项研究的核心启示比对主动学习的一般性肯定更加精确。在这项实验中，参与者如何作答改变了他们学习某类类别的效果。这一结果为VR学习工具的设计者提供了一个需要考虑的新变量：不仅是学习者看到了什么、做出了什么判断，也包括他们在判断过程中实际做了什么。

本文根据Phys.org的报道编写。阅读原文。