Arigatō：增强现实学习环境中自适应引导对参与度与表现的影响

体验式学习（ExL）是通过经验学习的过程，或更具体地说“通过对所做的反思而学习”。本文提出在增强现实（AR）中模拟此类经验，以解决语言学习问题。这类系统为在真实环境中以数字形式提供“自适应引导”提供了优良设置。自适应引导允许根据个体学习者定制指导与学习内容，从而创造独特的学习体验。我们开发了一个用于语言学习的自适应引导AR系统，称之为Arigatō（Augmented Reality Instructional Guidance & Tailored Omniverse），其提供即时辅助、针对学习者需求的资源、对这些资源的操控以及相关反馈。在引导方面，我们利用该原型研究引导量（固定量 vs. 自适应量）与引导类型（固定关联 vs. 自适应关联）对AR环境中语言学习的参与度及随之而来的学习成果的影响。关于引导量的结果表明，与自适应量相比，固定量引导组在即时与延迟（7天后）回忆测试中得分更高。然而，该组也付出了显著更高的心理努力来完成任务。关于引导类型的结果表明，自适应关联组在即时、延迟（7天后）回忆测试与学习效率上均优于固定关联组。自适应关联组还表现出显著更低的心理努力，并花费更少时间完成任务。