Überblick und Zielsetzung
Eine aktuelle Übersicht analysierte Forschungsarbeiten zu physiologischen Sensorsystemen und KI‑basierter Signalanalyse in immersiven Virtual‑Reality‑Lernumgebungen. Die Untersuchung umfasste im Zeitraum von 2016 bis 2026 veröffentlichte empirische Arbeiten und identifizierte insgesamt 19 relevante Studien.
Häufig genutzte Messmodalitäten
Die Analyse zeigte, dass Eye‑Tracking‑Daten (ETD) mit 13 von 19 Studien (≈68 %) sowie zentrale Nervensystem‑Signale (CNS) mit 11 von 19 Studien (≈58 %) am häufigsten eingesetzt wurden. Die Kombination von CNS + ETD stellte die am häufigsten berichtete Dual‑Modality‑Konfiguration dar. Periphere physiologische Signale (PPS) wurden nur in 3 von 19 Studien (≈16 %) berücksichtigt, wobei die Nutzung von elektrodermaler Aktivität (EDA) besonders selten war.
Technische Integration und Datenmanagement
Die untersuchten Arbeiten beschrieben unterschiedliche Ansätze zur Integration von Head‑Mounted‑Displays (HMD), Kalibrierung und Synchronisation der Sensorsysteme. Auch das Management von Artefakten wurde thematisiert, wobei jedoch keine einheitlichen Standards erkennbar waren.
Datenverarbeitungs‑Pipeline
Alle Studien deckten die wesentlichen Phasen von der Datenerfassung über die Vorverarbeitung bis hin zu Feature‑Engineering und Representation‑Learning ab. Anschließend erfolgte die Fusion der Merkmale und die Modellierung zur Analyse der gesammelten Daten.
Analyseziele der Studien
Die Zielgrößen umfassten kognitive Zustände, affektive Zustände, Leistungsmetriken, individuelle Attribute sowie Antwortmuster der Lernenden. Damit adressierten die Arbeiten ein breites Spektrum an Lern‑ und Verhaltensaspekten.
Methodische Trends und Berichtslücken
Frühzeitige Fusionstechniken und traditionelle Machine‑Learning‑Verfahren wurden häufig eingesetzt. Gleichzeitig wiesen mehrere Studien Lücken in der Dokumentation von Proben‑level‑Verarbeitung, Label‑Konstruktion und Train‑Test‑Grenzen auf, was die Interpretation und Generalisierbarkeit der Ergebnisse einschränkt.
Gesamtbewertung und Ausblick
Insgesamt skizzieren die 19 untersuchten Arbeiten einen ersten technischen Pfad für physiologische Sensorsysteme in immersiven VR‑Lernumgebungen. Dennoch bleibt die Evidenz für reproduzierbare, verifizierbare und einsatzbereite Echtzeit‑Closed‑Loop‑Systeme begrenzt. Weitere Forschung ist erforderlich, um robuste, skalierbare Lösungen zu entwickeln.Dieser Bericht basiert auf Informationen von PLOS ONE, lizenziert unter Creative Commons BY 4.0 (Open Access).
Ende der Uebertragung