Dancing on the inside: A qualitative study on online dance learning with teacher-AI cooperation

在线舞蹈学习中的互动实践：一项关于教师与人工智能协作的质性研究

Jiwon Kang, Chaewon Kang, Jeewoo Yoon, Houggeun Ji, Taihu Li, Hyunmi Moon, Minsam Ko, Jinyoung Han

Education and Information Technologies · 2023-03-04

开放获取戏剧与影视被引 59被引前 10%影响因子 ≈13.2

本研究采用质性研究方法，探讨了在线舞蹈学习场景下教师与人工智能协同教学的模式与效果。研究结果显示，人工智能技术能够有效辅助教师完成动作纠正、进度跟踪等任务，而教师的引导与情感支持则对学习者的学习动机与参与度起着关键作用。该研究为智能时代舞蹈教育的创新发展提供了重要的实证依据。

本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。

基于全文生成

主要观点: 针对在线舞蹈学习中师生互动不足和反馈滞后的问题，本文提出了基于“教师-AI协作”的在线舞蹈学习系统DancingInside。该系统通过AI导师提供基于2D姿态估计的及时、量化的显性反馈，同时由人类教师补充整体评价和鼓励性的社会性反馈。两者互补的反馈机制能够有效促进学习者的反思与动作修正，从而提升在线舞蹈学习体验和技能水平。
研究方法: 研究首先采用参与式设计方法，对4名舞蹈教师进行半结构化访谈以提取系统设计考量。随后，基于反思性实践理论设计了包含练习、反馈、反思和修正环节的DancingInside系统。最后，通过招募11名学生和4名教师开展为期两周的田野研究，并运用定性分析方法评估该系统对舞蹈学习体验的影响。
学术贡献: 本研究揭示了AI导师与人类教师在舞蹈反馈中扮演的互补角色，即AI侧重于可量化的动作准确性，而人类教师弥补了不可量化的非言语表达评估。研究将反思性实践理论引入在线舞蹈学习，通过支架式反思过程促使学习者从被动接收者转变为主动反思者。此外，提出了一种轻量级且易于访问的2D视频姿态估计方案，克服了传统动作捕捉设备昂贵且受限的障碍。
存在局限: 材料中未明确提及
进一步研究方向: 材料中未明确提及

本综述由 AI（GLM-5.1）阅读开放获取全文自动生成，仅供参考，不代表原文作者观点，请以原文为准。