OperARtistry：一款基于增强现实的辅助中国传统戏曲妆容学习交互应用
OperARtistry: An AR-based Interactive Application to Assist the Learning of Chinese Traditional Opera (Xiqu) Makeup
Zeyu Xiong, Shihan Fu, Mingming Fan
International Symposium of Chinese CHI (Chinese CHI) · 2023-11-13
开放获取戏曲与曲艺被引 7影响因子 ≈0.6
摘要
中国传统戏曲是一种重要的非物质文化遗产，其显著特征之一便是通过妆容在面部呈现的视觉效果。然而，戏曲妆容流程，尤其是眼部妆容环节较为复杂且耗时较长，这对潜在的年轻传承人而言构成了学习障碍。我们推出的OperARtistry是一款基于增强现实技术的交互式应用，能够为初学者提供实时的戏曲妆容指导。该应用针对戏曲眼部妆容提供了分步骤教程，并在每个阶段融入了增强现实效果。此外，我们开展了初步的用户研究（样本量n=6），将该方法与现有的视频教程进行对比，以评估其有效性与实用性。研究结果表明，OperARtistry能够帮助参与者在更短的学习时间内完成高质量的眼部妆容。
本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。
AI 综述
基于摘要生成- 主要观点
- 论文以中国戏曲（Xiqu）妆容学习为问题域，指出戏曲妆容尤其眼区妆容流程复杂、耗时，对潜在年轻传承者构成学习挑战。其核心论点是：基于增强现实（AR）的 OperARtistry 可为初学者提供原位（in-situ）戏曲妆容指导，通过分步流程并在每一步叠加 AR 效果来降低学习难度。论文将妆容视为戏曲面部视觉特征的关键载体，因而把妆容学习作为传承议题的核心切口。该应用聚焦眼区妆容而非完整妆容，目标用户为初学者与潜在年轻传承者。作者进一步主张，与既有视频教程相比，OperARtistry 能帮助参与者以更少学习时间获得高质量眼区妆容效果，从而验证该 AR 方法的有效性与有用性。
- 研究方法
- 研究路径包括应用设计与初步用户研究两部分：作者构建 OperARtistry，为眼区妆容提供分步指导，并在各阶段嵌入 AR 效果。评估采用对照比较，将 OperARtistry 与现有基于视频的教程进行比对，以考察方法的有效性与有用性。样本为 n=6 的初步用户研究；材料未明确参与者的年龄、性别、戏曲妆容基础、招募方式及分组细节。结果指标涉及眼区妆容质量与学习时间，但材料未明确妆容质量如何评分、学习时间如何记录，也未说明是否进行统计检验。材料未提及访谈、问卷、日志或民族志等质性材料收集方式，故除对照使用与结果描述外，具体测量工具无法确认。
- 学术贡献
- 贡献首先在应用与领域拓展层面：将 AR 原位、分步效果引入戏曲眼区妆容学习，面向初学者与潜在年轻传承者，连接非物质文化遗产传承与交互式学习工具设计。在方法层面，论文提出并实现了一个可交互的 OperARtistry 原型，把 AR 效果嵌入眼区妆容的每一阶段，而非仅提供静态或视频演示。在证据层面，通过 n=6 的初步对照研究，与视频教程比较，报告了更少学习时间与高质量眼区妆容效果，为 AR 辅助戏曲妆容教学提供了初步经验结果。其价值主要指向 Xiqu makeup learning、AR-based learning 工具以及眼区妆容教学这一具体子议题；材料未声称理论建构或大规模因果推断。
- 存在局限
- 样本量仅 n=6，且为 initial user study，结果稳定性、统计效力与向更广泛初学者或年轻传承者群体的外推受限。材料未说明参与者是否全部为初学者、其戏曲妆容经验、年龄分布、招募来源与分组方式，因而无法判断 AR 组与视频组的可比性。研究仅覆盖眼区妆容，未涉及完整戏曲妆容流程或其他脸部位妆容，结论不能直接扩展到整体 Xiqu makeup 学习。对照条件仅为 existing video-based tutorials，未与其他指导形式比较；材料中也未明确是否控制学习顺序、练习时间或教程内容差异。结果变量“high-quality eye-area makeup effects”和“less learning time”缺乏测量细节，如评分标准、评分者、计时方式和统计检验均未在材料中说明。未报告延迟测试或长期 retention，因此无法判断学习效果是否保持；材料未提及 AR 设备或追踪稳定性等技术限制。
- 进一步研究方向
- 可扩大样本并分层纳入不同戏曲妆容经验、年龄段的初学者与潜在年轻传承者，采用随机对照或交叉设计，比较 OperARtistry 与视频教程在学习时间和眼区妆容质量上的差异，以检验初步结果是否可重复。可将分步 AR 指导从眼区妆容扩展至完整 Xiqu makeup 流程，并分别测量各阶段（底妆、眼区、面部其他区域）的学习曲线与错误类型，以确认 AR 效果在哪一环节最有效。可加入延迟后测，在同一参与者完成初始学习后间隔一段时间复测眼区妆容质量与完成时间，以验证学习保持与迁移效果。可细化结果测量：建立眼区妆容质量评分量表，记录完成时间、步骤遗漏或重复次数，并采用评分者间一致性检验与统计比较，以提升结论的可验证性。可比较不同 AR 呈现方式（如逐阶段 AR 效果与仅文字或视频提示）以及不同教程组织方式，以分离 AR 本身与分步指导结构的贡献；材料中未明确这些变量，需在后续设计中明确。
本综述由 AI（deepseek-flash）基于摘要自动生成，仅供参考，不代表原文作者观点，请以原文为准。
参考文献
相关论文
话题：Augmented Reality Applications