扩展现实(XR)教育应用通常与实体教学中难以实现的动机激发、参与度提升及知识经验获取相关联。此类知识在军事教育中的典型案例即武装冲突中基于威胁导向的平民保护策略。挪威国防大学学院(NDUC)采用该策略培训军官,其挑战传统军事实践,提出军队保护平民免受暴力侵害之可为与不可为的新思维方式。当代军队依照国际人道法被赋予更广泛职责,需保护平民免受战争中有意针对他们的施暴者侵害。这种任务拓展对多数军官构成"疑难知识",要求深入理解施暴者针对平民的动机机制与策略。为攻克此教学难题,我们开发融合沉浸体验与教学法的XR教育项目——结合360度全景视频与数字具身化技术、虚拟人类对话系统及协同式VR场景,推动沉浸式同侪学习。初步成效显著:学员对威胁导向概念接受度高,有效激发批判性讨论,且对XR辅助学习反馈积极。

本文阐述挪威国防大学学院(NDUC)在高等军事教育中运用扩展现实(XR)技术教授复杂概念的实践。该学院开设本科与硕士课程,涵盖防务安全政策、军事领导力、战史及军事行动研究。尽管军事教育与普通教育遵循相同教学标准,仍存在显著差异:军事教育日益呈现多学科融合特征,涉及武器操作、战术推演、编制管理、领导力培养、谈判技巧及文化认知等领域。核心挑战在于将战场实战经验转化至课堂教学。军事教育者如同普通教育领域,运用教学方法论与现代技术(如扩展现实(XR))提升教学成效,但部分复杂概念(如武装冲突中基于威胁导向的平民保护策略)的教学解释仍具挑战。

该概念旨在协助军事策划者认知武力保护平民免受暴力侵害的作用边界与应用逻辑[6,7]。然而鲜有政策条令明确指导军事人员如何应对不同类型平民威胁。威胁导向方法通过具象化威胁场景与工具,助力军事学员理解并探讨武力在不同情境下的功能边界。其模型涵盖近30年平民遭遇的典型暴力场景。

该方法基石在于基于历史战争实证研究系统化理解施暴者行为逻辑。唯有军事策划者透彻掌握施暴者针对平民的动因、手段及效果,方能设计及时精准的军事保护方案[32]。该概念从五维度分析平民威胁:施暴主体类型、行为动机、策略战术、相关军事能力、预期人道后果。据此五维指标,通过八类基础场景划分平民威胁类型——每类场景描述本质迥异的威胁态势,要求差异化军事响应。

此概念不仅是提升军事人员情境认知能力的思维工具,更重新定义武装力量超越国际人道法传统框架的"保护者"角色。当学习内容与学员既有认知冲突时,即形成"疑难知识"。其教学挑战源于多重因素:

  • 平民保护被视为武装力量"过于柔性"的职能,常被视作人道组织职责范畴

  • 其颠覆军事力量职能的传统认知,构成学员知识、职业及文化维度的"认知阈值"

  • 保护对象差异(陌生平民vs本国同胞)引发教学张力

  • 威胁导向方法的多维复杂性形成新知识层面的理解壁垒

这些挑战促使NDUC启动专项研究,开发针对性教学工具。基于教育学、技术理论与学习科学的三维整合,项目确立三大核心要素:

沉浸式扩展现实技术(XR) 作为虚拟/增强/混合现实(VR/AR/MR)的总称,可生成多模态数字体验。XR在教培领域的独特赋能优势[19,36]使其成为构建现实难重现的计算机模拟场景的理想载体。XR教育项目能刺激感官反射并镜像行为模式,从而强化多视角共情理解,使学员决策前充分考量多元因素——这对理解威胁导向方法至关重要。

阈值概念 指学科核心的突破性认知节点,要求学习者重建知识框架[11]。其涉及学习轨迹中需突破的认知障碍、世界观重构(本体论转变)及既有概念体系解构[11]。该教学框架精准契合平民保护新方法中与传统军事认知冲突的"疑难知识",可深化知识逻辑理解并转变职业实践态度。当学员成功内化疑难知识,即实现认知跃迁。这种蜕变过程伴随专业身份与个人认同的重构[17,28,56]。

共情培养 作为第三支柱要求理解受害者、施暴者及保护者三重立场。共情不仅关注情绪识别,更需洞悉情感动因(如经历、文化背景、伦理观念)[48]。本项目采用具身化设计[40]促进视角切换与角色转换。

本文核心研究命题为:XR技术如何辅助军事参谋人员掌握武力保护平民的新型疑难知识?为解答该问题,本研究通过准实验设计检验融合阈值理论与共情机制的XR教学方案。NDUC联合挪威科技大学(NTNU)及产业伙伴Fynd Reality与Try公司,共同开发整合前沿技术的VR/XR教育系统——融合360度全景视频与数字具身化、虚拟施暴者对话系统及协同式VR场景,推动沉浸式同侪学习。创新性XR方案有效协助军事学员理解武装冲突中武力保护平民的核心要素。

全文结构如下:后续章节呈现相关研究、教学化XR应用设计方案,以及2022年5-6月原型系统评估结果。

成为VIP会员查看完整内容
1

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《合作多智能体强化学习:简介》最新65页
专知会员服务
36+阅读 · 1月13日
《基于强化学习多模型的兵棋推演人工智能》最新77页
专知会员服务
42+阅读 · 2024年10月16日
《战役-战略决策:一个颠覆性框架》最新报告
专知会员服务
112+阅读 · 2023年7月11日
《人工智能与作战艺术》美国陆军57页技术报告
专知会员服务
241+阅读 · 2022年9月11日
国家自然科学基金
14+阅读 · 2017年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
28+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
47+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
12+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
A Survey of Large Language Models
Arxiv
467+阅读 · 2023年3月31日
Arxiv
18+阅读 · 2021年3月16日
Arxiv
10+阅读 · 2020年11月26日
Arxiv
26+阅读 · 2020年2月21日
VIP会员
相关资讯
相关基金
国家自然科学基金
14+阅读 · 2017年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
28+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
47+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
12+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员