XiaoMi-AI文件搜索系统
World File Search System触觉提示
先天性心脏病儿童营养不良的危险因素：荟萃分析
L2获取词汇音调涵盖感知和产生。尽管感知通常是在L2词汇音调获取中的产生之前（Wang等，1999），但它们之间的关系并不总是很简单，而感知的改善并不一定需要改善生产的改善，而Vicevice则（Leather）（Leather，2011年）。l2词汇音调获取不仅涉及听觉线索，还涉及视觉和触觉提示，例如手势（Gullberg，2006）。这些多模式线索在促进L2词汇感知和生产方面的重要性越来越多（McCafferty，2004; Hostetter，2011; Lewis and Kirkhart，2022; Zhang et al。，2023）。多感官学习整合了多种感官方式，它比对多感官环境的大脑优化了一致性方法，这表明可以通过结合这种方法来增强L2词汇音调教学法（Shams和Seitz，2008）。马其顿和开普勒（2013）认为，通过神经科学发现所告知的教学方法在L2教学中的使用可以通过三个较长的方法显着增强学习：（1）使用多感官体验来实现词汇习惯，（2）将词汇的练习和效率培训的量化和（2）用于发起胶水的范围和（2）范围内的脑海，并（2）（2）（2）（2）（2）（2）（2）（2）（2）（2）（2）（2）（2）（2）（2）（2）（2）（2）（3）（3）（3）发音结果。此外，多感官提示通过支持内容理解来增强学习成果（Dick等，2009）。了解非语言提示如何增强听觉表示形式可以阐明如何利用多模式方法来促进获得不熟悉的Tonal L2（Yip，2002; Liu等，2022）。
训练迁移——使用增强多感官提示的虚拟现实训练可改善训练期间的用户体验和现实世界中的任务执行情况
虚拟现实 (VR) 可以创建安全、经济高效且引人入胜的学习环境。人们通常认为，模拟逼真度的提高会带来更好的学习成果。真实环境的某些方面（例如前庭或触觉提示）很难在 VR 中重现，但 VR 提供了大量机会，可以以任意方式提供额外的感官提示，从而提供与任务相关的信息。本研究的目的是调查这些提示是否能改善用户体验和学习成果，具体来说，就是使用增强感官提示进行学习是否会转化为真实环境中的表现改善。参与者被随机分配到三个匹配的组中：第 1 组（对照组）仅被要求执行真实的轮胎更换。剩下的两组在 VR 中接受训练，然后在相同的真实轮胎更换任务上评估表现。第 2 组使用传统 VR 系统进行训练，而第 3 组使用增强的、任务相关的多感官提示在 VR 中接受训练。记录了客观表现、完成时间和错误数、主观存在感评分、感知工作量和不适感。结果表明，两种 VR 训练模式都提高了真实任务的表现。在 VR 训练期间提供额外的、与任务相关的提示可提高真实任务中的客观表现。我们提出了一种新方法来量化训练模式之间的相对性能增益
机器人声音和出现对用户的影响...
THE EFFECTS OF ROBOT VOICES AND APPEARANCES ON USERS' EMOTION RECOGNITION 1 AND SUBJECTIVE PERCEPTION 2 3 SANGJIN KO 1 , JACLYN BARNES 2 , JIAYUAN DONG 1 , CHUNGHYUK PARK 3 , AYANNA HOWARD 4 AND MYOUNGHOON 4 JEON 12* 5 6 1 Grado Department of Industrial and Systems Engineering, Virginia Polytechnic Institute and State University, Blacksburg, VA, USA 7 2 Department of Computer科学，密歇根州技术大学，美国密歇根州霍顿8 3美国乔治华盛顿大学乔治华盛顿大学生物医学工程系9 4美国俄亥俄州立大学电气和计算机工程系，俄亥俄州哥伦布，俄亥俄州，美国俄亥俄州，美国俄亥俄州10 11 *通讯作者：Myounghoon Jeon Tel。： +1-540-231-3510，电子邮件：myounghoonjeon@vt.edu 12 13作为社会机器人在人们日常生活中的影响，对人们了解人们对机器人的看法，包括社交性，14信任，接受，接受和偏好的研究变得更加普遍。研究已经考虑了表达机器人情绪的视觉，声音或触觉提示，而15的研究几乎没有研究在研究影响情绪感知的不同因素之间的相互作用时提供了整体观点。我们通过改变机器人的语音类型，外观和17个情感，调查了在对话任务中用户对机器人的多个方面。在我们的实验中，二十名参与者与两个具有四种不同语音类型的机器人进行了互动。当参与者向机器人阅读18个童话故事时，机器人发表了7种情感的声音反馈，参与者通过19次调查评估了机器人的个人资料。纯语音条件的后续研究（n = 10）证实了实施方案的重要性。结果表明，1）情感感知的准确性因情绪的不同而有所不同，2）常规的人类声音20显示了更高的用户偏好和自然性，3）但是，特征性的声音更适合表达情绪的表达情绪高度明显高21，而4）参与者表现出比与人类动物robot相比，参与者表现出更高的情感识别的精度。这项研究的结果23可以提供设计社交机器人所需的准则，这些机器人在机器人24和用户之间的对话中考虑情感方面。25 26关键字：社交机器人；会话代理；情感声音；用户感知；用户偏好27 28