本文旨在将原始模拟版兵棋 “危机存在”(A CRISIS Exists)转化为数字平台,以评估体验式学习效果。本研究通过评估参与者在整个兵棋推演过程中在目标场景下所做决策的变化,以及调查他们对兵棋推演程序相关方面的感受,对两个主要领域进行研究。通过在这一领域开展研究,研究人员可以回答两个问题。首先,对基于后勤的数字兵棋的入门接触能否提高玩家做出以持续为导向的原则性决策的倾向?其次,用户青睐数字模拟兵棋中的哪些因素和设计组件来促进体验式学习?研究人员假设,玩家做出以可持续发展为导向的原则性决策的倾向会有明显的显著提高。研究结果表明,参与者的平均原则性决策得分有了明显提高,但这种提高缺乏统计意义,因此无法证实。研究结果表明,参与者最青睐软件的可视化图形功能。平均结果表明,可视化图形有助于参与者理解现有系统,因此受到青睐。研究认为,多次反复接触兵棋推演可以产生更显著的结果。

成为VIP会员查看完整内容
27

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。
《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
【2022新书】深度学习归一化技术,117页pdf
专知
26+阅读 · 2022年11月25日
【干货书】计算机科学离散数学,627页pdf
专知
63+阅读 · 2020年8月31日
国家自然科学基金
8+阅读 · 2017年12月31日
国家自然科学基金
27+阅读 · 2015年12月31日
国家自然科学基金
0+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
21+阅读 · 2015年12月31日
国家自然科学基金
42+阅读 · 2015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
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
47+阅读 · 2009年12月31日
Arxiv
165+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
439+阅读 · 2023年3月31日
Arxiv
75+阅读 · 2023年3月26日
Arxiv
23+阅读 · 2023年3月17日
VIP会员
相关VIP内容
《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
相关基金
国家自然科学基金
8+阅读 · 2017年12月31日
国家自然科学基金
27+阅读 · 2015年12月31日
国家自然科学基金
0+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
21+阅读 · 2015年12月31日
国家自然科学基金
42+阅读 · 2015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
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
47+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员