خلاصه

تلاش‌های مختلفی برای حفظ تاریخ آمریکا از جمله تکیه بر آموزش رسمی، توزیع اطلاعات (متن، ویدیو یا وسایل کمک بصری) در کانال‌های اجتماعی، نمایش مصنوعات در مراکز تاریخی یا اخیراً، برنامه‌های واقعیت مجازی ارسال شده در یک رسانه مشترک انجام می‌شود. با این حال، بسیاری از برنامه های کاربردی جدید توسعه یافته به طور خاص برای سخت افزار اختصاصی طراحی شده اند تا برای مخاطبان گسترده، بنابراین مانعی برای انتشار ارزش های فرهنگی ایجاد می کنند. در این مقاله، ما یک برنامه واقعیت افزوده مبتنی بر وب (AR) به نام PalmitoAR را پیشنهاد می‌کنیم که روشی بصری برای مشاهده یکی از مهم‌ترین میدان‌های جنگ داخلی تاریخی، میدان نبرد Palmito Ranch واقع در شهرستان کامرون، تگزاس ارائه می‌دهد. برنامه AR پیشنهادی برای احیای یک سری از رویدادها از طریق (i) یک نقشه چاپ شده از Palmito Ranch با نشانگرهای تعبیه شده طراحی شده است که بینندگان را قادر می سازد تا جنگ را بدون حضور در سایت تجربه کنند، (ii) یک دستگاه تلفن همراه با یک مرورگر پشتیبانی شده از WebGL. که به محتویات سه بعدی اجازه ارائه می دهد و (iii) یک کتابخانه AR (A-Frame.io) که علاقه مندان را قادر می سازد کارهای مشابه را دوباره خلق کنند. روش ما به شدت بر مزایای یک الگوریتم ساده و قوی برای تشخیص نشانگر AR برای قرار دادن مدل های سه بعدی در یک زمینه و زمان خاص متکی است. در نتیجه، برنامه AR پیشنهادی مکمل کارهای موجود است و تجربه ای یکپارچه را برای طیف وسیعی از بینندگان فراهم می کند. ما برنامه را با کمک بیست و شش کاربر ارزیابی و بهبود دادیم تا دیدگاه‌هایی را در مورد مزایای خاص استفاده از AR در یادگیری در مورد میدان‌های نبرد و نمایش مجدد جمع‌آوری کنیم. مدل پذیرش فناوری برای دسترسی به پذیرش فردی از فناوری اطلاعات اقتباس شد.

کلید واژه ها:

واقعیت افزوده ؛ قاب A ; حفاظت فرهنگی ; حفظ فرهنگی ; پالمیتو رنچ ; جنگ داخلی ؛ مدل پذیرش فناوری ; تجزیه و تحلیل اجزای ساختار یافته تعمیم یافته

1. معرفی

حفظ فرهنگ بخش مهمی از حفظ هویت ملی برای تضمین یکپارچگی و اتحاد میان گروه خاصی از مردم است. ترویج ارزش های فرهنگی نیز از طریق مواردی مانند ایجاد شغل، گردشگری و مانند آن، یک جامعه را غنی می کند. تلاش زیادی برای حفظ تاریخ از طریق آموزش و آموزش رسمی یا نمایش آثار باستانی در مکان‌ها انجام شده است. ارزش های فرهنگی به طور سنتی با کمک یک راهنمای گردشگری که کمک و اطلاعاتی در مورد میراث فرهنگی، تاریخی و معاصر ارائه می دهد، یا از طریق استفاده از خط هایی که به مصنوعات متصل می شود، منتشر می شود. اخیراً، طیف گسترده‌ای از فناوری‌های مدرن برای افزایش تجربیات بازدیدکنندگان از قبیل فیلم‌های صوتی، تصویری، فیلم‌های 2 بعدی/3 بعدی و مستندها اقتباس شده‌اند. با این حال، مصنوعات مستقر در سایت،
برای کاهش این موانع و ترویج ارزش‌های فرهنگی، واقعیت مجازی (VR) و واقعیت افزوده (AR) به عنوان راهی برای غنی‌سازی تجربه بازدیدکنندگان مورد بررسی قرار گرفته‌اند [ 1 ، 2 ، 3 ]. واقعیت مجازی به عنوان ابزاری موثر برای سرگرمی و تشویق فرآیندهای یادگیری ثابت شده است. VR به کاربران این امکان را می دهد که خود را در یک محیط سه بعدی غوطه ور کنند تا موقعیت هایی را تجربه کنند که در زندگی واقعی با آنها بسیار دشوار یا غیرممکن است، مانند آتشفشان ها، ساختمان های باستانی یا رویدادهای میدان جنگ. از سوی دیگر، AR رویکرد متفاوتی را اتخاذ می کند و به کاربران اجازه می دهد در دنیای فیزیکی خود باقی بمانند در حالی که اشیاء مجازی بر روی اشیاء فیزیکی قرار می گیرند.
یک تاریخ غنی که در طول صدها یا حتی میلیون‌ها سال آشکار می‌شود، همیشه مستعد شکاف‌هایی در یادگیری و درک فرهنگ یک کشور است، به‌ویژه زمانی که به یک دولت فردی در آن کشور توجه می‌کنیم. گاهی اوقات، رویدادهای تاریخی، مانند نبردها، صرفاً به عنوان مجموعه ای از مکان ها، تاریخ ها و تعداد شرکت کنندگان در هر طرف با نتیجه نهایی پیروزی یا شکست در نظر گرفته می شوند. به این ترتیب، بسیاری از میدان های نبرد محبوب به خوبی درک نشده اند. به عنوان مثال، میدان نبرد Palmito Ranch در شهرستان کامرون، تگزاس، یکی از مهم ترین مکان های تاریخی جنگ داخلی آمریکا است، اما افراد کمی از وجود و اهمیت آن آگاه هستند.
شکل 1 نبرد تاریخی پالمیتو رانچ را نشان می دهد که در 12 تا 13 مه 1865 به عنوان کمپین اعزامی اتحادیه از برازوس سانتیاگو، تگزاس رخ داد. این مکان آخرین نبرد زمینی است که در جنگ داخلی انجام شد و در واقع پس از پایان رسمی جنگ پس از تسلیم ارتش کنفدراسیون (جنوب) به ارتش اتحادیه (شمال) رخ داد. چندین برنامه که توسط آژانس‌هایی از جمله خدمات پارک ملی (به عنوان مثال، کمک‌های برنامه‌ریزی میدان جنگ، کمک‌های مالی تصاحب زمین‌های میدان جنگ، طرح حفاظت از میدان نبرد پالمیتو رنچ) اداره می‌شوند .] برای ترویج حفظ، مدیریت و تفسیر میدان های جنگ تاریخی مهم به عنوان مناظر فرهنگی راه اندازی شده اند. هدف اصلی حفاظت از زمین در میدان نبرد پالمیتو رنچ تضمین این است که منطقه از توسعه آینده محافظت می شود، این سایت قادر به حفظ یکپارچگی تاریخی خود و تضمین حفاظت دائمی از کل میدان نبرد است. توسعه یک تجربه پویا و تاریخی در میدان نبرد AR یکی از رویکردهای کلیدی برای دستیابی به این اهداف است که می‌تواند ترویج فرهنگ محلی را نیز تقویت کند.

2. هدف تحقیق

تا آنجا که ما می دانیم، هیچ مطالعه دیگری وجود ندارد که از استفاده از برنامه های کاربردی وب AR برای انتقال داستانی از یک میدان جنگ استفاده کند که این تحقیق را به یک سهم منحصر به فرد تبدیل می کند. این مقاله، بر اساس مطالعه قبلی [ 6 ]، این شکاف را با پیشنهاد یک برنامه کاربردی AR مبتنی بر وب که به ترویج هویت فرهنگی کمک می‌کند و دانش‌آموزان و گردشگران را قادر می‌سازد تا یک سایت تاریخی مهم جنگ داخلی در تگزاس را تجربه کنند، برطرف می‌کند. در نتیجه، این مقاله به تحقیقات فعلی کمک می کند:
  • یک رویکرد منحصر به فرد برای بازسازی مجموعه ای از رویدادهای میدان نبرد در میدان نبرد Palmito Ranch ارائه می دهد
  • رویکردهای خود را از طریق یک برنامه AR منبع باز و مبتنی بر وب به نام PalmitoAR نشان می دهد
  • برنامه AR پیشنهادی را با استفاده از مدل پذیرش فناوری ارزیابی می کند

3. کارهای مرتبط

مزایای استفاده از فناوری AR برای ارتقای میراث فرهنگی در بسیاری از مطالعات بررسی شده است. چانگ و همکاران [ 7 ] مطالعه ای در مورد قصد بازدیدکنندگان بر اساس نقش AR برای یک سایت میراثی انجام داد. این مطالعه نشان داد که آمادگی فناوری، عوامل بصری AR، و عوامل موقعیتی سه جنبه اصلی هستند که بازدیدکنندگان را برای استفاده فعالانه از AR تحت تاثیر قرار می‌دهند. آمادگی فناوری پیش بینی کننده اصلی بود که به درک سودمندی کمک کرد. جذابیت بصری و شرایط تسهیل کننده پیش بینی کننده سهولت استفاده درک شده بودند. این مطالعه به این نتیجه رسید که سودمندی درک شده و سهولت استفاده بر قصد افراد برای استفاده از AR و بازدید از سایت تأثیر می گذارد.
رافال و همکاران [ 1] پروژه نمایش افزوده اشیاء فرهنگی (ARCO) را ارائه کرد که به طراحان اجازه می دهد اشیاء فرهنگی سه بعدی مجازی را در هر دو محیط VR و AR ایجاد، دستکاری و کنترل کنند. سیستم پیشنهادی از سه جزء اصلی شامل تولید محتوا، مدیریت محتوا و تجسم تشکیل شده است. اجزای اکتساب محتوا شامل ایجاد و دستکاری شی می باشد. اشیاء مجازی دیجیتالی در سیستم در مخزن ذخیره می شوند که لایه برنامه از آن پرس و جو می کند و به محیط سه بعدی ارائه می شود یا بر روی یک نشانگر قرار می گیرد. در مراحل اولیه، زبان مدلسازی واقعیت مجازی توسعه پذیر (X-VRML) برای نمایش اشیاء سه بعدی در مرورگر اینترنت استفاده می شود. این سیستم بازدیدکنندگان موزه را قادر می‌سازد تا با شرکت در آزمون‌ها درگیر یادگیری مصنوعات باشند.
پاپاگیاناکیس و همکاران [ 2 و 3 ] پمپئی باستان را با استفاده از واقعیت مجازی مختلط برای بازسازی و ترویج ارزش های فرهنگی تمدن بازسازی کرد. داستان‌های دراماتیک از طریق شبیه‌سازی کامل بازیگران انسان مجازی متحرک (یعنی لباس، بدن، پوست، صورت) که در دنیای واقعی روی هم قرار گرفته‌اند، احیا شدند. این اثر طیف وسیعی از تجربیات را در فعالیت‌های داخلی و خارجی برای بازدیدکنندگان موزه فراهم می‌کند.
استفاده از اطلاعات مکان بازیابی شده از یک دستگاه پشتیبانی شده از GPS برای راه اندازی محتوای رسانه ای، یک رویکرد رایج در بسیاری از طرح های تحقیقاتی است، به ویژه در مطالعات اولیه که دستگاه های کوچک و مدرن دستی کمیاب بودند. به عنوان مثال، Hollerer و همکاران. [ 8 ] تکنیکی به نام مستندهای موقعیت‌یافته را توسعه داد که محتوای مجازی را قادر می‌سازد در زمینه مکان‌های واقعی در محوطه دانشگاه کلمبیا دیده شود. شرکت کنندگان در محوطه دانشگاه با یک نمایشگر نصب شده روی سر که قادر بود گرافیک سه بعدی، تصاویر و صدا را بر روی دنیای واقعی قرار دهد، قدم زدند. در راستای این رویکرد، ARCHEOGUIDE [ 9 ، 10] یک پروژه جالب است که به بازدیدکنندگان کمک می کند آثار باستانی را بر اساس علایق یا نیازهای خود کشف و تجربه کنند. این برنامه در یک دستگاه الکترونیکی شخصی سازی شده تعبیه شده است و به عنوان دستیار تور عمل می کند. علاقه مندان سایت مورد نظر را انتخاب می کنند و سپس سیستم آنها را از طریق سایت راهنمایی می کند. مولفه ردیابی موقعیت جهت به عنوان یک نشانگر برای نمایش بازسازی ساختمان های باستانی در AR استفاده می شود.
RENACT [ 11 ] رویکرد دیگری است که از استفاده از فناوری AR برای بهبود درک رویدادهای تاریخی با کمک دستگاه‌های دستی استفاده می‌کند. RENACT یک پلت فرم فناوری پیشرفته است که از ویژگی های شبکه اجتماعی، قابلیت های واقعیت افزوده و مخازن محتوای چند رسانه ای تشکیل شده است. جالب ترین بخش این پروژه درگیر شدن چندین کاربر با محیطی فراگیر برای بهبود درک آنها از نبردهای تاریخی از دیدگاه بازنویسان و مورخان است. نتایج این مطالعه نشان می‌دهد که شرکت‌کنندگان توانستند جنبه‌های جدیدی را در مورد میدان جنگ از طریق نمایش مجدد و با کمک متخصص حوزه بیاموزند.
تحقیقات مشابه دیگری در زمینه میراث فرهنگی با هر مشارکت اختصاص داده شده به یک سایت خاص وجود دارد. به دنبال این جریان، مطالعه حاضر تلاش می کند تا به دانش در مورد میدان نبرد Palmito Ranch کمک کند.

4. روش ها

4.1. طراحی سیستم

این بخش تکنیک‌های ما را به تفصیل شرح می‌دهد، و خوانندگان تشویق می‌شوند تا با ویدیوی نمایشی برنامه AR در YouTube [ 12 ] مشورت کنند. نقشه چاپ شده برای برنامه AR از تصاویر ماهواره ای نقشه گوگل بازیابی شد و مدل های سه بعدی آزادانه از TurboSquid [ 13 ] و Adobe Fuse [ 14 ] به دست آمد. PalmitoAR با استفاده از کتابخانه های جاوا اسکریپت و به ویژه، AR.js [ 15 ] نوشته شده توسط Jerome Etienne، یک کتابخانه منبع باز که بر روی ARToolkit ساخته شده و با A-Frame [ 16 ] یکپارچه شده است، توسعه یافته است.] (یک چارچوب وب برای ایجاد تجربیات واقعیت مجازی) از طریق یک جزء سفارشی. برخلاف بسیاری از برنامه‌های کاربردی واقعیت افزوده مدرن که مستقیماً بر روی دستگاه‌های هوشمند نصب می‌شوند و به سیستم‌عامل‌های مستقر مانند iOS یا Android متکی هستند، تلاش ما با هدف ارائه تجربه واقعیت افزوده به مخاطبان عمومی‌تر (مانند گردشگران، بازدیدکنندگان و دانش‌آموزان) بود. با استفاده از یک دستگاه پشتیبانی شده از مرورگر نشان داده شده است که استفاده از A-Frame وسیله ای موثر برای ایجاد و به اشتراک گذاری تجربیات VR/AR در [ 17 ، 18 ، 19 است.]. از این رو، رویکرد ما کاربران را به یک سیستم عامل محدود نمی کند. هدف اصلی PalmitoAR ایجاد یک برنامه کاربردی واقعیت افزوده است که به دانش‌آموزان و بازدیدکنندگان نمای سطح بالایی از رویداد تاریخی در میدان نبرد Palmito Ranch ارائه می‌کند. رویکرد طراحی PalmitoAR جنبه‌های زیر را در نظر می‌گیرد: (1) شبیه‌سازی خودکار یک سری از رویدادهای نبرد، (2) رویدادهای نبرد نیمه خودکار با انسان در حلقه برای یک رویداد خاص، و 3) استفاده بصری از نشانگرهای تعبیه‌شده در نقشه. برای دستیابی به این اهداف، این مقاله اجرای چندین ویژگی را در PalmitoAR بر اساس رویکرد طراحی برنامه پیشنهادی توسط Shneiderman [ 20 ] پیشنهاد می‌کند که در آن وظایف (یا ویژگی‌ها) ابتدا شناسایی می‌شوند و طراحی برنامه برای انجام این وظایف ساخته می‌شود:
–
نمایش اجمالی (F1). نمای کلی از محیط AR را نمایش می دهد.
–
جزئیات در صورت تقاضا (F2). جزئیات یک رویداد نبرد خاص را ارائه می دهد.
–
شبیه سازی خودکار (F3). به طور خودکار مجموعه ای از رویدادهای نبرد را شبیه سازی می کند.
–
شبیه سازی نیمه خودکار (F4). یک رویداد نبرد خاص را بر اساس انتخاب کاربر شبیه سازی می کند.
–
کاراکترها را روی یک موقعیت مشخص قرار دهید (F5). نشانگرهای مختلف را روی نقشه چاپ شده تشخیص می دهد و کاراکترها را روی آنها قرار می دهد.
بر اساس ویژگی های ذکر شده در بالا، PalmitoAR با دو عنصر اصلی طراحی شده است: 1) جزء اصلی و 2) جزء نشانگر.

4.1.1. جزء اصلی

جزء اصلی شامل محیط AR است که در آن اشیاء سه بعدی (مانند پیاده نظام، جنگنده تفنگ، توپ، پرچم یا آتش) بر روی نقشه فیزیکی واقعی قرار می گیرند (ویژگی F1). از آنجایی که AR پیشنهادی در محیط وب پیاده سازی می شود، هزینه محاسباتی باید در نظر گرفته شود. ما از مدل‌های سه بعدی کم پلی با حداقل تعداد رئوس استفاده کردیم و از استفاده بیش از حد تصاویر به عنوان بافت برای بهبود عملکرد اجتناب کردیم. در عوض، ما از رنگ‌های اصلی برای پرکردن صورت (یعنی کلاه سرباز، کفش)، به استثنای پرچم‌ها استفاده کردیم.
شکل 2 روند تبدیل مدل های سه بعدی رایگان به مدل های سه بعدی برای Web AR را نشان می دهد. اکثر اشیاء سه بعدی رایگان در اینترنت به شکل های .obj، .fbx، .blend یا .max ارائه می شوند که به دلیل اندازه و رمزگذاری اطلاعات، مدل ایده آلی برای برنامه های وب نیستند. برای کاهش این مشکل، گروه Khronos فرمت تحویل دارایی در زمان اجرا GL Transmission Format (glTF) را توسعه داد. این فرمت هم اندازه دارایی های سه بعدی و هم پردازش زمان اجرا مورد نیاز برای باز کردن بسته بندی و استفاده از آن دارایی ها را به حداقل می رساند. یک نسخه باینری از glTF (GLB) به جای ارجاع به آنها به عنوان تصاویر خارجی، دارای بافت است. برنامه AR پیشنهادی ما از این فرمت فایل در تولید بهره می برد. کاراکترها (سربازان کنفدراسیون و فدرال) با نرم افزار رایگان سه بعدی (Adobe Fuse [ 14 ) ساخته و تولید شدند.])، اما تمام بافت ها حذف شدند و با یک رنگ اصلی (یعنی رنگ خاکستری برای سربازان کنفدراسیون و رنگ آبی تیره برای سربازان فدرال) جایگزین شدند. برای اعمال انیمیشن ها به این شخصیت ها، از ابزار آنلاین رایگان انیمیشن شخصیت ها Mixamo [ 21 ] استفاده کردیم. متاسفانه نسخه فعلی این نرم افزار (نسخه بتا) اجازه تعبیه چند انیمیشن را در یک مدل سه بعدی نمی دهد. بنابراین، نرم افزار Blender [ 22 ] 3D برای ترکیب همه انیمیشن ها (یعنی راه رفتن، دویدن، شلیک، ایستادن و بیکار) استفاده شد. لوازم جانبی (یعنی تفنگ، شمشیر) اضافه شده به شخصیت ها نیز با این نرم افزار ساخته شده است. سپس مدل های نهایی در قالب GLB صادر شدند.
جزء اصلی همچنین شامل ده دکمه است که در بالای صفحه نمایش داده شده است، همانطور که در شکل 3 نشان داده شده است. لازم به ذکر است که کد QR که در تصویر مشاهده می شود بخشی از طراحی بصری نیست. موقعیت آن به عنوان یک نشانگر برای حرکت آسان تر به برنامه AR عمل می کند. یک کد QR به زبان ساده، یک کد قابل خواندن توسط ماشین است که از مربع‌های سیاه و سفید ساخته شده است که برای ذخیره URLها (در مورد ما، برنامه AR مبتنی بر وب) که توسط دوربین روی تلفن هوشمند خوانده می‌شود، استفاده می‌شود. کد QR راحت است زیرا نیازی به وارد کردن دستی یک URL طولانی نیست، به خصوص آدرسی که شامل کاراکترهای خاص است. علاوه بر این، بینندگان iOS می‌توانند از ویژگی خواندن QR داخلی استفاده کنند که نیازی به نصب اضافی ندارد.
دکمه “Full Screen” به کاربران این امکان را می دهد که برنامه AR را در حالت تمام صفحه نمایش دهند، یک ویژگی به خصوص مفید در یک دستگاه کوچک. دکمه “چاپ نقشه” به بینندگان امکان می دهد نقشه را با نشانگرهای تعبیه شده دانلود کنند. “مرحله دکمه ها” (با علامت S) 1-8 نشان دهنده هر رویداد تاریخی میدان جنگ است (ویژگی F2، F4) که در آن کاربران می توانند آنها را به صورت جداگانه شبیه سازی کنند. برای هر مرحله، شرح کوتاهی از رویداد به عنوان شرح صحنه (ویژگی F2) در پایین صفحه ارائه می شود. به طور پیش فرض، مرحله بعدی به طور خودکار راه اندازی می شود و شبیه سازی پس از پایان مرحله قبلی (ویژگی F3) با زمان انتقال سه ثانیه آغاز می شود. با کلیک یا ضربه زدن روی یک دکمه خاص، بازدیدکنندگان می توانند مرحله مربوطه (ویژگی F4) را تجربه کنند. انیمیشن برای هر مدل سه بعدی بر اساس شرایط صحنه اعمال می شود (به عنوان مثال، دویدن برای عقب نشینی، بیکار برای استراحت، شلیک برای حمله). یک مرحله خاص (یا دکمه مرحله) زمانی فعال می شود که نشانگر مربوط به آن مرحله پیدا شود. دکمه هایلایت شده (رنگ قرمز) نشان می دهد که مرحله فعلی در حال شبیه سازی است.
  • مرحله 1 (S1): فدرال ها (یا اتحادیه) شروع به حرکت از وایت رنچ به سمت پالمیتو کردند تا به کنفدراسیون حمله کنند.
  • مرحله 2 (S2): کنفدراسیون در مکان های مختلف پراکنده شده است.
  • مرحله 3 (S3): اتحادیه تدارکات را سوزاند و در محل ماند تا خود و اسب هایشان را تغذیه کند.
  • مرحله 4 (S4): کنفدراسیون با تقویت وارد شد و اتحادیه را وادار به بازگشت به وایت رنچ کرد.
  • مرحله 5 (S5): اتحادیه با نیروهای کمکی بازگشت و کنفدراسیون را پراکنده کرد.
  • مرحله 6 (S6): اتحادیه در تولوسا روی رودخانه استراحت کرد.
  • مرحله 7 (S7): نیروی بزرگ کنفدراسیون خط اتحادیه را با توپخانه (توپ) چکش کرد.
  • مرحله 8 (S8): اتحادیه عقب نشینی کرد.
شرحی از هر مرحله به صورت صوتی برای بهبود تجربه کاربر رونویسی شد. ما روش‌های مختلفی را برای به دست آوردن طبیعی‌ترین راوی امتحان کردیم، مانند Google Text to Speech (TTS)، iOS TTS، Windows TTS و IBM TTS. ما تشخیص دادیم که IBM TTS بهترین خروجی را در این زمان از تبدیل از نظر صدای انسان‌مانند ارائه می‌کند. این فایل های صوتی برای پخش درون خطی با هر مرحله فعال می شوند.
4.1.2. جزء نشانگر
برای ارائه صحیح اشیاء سه بعدی در یک زمینه دنیای واقعی، سیستم باید مکان و جهت دوربین (یا ژست) را محاسبه کند. چندین روش ردیابی در زمینه‌های بینایی کامپیوتر، رباتیک یا فتوگرامتری، مانند روش‌های ردیابی حسگر، روش‌های ردیابی بصری و روش‌های ترکیبی مورد مطالعه قرار گرفته‌اند [ 23 ]. هر روش بر حسگر خاصی متکی است. روش‌های ردیابی بصری در برنامه‌های واقعیت افزوده از اهمیت ویژه‌ای برخوردار هستند، زیرا دوربین در حال حاضر یک ویژگی داخلی است. در این روش ردیابی بصری، دو رویکرد رایج برای قرار دادن مدل‌های سه بعدی بر روی دنیای فیزیکی واقعی وجود دارد، از جمله مبتنی بر نشانگر و بدون نشانگر. در رویکرد بدون نشانگر، دانش قبلی از محیط اطراف کاربر برای همپوشانی محتویات سه بعدی مورد نیاز نیست.
از سوی دیگر، رویکرد مبتنی بر نشانگر، یک سیستم را با یک علامت از پیش تعریف شده به راحتی قابل تشخیص و از پیش تعریف شده در محیط (به عنوان مثال، شی، تصویر) فراهم می کند. سیستم می تواند این علامت را با استفاده از تکنیک های پردازش تصویر، تشخیص الگو و بینایی کامپیوتری تشخیص دهد. هنگامی که علامت شناسایی شد، یک شی 3 بعدی به درستی قرار می گیرد. دو نوع اصلی از نشانگرها در برنامه‌های AR معمولی استفاده می‌شوند، از جمله نشانگرهای الگو و نشانگرهای بارکد دوبعدی. اولی نشانگر را شناسایی می کند، در حالی که دومی داده های رمزگذاری شده در نشانگر را رمزگشایی می کند. در مرحله فعلی توسعه، مکان نشانگر مورد علاقه اصلی ما است، بنابراین ما یک نشانگر الگو را به عنوان نشانه ای برای قرار دادن سربازان طراحی کردیم (ویژگی F5). رویکرد بصری استفاده از نشانگر الگو، داشتن پایگاه داده ای است که شامل تصاویر نمونه یک نشانگر باشد.
شکل 4 یک نشانگر الگوی نمونه (یعنی حرف A) را با چهار الگوی منطبق (a، b، c و d) نشان می‌دهد که به ترتیب با چهار جهت مختلف (عادی، چرخش به چپ، چرخش وارونه و چرخش به راست) مطابقت دارند. هر پیکسل روی تصویر با یک عدد (در مقیاس خاکستری) با استفاده از 0 برای سیاه و 255 برای رنگ سفید کد گذاری می شود. الگویی که بهترین تطابق (بیشترین شباهت یا کوچکترین مقادیر عدم تشابه) را در یک آستانه معین ارائه می کند، نشانگر صحیح است. با تکیه بر رویه نشانگر الگو، رویکرد ما با استفاده از یک منطقه روی نقشه به عنوان نشانه ای برای تشخیص به جای استفاده از حروف منظم، تغییرات جزئی ایجاد می کند. همانطور که در شکل 5 نشان داده شده است ، ما محل اصلی نیروها را در شکل 5 a می گیریم، سپس این تصویر نمونه برداری می شود (یا به قالب تبدیل می شود.شکل 5 ب) با استفاده از ابزار تصویر آموزشی [ 24 ]. تصویر برش خورده (که توسط یک کادر مربع سیاه شکل 5 ج افزایش یافته است) روی نقشه موجود در مکان دقیق شکل 5 د قرار داده می شود. از این رو، یک شی 3 بعدی بر روی موقعیت مورد نظر قرار می گیرد . شکل 5 e.
کاربران دوربین خود را به سمت نقشه چاپ شده برای جستجوی نشانگرها نشانه گرفتند. هنگامی که نشانگرها شناسایی شدند، موقعیت آنها استخراج شد و به عنوان نقاطی برای حرکت نیروها بین هر نشانگر مورد استفاده قرار گرفت.

ما در حین توسعه برنامه AR و آزمایش این نشانگرهای تعبیه شده، چالش برانگیزترین کارها را شناسایی و تشخیص چندین نشانگر به دلیل موقعیت و شرایط نوری آنها یافتیم. گاهی اوقات، دو یا سه نشانگر ناپدید می شوند (به دلیل شرایط نوری) یا سوسو می زنند. برای غلبه بر این مشکل، از الگوریتم فیلتر کالمن [ 25 ] برای تخمین موقعیت نشانگر پس از شناسایی برای اولین بار استفاده کردیم. هدف الگوریتم فیلتر کالمن تخمین وضعیت یک فرآیند کنترل شده با زمان گسسته x بود که توسط معادله اختلاف تصادفی خطی زیر اداره می شود:

ایکسک=آایکسک-1+بتوک+wک-1،

با اندازه گیری z

zک=اچایکسک+vک،

جایی که

  • ایکسکوضعیت واقعی یا موقعیت واقعی جسم در زمان k است
  • A مدل انتقال حالت اعمال شده به حالت قبلی است ایکسک-1
  • B مدل کنترل-ورودی است که برای بردار کنترل اعمال می شود توک
  • wک،vکبه ترتیب نویز فرآیند و اندازه گیری هستند.
  • H مدل اندازه گیری است که فضای حالت واقعی را در فضای مشاهده شده نگاشت می کند.
نقش فیلتر کالمن تخمین زدن بود ایکسکدر زمان k، با توجه به برآورد اولیه از ایکس0، سری اندازه گیری، z1،z2،z3،…zکو اطلاعات سیستم توصیف شده توسط A, B, H.

4.2. ارزیابی

برای ارزیابی کاربرد AR، از مدل پذیرش فناوری (TAM) که در اصل توسط دیویس [ 26 ] پیشنهاد شده بود برای ارزیابی پذیرش یک فرد از فناوری اطلاعات استفاده کردیم. ثابت شده است که این یک چارچوب نظری مفید در توضیح جنبه‌های خاصی از فناوری‌های اطلاعات و همچنین درک رفتار مشتری نسبت به استفاده از این فناوری‌ها است. استفاده از TAM به طور تجربی در زمینه‌های مختلفی مانند فناوری تلفن همراه [ 27 ]، جوامع مجازی [ 28 ]، جهان‌های مجازی [ 29 ] و مراقبت‌های بهداشتی [ 30 ] تأیید شده است، و همچنین به عنوان وسیله‌ای برای درک مشتری عمل می‌کند. فرآیندهای تصمیم گیری [ 31]. در ابتدا، سودمندی درک شده و سهولت استفاده درک شده دو معیار اصلی مورد استفاده در TAM بودند. اولی به “درجه ای که یک فرد معتقد است استفاده از یک سیستم خاص عملکرد شغلی او را افزایش می دهد” اشاره دارد، در حالی که دومی به عنوان “درجه ای که فرد معتقد است استفاده از یک سیستم خاص بدون تلاش است. ” [ 32 ]. در طول سال‌ها، TAM به طور مداوم مورد مطالعه قرار گرفته و با توجه بسیار متمرکز بر ارزیابی استحکام و اعتبار ابزارهای پرسشنامه (اعم از منشاء یا اصلاح شده) توسعه یافته است.
مطابق با TAM، مدل برازش وظیفه-تکنولوژی (TTFM) [ 33 ] مدل تغییر دیگری است که فرض می‌کند تناسب فناوری کار بر نتیجه عملکرد تأثیر می‌گذارد. این مدل بیان می‌کند که فناوری باید 1) استفاده شود و 2) با وظایفی که پشتیبانی می‌کند مناسب باشد تا تأثیرات مثبتی بر عملکرد فردی داشته باشد. Dishaw و Strong [ 34 ] TAM را با ساختارهای TTFM گسترش دادند، و از آن زمان، این مدل ترکیبی در بسیاری از مطالعات استفاده شده است [ 35 ، 36 ، 37 ]. یافته‌های آن‌ها نشان داد که تناسب تکلیف-فناوری بر سهولت استفاده درک شده تأثیر می‌گذارد.
هنگام طراحی یک برنامه کاربردی، طراحی بصری (یا جذابیت بصری) نقش مهمی در حفظ مشتریان ایفا می کند زیرا اعتماد و وفاداری را افزایش می دهد [ 38 ]. هارتمن ال آل. [ 39 ] پیشنهاد کرد که “زیبایی مهم است و بر تصمیماتی که باید مستقل از زیبایی شناسی باشد تأثیر می گذارد”. این معیار سپس در بسیاری از حوزه ها مورد استفاده قرار گرفت، به عنوان مثال، Verhagen و همکاران. [ 40 ] تأیید کرد که جذابیت بصری به طور مثبت بر سودمندی درک شده تأثیر می گذارد.

4.3. فرضیه های تحقیق

بر اساس بررسی ادبیات موضوع، فرضیه های زیر مطرح می شود:
  • H1: طراحی بصری درک شده تأثیر مثبتی بر تناسب فناوری وظیفه درک شده خواهد داشت.
  • H2: طراحی بصری درک شده تأثیر مثبتی بر سودمندی درک شده خواهد داشت.
  • H3: تناسب فناوری تکلیف درک شده تأثیر مثبتی بر سهولت درک شده در استفاده خواهد داشت.
  • H4: سهولت استفاده درک شده تأثیر مثبتی بر سودمندی درک شده خواهد داشت.
  • H5: سودمندی درک شده تأثیر مثبتی بر قصد استفاده خواهد داشت.
  • H6: سهولت درک شده در استفاده تأثیر مثبتی بر قصد استفاده خواهد داشت.
این فرضیه ها به مدل تحقیق نشان داده شده در شکل 6 ترجمه شده و به عنوان طرحواره رابطه علّی نشان داده شده و به عنوان نقطه عزیمت این تحقیق استفاده شده است. جعبه‌ها ساختارهایی را نشان می‌دهند (که متغیرهای پنهان نیز نامیده می‌شوند) که با مجموعه‌ای از آیتم‌ها اندازه‌گیری می‌شوند، با فلش‌هایی که فرضیه‌های 1 تا 6 را نشان می‌دهند.

4.4. جمع آوری و پردازش اطلاعات

برای آزمون فرضیه ها، ما یک نظرسنجی آنلاین برای جمع آوری داده ها از دانشجویان کارشناسی و کارشناسی ارشد و همچنین اعضای هیئت علمی انجام دادیم. به شرکت‌کنندگان یک فرم Google تعبیه‌شده با پیوند ویدیویی یوتیوب و 23 سؤال شامل 20 سؤال برای رفتار کاربر و سه سؤال برای اطلاعات دموگرافیک داده شد. در بخش اول نظرسنجی، از شرکت‌کنندگان خواسته شد به سؤالاتی درباره نگرش و قصد رفتاری خود از استفاده از PalmitoAR با مقیاس لیکرت 5 درجه‌ای (که به صورت 1-کاملاً مخالف، 2-مخالف، 3-خنثی، 4-موافق، کدگذاری شده بود، پاسخ دهند. 5- کاملا موافقم). در بخش دوم، از آزمودنی ها خواسته شد تا اطلاعات دموگرافیک عمومی در مورد جنسیت، زبان انگلیسی به عنوان زبان اول و قومیت خود ارائه دهند. پرسشنامه‌هایی پیرامون مواردی که شامل تناسب فناوری تکلیف درک شده (TTF) هستند (اقتباس از [37 )، طراحی بصری درک شده (VD) [ 40 ]، سودمندی درک شده (PU) [ 32 ]، سهولت استفاده درک شده (PEU) [ 32 ]، و قصد استفاده (BI) [ 32 ]. جدول 1 فهرستی از موارد مورد استفاده برای اندازه گیری هر متغیر را ارائه می دهد.
این نظرسنجی برای بیش از 50 نفر ارسال شد. جمع آوری این پرسشنامه ها 26 پاسخ داده قابل استفاده به دست آورد. داده های جمع آوری شده از 26 پاسخ برای تجزیه و تحلیل به فرمت Excel تبدیل شد. جدول 2 طبقه بندی و درصد شرکت کنندگان در هر دسته را نشان می دهد.
یک نرم افزار مبتنی بر وب برای تجزیه و تحلیل اجزای ساختار تعمیم یافته [ 41 ] برای آزمون فرضیه ها و همچنین تجزیه و تحلیل های تکمیلی (به عنوان مثال، سازگاری های داخلی، همبستگی ها) استفاده شد. تجزیه و تحلیل مولفه های ساختاریافته تعمیم یافته (GSCA) [ 42 ] یک رویکرد برای مدل سازی معادلات ساختار مبتنی بر مولفه (SEM) است و با حجم نمونه کوچک، بدون مفروضات توزیعی سفت و سخت (به عنوان مثال، فرض نرمال بودن) به خوبی کار می کند [ 43 ].

5. نتایج

به طور کلی، برنامه AR بازخورد مثبتی از شرکت کنندگان در مطالعه دریافت کرده است. نظرات مربوط به بهبود بهتر PalmitoAR عبارتند از: 1) بهبود رابط کاربری و طراحی گرافیکی برای واقعی تر کردن سناریو، 2) افزودن اطلاعات بیشتر در مورد نبرد مانند تعداد کشته ها، 3) افزودن مقدمه ای به برنامه AR. ما بازخورد شرکت‌کنندگان را به‌عنوان یک ورودی مثبت برای بهبود PalmitoAR در مرحله بعدی می‌گیریم. افزودن محتوای بصری به صحنه در مقایسه با بهبود رابط کاربری و طراحی گرافیکی یک چالش فنی نیست زیرا در حال حاضر رابط کاربری استانداردی برای برنامه AR وجود ندارد. این کار را می توان از طریق بازخورد بیشتر کاربر در مورد یک طراحی بصری خاص بهبود بخشید.
آمار توصیفی پنج سازه در جدول 3 نشان داده شده است. همه ابزارها بالاتر از نقطه میانی هستند 2.5. انحراف استاندارد از 0.66 تا 1.20 متغیر است که نشان دهنده گسترش باریک در اطراف میانگین است.
برای اندازه‌گیری اینکه مجموعه‌ای از پرسشنامه‌ها به‌صورت گروهی چقدر به هم مرتبط هستند، از ضریب آلفا [ 44 ] به‌عنوان معیار سازگاری درونی استفاده کردیم. همه معیارهای به کار گرفته شده در این مطالعه، سازگاری داخلی معقولی را نشان دادند، از 0.748 تا 0.945 (به جدول 4 مراجعه کنید )، در نتیجه از تخمین های قابلیت اطمینان فراتر رفت. α= 0.70) توسط Nunnally [ 45 ] توصیه شده است.
جدول 5 تخمین بارگذاری برای اندیکاتورها را به همراه خطاهای استاندارد (SEs) تخمین پارامترهای محاسبه شده از 500 نمونه بوت استرپ ارائه می دهد. برای تعیین اهمیت آماری تخمین‌های پارامتر، فاصله اطمینان صدکی راه‌اندازی 95% (CI) محاسبه شد – به عنوان مثال، اگر CI مقدار صفر را در بر نگیرد، تخمین پارامتر در سطح آلفا 0.05 از نظر آماری معنادار فرض می‌شود. توجه داشته باشید که 95% CI_LB و 95% CI_UB به ترتیب کران پایین و کران بالای یک تخمین پارامتر را در سطح آلفا 0.05 نشان می دهند. تمامی تخمین های بارگذاری بیشتر از 6/0 بوده و از نظر آماری معنی دار بوده و بنابراین این آیتم ها شاخص های خوبی برای سازه ها هستند.
ما مدل پذیرش فناوری فرضی را به مجموعه داده برازش کردیم. ما از 500 نمونه بوت استرپ برای تخمین خطاهای استاندارد و فواصل اطمینان استفاده کردیم. مدل سازه ای با ضرایب مسیر در شکل 7 نشان داده شده است . این مدل شامل پنج ساختار است که زیربنای 20 شاخص است. این پنج ساختار عبارتند از Task Technology Fit (TTF)، طراحی بصری (VD)، سودمندی درک شده (PU)، درک سهولت استفاده (PEU)، و قصد استفاده (BI). جدول 6 میانگین و واریانس سازه ها را نشان می دهد، در حالی که جدول 7 همبستگی سازه ها را نشان می دهد.
همانطور که در جدول 8 مشاهده می شود ، GSCA ارائه کرده است که FIT = 0.695 (SE = 0.043، 95% CI = 0.591-0.770)، AFIT = 0.665 (SE = 0.047، 95% CI = 0.551-0.750.), GFI = 0.551-0.750. = 0.002، 95% CI = 0.990-0.999)، SRMR = 0.120 (SE = 0.027، 95% CI = 0.112-0.216). هم FIT و هم تناسب تعدیل شده (AFIT) واریانس داده های توضیح داده شده توسط یک مشخصات مدل خاص را در نظر می گیرند. مقادیر FIT از 0 تا 1 متغیر است. ویژگی ها و تفاسیر FIT و AFIT قابل مقایسه با آر2و تنظیم کرد آر2در رگرسیون خطی در اینجا، FIT و AFIT نشان می دهد که مدل به ترتیب حدود 69.5 و 66.5 درصد از کل واریانس همه متغیرها را به خود اختصاص داده است. هر دو FIT و AFIT از نظر آماری تفاوت معنی داری با صفر دارند. سپس، GFI و SRMR به عنوان معیارهای اضافی برازش کلی مدل، نزدیکی بین کوواریانس‌های نمونه و کوواریانس‌های بازتولید شده توسط تخمین‌های پارامتر مدل را منعکس می‌کنند. مقادیر GFI نزدیک به 1 و مقادیر SRMR نزدیک به 0 ممکن است به عنوان نشانگر تناسب خوب در نظر گرفته شوند. مقدار GFI بسیار نزدیک به 1 بود، در حالی که مقدار SRMR نسبتاً بزرگ بود و از نظر آماری با صفر متفاوت بود.
جدول 9 تخمین ضرایب مسیر را به همراه خطاهای استاندارد و فاصله اطمینان 95 درصد ارائه می دهد. به طور کلی، تفاسیر برآوردهای ضریب مسیر با روابط بین سازه های فرض شده در مدل مطابقت دارد (همانطور که در شکل 7 نشان داده شده است.). یعنی، طراحی بصری تأثیرات آماری معنی‌دار و مثبتی بر تناسب فناوری وظیفه داشت (H1 = 0.662، SE = 0.149، 95% CI = 0.274-0.867)، Task Technology Fit تأثیر آماری معنی‌دار و مثبتی بر سهولت استفاده درک شده داشت (H3). = 0.547، SE = 0.150، 95% CI = 0.310-0.861). به نوبه خود، درک سهولت استفاده از نظر آماری اثرات مثبت و معنی‌داری بر سودمندی درک شده و قصد استفاده داشت (H4 = 0.570، SE = 0.187، 95% CI = 0.183-0.957؛ H6 = 0.775، SE = 0.153٪، 095 = 0.153 SE = 0.153 = SE. –1.304). با این حال، فرضیه های ما در مورد H2 (طراحی بصری → سودمندی درک شده) و H5 (مفید بودن درک شده → قصد استفاده) پشتیبانی نشد.

6. بحث

در طول توسعه برنامه AR پیشنهادی، با چالش‌هایی مواجه شدیم که باید در تحقیقات آینده به آنها پرداخته شود.
اول، در طراحی AR، پوشاندن تمام اطلاعات روی یک صفحه کوچک مانند یک دستگاه تلفن همراه دشوار بود زیرا صحنه اصلی AR را مسدود می کند. اگرچه صدا پشتیبانی می‌شد، اما انگلیسی زبانان غیربومی ممکن است در درک محتوای تاریخی مشکل داشته باشند. با این حال، آموزش تاریخ نیز برای افراد با منشاء بین‌المللی هدف قرار می‌گیرد، زیرا آموزش برای آنها به ویژه در ایالات متحده مهم است. علاوه بر این، با تقسیم جملات طولانی به بخش‌های متنی کوچک‌تر یا با ترجمه قطعات صوتی انگلیسی به زبان‌های مختلف، می‌توان پیشرفت‌های بیشتری را انجام داد.
دوم، تشخیص/تشخیص نشانگرها به شرایط نور و زاویه بین دوربین و نقشه چاپ شده حساس هستند. جهت دادن دوربین به صورت عمود بر نقشه بهترین نتیجه را به همراه دارد، اما مدل های سه بعدی از بالا به پایین دیده می شوند، بنابراین مشاهدات طبیعی کاهش می یابد.
سوم، ایجاد محتویات سه بعدی برای واقعیت افزوده به دلیل انواع فرمت های فایل، هنوز یک کار وقت گیر است. ابزارهایی برای توسعه دهندگان وجود دارد تا مدل سازی را با مدل های سه بعدی داخلی (همانطور که در برنامه ما استفاده می شود) با ویژگی های بسیار دقیق و قابل تغییر سرعت بخشند. با این حال، هرچه ابزار سفارشی‌تر باشد، وضوح مدل‌های سه بعدی بالاتر است. سپس به مدلی با اندازه بزرگ می رسد که معمولاً برای یک مرورگر مناسب نیست. رویکرد ما سعی کرد این مشکل را با تبدیل یک مدل به فرمت باینری کاهش دهد زیرا مرورگر می‌تواند حداکثر 3 تا 4 مدل مختلف را در خود جای دهد. با این حال، زمانی که از این عدد فراتر می رود، نرخ فریم در مرورگر شروع به کاهش قابل توجهی می کند. اگر دانلود و مقداردهی اولیه مدل ها خیلی طول بکشد، این مشکل بدتر می شود. در نتیجه احتمال خروج کاربران از برنامه قبل از تجربه بیشتر است. یکی از روش‌های ممکن برای کاهش این مشکل از طریق Cloud Rendering است که در آن AR در فضای ابری میزبانی می‌شود، کاربران فید دوربین را به سرور راه دور ارسال می‌کنند و سرور سپس با کیفیت واقعیت افزوده بهتر به کاربران رندر می‌دهد و جریان می‌یابد.
چهارم، همانطور که قبلا ذکر شد، قصد ما ارائه یک تجربه واقعیت افزوده برای کاربران، بازدیدکنندگان و دانش‌آموزان از طریق یک مرورگر پیش‌فرض بود. با این حال، هر مرورگر دستی دارای APIهای حسگر برای پشتیبانی از واقعیت افزوده (به عنوان مثال، دوربین، ژیروسکوپ، شتاب سنج، جهت گیری، مغناطیس سنج) نیست. یکی دیگر از مسائل مربوط به مرورگر، دسترسی به شی دوربین است. در حال حاضر، دوربین AR به طور مستقل از دوربین سنتی، تقویت را انجام می دهد، به این معنی که در سطح سیستم عملیاتی کار می کند و نه در بالای خود دوربین، بنابراین منجر به تاخیر محاسباتی و قابل مشاهده می شود.

7. نتیجه گیری

این مقاله یک برنامه کاربردی واقعیت افزوده مبتنی بر وب را ارائه می‌کند که هم دانشجویان و هم گردشگران را قادر می‌سازد تا شاهد یک سری رویدادهای میدان جنگ باشند که در نبرد پالمیتو رنچ رخ داده است. مدل پذیرش فناوری برای اندازه‌گیری رفتار کاربر نسبت به تجربه برنامه AR پیشنهادی از نظر تناسب فناوری کار، طراحی بصری، سودمندی درک شده، سهولت استفاده درک شده و قصد استفاده اقتباس شد. نتایج مطالعه نشان داد که طراحی بصری تأثیر معنی‌دار و مثبت آماری بر تناسب فناوری کار، برازش فناوری کار تأثیر معنی‌دار و مثبت آماری بر سهولت استفاده درک‌شده و سهولت استفاده درک‌شده تأثیر آماری معنادار و مثبتی بر قصد داشته است. برای استفاده و درک مفید بودن. این مطالعه رابطه معناداری بین طراحی بصری و سودمندی درک شده و همچنین بین سودمندی درک شده و قصد استفاده از برنامه PalmitoAR پیدا نکرد. دلیل این روابط غیر قابل توجه در یک مطالعه تجربه کاربر در مقیاس بزرگ بیشتر مورد بررسی قرار خواهد گرفت. تکرار یافته‌های کار حاضر در سایر زمینه‌های آموزشی، مانند علوم طبیعی (مثلاً جغرافیا) یا آموزش بازرگانی (مثلاً مدیریت گردشگری و مهمان‌نوازی) ارزشمند خواهد بود.

منابع

  1. وویچیچوفسکی، آر. والزاک، ک. سفید، م. Cellary, W. ساختمان نمایشگاه های موزه واقعیت مجازی و واقعیت افزوده. در مجموعه مقالات نهمین کنفرانس بین المللی فناوری وب سه بعدی، مونتری، کالیفرنیا، ایالات متحده آمریکا، 5 تا 8 آوریل 2004. صص 135-144. [ Google Scholar ]
  2. Magnenat-Thalmann، N.; پاپاگیاناکیس، جی. جهان های مجازی و واقعیت افزوده در کاربردهای میراث فرهنگی. در ثبت، الگوسازی و تجسم میراث فرهنگی. در مجموعه مقالات کارگاه بین المللی، Centro Stefano Franscini، Monte Verita، Ascona، سوئیس، 22-27 مه 2005; صص 419-430. [ Google Scholar ]
  3. پاپاگیاناکیس، جی. شرتنلایب، اس. اوکندی، بی. آروالو-پویزات، م. Magnenat-Thalmann، N.; استودارت، ا. Thalmann, D. اختلاط صحنه های مجازی و واقعی در سایت Pompeii باستان. محاسبه کنید. انیمیشن. Virt دنیاها 2005 ، 16 ، 11-24. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  4. سرویس، برنامه حفاظت از میدان جنگ آمریکا NP. 2019. در دسترس آنلاین: https://www.nps.gov/subjects/battlefields/american-battlefield-protection-program-grants.htm (در 28 ژانویه 2020 قابل دسترسی است).
  5. سفر، T. Brownsville: Palmito Ranch Battlefield. 2019. در دسترس آنلاین: https://texastimetravel.oncell.com/en/brownsville-palmito-ranch-battlefield-64366.html (در 2 ژوئیه 2019 قابل دسترسی است).
  6. نگوین، وی تی. یونگ، ک. یو، اس. کیم، اس. پارک، اس. Currie, M. Civil War Battlefield Experience: Historical Event Simulation با استفاده از فناوری واقعیت افزوده. در مجموعه مقالات کنفرانس بین المللی IEEE 2019 در زمینه هوش مصنوعی و واقعیت مجازی (AIVR)، سن دیگو، کالیفرنیا، ایالات متحده آمریکا، 9 تا 11 دسامبر 2019؛ صص 294–2943. [ Google Scholar ] [ CrossRef ]
  7. چانگ، ن. هان، اچ. Joun, Y. قصد گردشگران برای بازدید از یک مقصد: نقش برنامه واقعیت افزوده (AR) برای یک سایت میراث. محاسبه کنید. انسان. رفتار 2015 ، 50 ، 588-599. [ Google Scholar ] [ CrossRef ]
  8. هالرر، تی. فاینر، اس. Pavlik, J. مستندهای موقعیتی: تعبیه ارائه های چند رسانه ای در دنیای واقعی. در خلاصه مقالات. در مجموعه مقالات سومین سمپوزیوم بین المللی در مورد رایانه های پوشیدنی، سانفرانسیسکو، کالیفرنیا، ایالات متحده آمریکا، 18-19 اکتبر 1999. صص 79-86. [ Google Scholar ] [ CrossRef ]
  9. استریکر، دی. دهنه، پ. سیبرت، اف. کریستو، آی. آلمیدا، ال. کارلوچی، آر. Ioannidis، N. مسائل طراحی و توسعه برای باستان شناس: راهنمای میراث فرهنگی مبتنی بر واقعیت افزوده در محل. در مجموعه مقالات کنفرانس بین المللی محیط های مجازی تقویت شده و تصویربرداری سه بعدی، میکونوس، یونان، 30 مه تا 1 ژوئن 2001. صص 1-5. [ Google Scholar ]
  10. Vlahakis، V. کاریگیانیس، ج. تسوتروس، م. گوناریس، م. آلمیدا، ال. استریکر، دی. گلیو، تی. کریستو، فناوری اطلاعات؛ کارلوچی، آر. Ioannidis، N. Archeoguide: اولین نتایج یک واقعیت افزوده، سیستم محاسباتی سیار در سایت‌های میراث فرهنگی. Virt واقعی. آرکئول. فرقه میراث. 2001 ، 9 ، 584993–585015. [ Google Scholar ]
  11. بلانکو-فرناندز، ی. لوپز-نورس، ام. Pazos-Arias، JJ; گیل سولا، ع. راموس-کابرر، ام. García-Duque, J. RENACT: گامی رو به جلو در یادگیری همهجانبه درباره تاریخ بشر با واقعیت افزوده، ایفای نقش و شبکه های اجتماعی. کارشناس سیستم Appl. 2014 ، 41 ، 4811-4828. [ Google Scholar ] [ CrossRef ]
  12. ارسال، نسخه نمایشی واقعیت افزوده میدان نبرد A. Palmito. 2019. در دسترس آنلاین: https://github.com/shared85/PalmitoAR (در 23 ژانویه 2020 قابل دسترسی است).
  13. TurboSquid. مدل های سه بعدی برای حرفه ای ها 2019. در دسترس آنلاین: https://www.turbosquid.com (در 2 ژوئیه 2019 قابل دسترسی است).
  14. Adobe. ایجاد مدل های سه بعدی، شخصیت ها. 2019. در دسترس آنلاین: https://www.adobe.com/products/fuse.html (در 10 اکتبر 2019 قابل دسترسی است).
  15. Etienne, J. ایجاد واقعیت افزوده با AR.js و A-Frame. 2019. در دسترس آنلاین: https://aframe.io/blog/arjs (در 23 ژانویه 2020 قابل دسترسی است).
  16. موزیلا. چارچوب وب برای ایجاد تجربیات واقعیت مجازی. 2019. در دسترس آنلاین: https://aframe.io (در 23 ژانویه 2020 قابل دسترسی است).
  17. نگوین، وی تی. Hite، R. Dang، T. توسعه واقعیت مجازی مبتنی بر وب در کلاس درس: از دیدگاه یادگیرنده. در مجموعه مقالات کنفرانس بین المللی IEEE 2018 در زمینه هوش مصنوعی و واقعیت مجازی (AIVR)، تایوان، چین، 10 تا 12 دسامبر 2018؛ صص 11-18. [ Google Scholar ] [ CrossRef ]
  18. نگوین، وی تی. Hite، R. Dang، T. پذیرش تکنولوژیکی فراگیران از توسعه محتوای VR: مطالعه موردی استفاده متوالی 3-بخشی از دانش‌آموزان مختلف دوره متوسطه. بین المللی ج. سمنت. محاسبه کنید. 2019 ، 13 ، 343-366. [ Google Scholar ] [ CrossRef ]
  19. نگوین، وی تی. ژانگ، ی. یونگ، ک. زینگ، دبلیو. Dang, T. VRASP: یک محیط واقعیت مجازی برای یادگیری برنامه نویسی مجموعه پاسخ. در مجموعه مقالات سمپوزیوم بین المللی جنبه های عملی زبان های اعلانی، نیواورلئان، لس آنجلس، ایالات متحده آمریکا، 20-21 ژانویه 2020؛ صص 82-91. [ Google Scholar ]
  20. Shneiderman، B. چشم ها آن را دارند: وظیفه ای بر اساس طبقه بندی نوع داده برای تجسم اطلاعات. در هنر تجسم اطلاعات ; الزویر: آمستردام، هلند، 2003; صص 364-371. [ Google Scholar ]
  21. میکسامو. شخصیت های 3 بعدی متحرک. بدون نیاز به دانش سه بعدی 2019. در دسترس آنلاین: https://www.mixamo.com (دسترسی در 10 اکتبر 2019).
  22. مخلوط کن. بلندر، ساخته شده توسط شما. 2019. در دسترس آنلاین: https://www.blender.org (در 10 اکتبر 2019 قابل دسترسی است).
  23. Sanni, S. نظریه و کاربردهای واقعیت افزوده مبتنی بر نشانگر . مرکز تحقیقات فنی VTT فنلاند: اسپو، فنلاند، 2012. [ Google Scholar ]
  24. جرومیتین. آموزش نشانگر AR.js. 2019. در دسترس آنلاین: https://jeromeetienne.github.io/AR.js/three.js/examples/marker-training/examples/generator.html (در 6 ژوئن 2019 قابل دسترسی است).
  25. ولش، جی. Bishop, G. Introduction to the Kalman Filter ; دانشگاه کارولینای شمالی: چپل هیل، NC، ایالات متحده آمریکا، 1995. [ Google Scholar ]
  26. دیویس، FD یک مدل پذیرش فناوری برای آزمایش تجربی سیستم‌های اطلاعات کاربر نهایی جدید: نظریه و نتایج. دکتری پایان نامه، موسسه فناوری ماساچوست، کمبریج، MA، ایالات متحده آمریکا، 1985. [ Google Scholar ]
  27. ابوشوک، م. مگیکس، پی. Lim، WM مزایای درک شده و پذیرش تجارت الکترونیک توسط آژانس های مسافرتی SME در کشورهای در حال توسعه: شواهدی از مصر. جی. هاسپ. تور. Res. 2013 ، 37 ، 490-515. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  28. کازالو، LV; فلاویان، سی. Guinalíu، M. عوامل تعیین کننده قصد شرکت در جوامع مسافرتی آنلاین با میزبانی شرکت و اثرات آن بر نیات رفتاری مصرف کننده. تور. مدیریت 2010 ، 31 ، 898-911. [ Google Scholar ] [ CrossRef ]
  29. Holsapple، CW; Wu, J. پذیرش کاربر از جهان‌های مجازی: چارچوب لذت‌گرا. در پایگاه داده ACM SIGMIS: پایگاه داده برای پیشرفت در سیستم های اطلاعاتی . کتابخانه دیجیتال ACM: نیویورک، نیویورک، ایالات متحده آمریکا، 2007. [ Google Scholar ]
  30. رحیمی، ب. ندری، ح. افشار، HL; Timpka، T. بررسی سیستماتیک مدل پذیرش فناوری در انفورماتیک سلامت. Appl. کلین آگاه کردن. 2018 ، 9 ، 604-634. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  31. کیم، دی. پارک، جی. موریسون، AM مدلی از پذیرش مسافر از فناوری تلفن همراه. بین المللی جی. تور. Res. 2008 ، 10 ، 393-407. [ Google Scholar ] [ CrossRef ]
  32. دیویس، FD سودمندی درک شده، سهولت استفاده درک شده و پذیرش کاربر از فناوری اطلاعات. کوارت MIS. 1989 ، 319-340. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  33. Goodhue، DL; Thompson, RL Task-technology متناسب و عملکرد فردی. کوارت MIS. 1995 ، 19 ، 213-236. [ Google Scholar ] [ CrossRef ]
  34. دیشاو، MT; قوی، DM گسترش مدل پذیرش فناوری با ساختارهای مناسب تکلیف-فناوری. آگاه کردن. مدیریت 1999 ، 36 ، 9-21. [ Google Scholar ] [ CrossRef ]
  35. بساوغلو، ن. Cayir, S. کاربران و قابلیت همکاری فناوری اطلاعات: تجزیه و تحلیل مدل مناسب اطلاعات وظیفه. در مجموعه مقالات کنفرانس بین المللی PICMET’09-2009 پورتلند در مورد مدیریت مهندسی و فناوری، پورتلند، OR، ایالات متحده آمریکا، 2 تا 6 اوت 2009. صص 3144–3153. [ Google Scholar ]
  36. وو، بی. چن، ایکس. قصد تداوم استفاده از MOOC ها: ادغام مدل پذیرش فناوری (TAM) و مدل برازش فناوری وظیفه (TTF). محاسبه کنید. هوم رفتار 2017 ، 67 ، 221-232. [ Google Scholar ] [ CrossRef ]
  37. بکر، دی. پذیرش برنامه های کاربردی درمان سلامت روان موبایل. Procedia Comput. علمی 2016 ، 98 ، 220-227. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  38. Li، YM; بله، YS افزایش اعتماد به تجارت تلفن همراه از طریق زیبایی شناسی طراحی. محاسبه کنید. هوم رفتار 2010 ، 26 ، 673-684. [ Google Scholar ] [ CrossRef ]
  39. هارتمن، جی. ساتکلیف، آ. آنجلی، AD به سوی یک نظریه قضاوت کاربر در مورد زیبایی شناسی و کیفیت رابط کاربر. ACM Trans. محاسبه کنید. هوم اینتراک. 2008 ، 15 ، 15. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  40. ورهاگن، تی. فلدبرگ، اف. ون دن هوف، بی. منتس، اس. Merikivi، J. درک انگیزه های کاربران برای مشارکت در دنیای مجازی: یک مدل چند منظوره و آزمایش تجربی. محاسبه کنید. هوم رفتار 2012 ، 28 ، 484-495. [ Google Scholar ] [ CrossRef ]
  41. هوانگ، اچ. یونگ، ک. کیم، اس. وب GESCA. 2019. در دسترس آنلاین: https://sem-gesca.com/webgesca (دسترسی در 10 اکتبر 2019).
  42. هوانگ، اچ. Takane, Y. تجزیه و تحلیل مولفه ساختاریافته تعمیم یافته: رویکرد مبتنی بر مولفه به مدل سازی معادلات ساختاری . CRC Press: Boca Raton، FL، USA، 2014. [ Google Scholar ]
  43. یونگ، ک. پانکو، پی. لی، جی. Hwang, H. یک مطالعه مقایسه ای بر روی عملکرد GSCA و CSA در بازیابی پارامتر برای مدل های معادلات ساختاری با متغیرهای مشاهده شده ترتیبی. جلو. روانی 2018 ، 9 ، 2461. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  44. کرونباخ، L. ضریب آلفا و همسانی درونی آزمون. Psychometrika 1951 ، 16 ، 297-334. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  45. به طور کلی، JC Psychometric Theory 3E ; آموزش تاتا مک گراو هیل: نیویورک، نیویورک، ایالات متحده آمریکا، 1994. [ Google Scholar ]
Ijgi 09 00075 g001 550
شکل 1. سواره نظام کنفدراسیون و نیروهای اتحادیه در حال آماده شدن برای نبرد (موزه نیروهای نظامی تگزاس) [ 5 ].
Ijgi 09 00075 g002 550
شکل 2. تبدیل مدل های سه بعدی رایگان به مدل های سه بعدی باینری AR وب.
Ijgi 09 00075 g003 550
شکل 3. صحنه اصلی AR میدان نبرد Palmito Ranch. کد QR واقع در پایین سمت راست به کاربران امکان دسترسی به برنامه واقعیت افزوده (AR) را می دهد. مرحله 3 در حال شبیه سازی است (دکمه رنگ قرمز)، با متن حاشیه نویسی که این رویداد را توصیف می کند زیرا نیروهای اتحادیه مزرعه پالمیتو را گرفته و تدارکات را می سوزانند.
Ijgi 09 00075 g004 550
شکل 4. یک نشانگر (حرف A) با چهار الگوی نمونه: ( الف ) موقعیت عادی، ( ب ) چرخش به چپ، ( ج ) چرخش وارونه، و ( د ) چرخش به راست.
Ijgi 09 00075 g005 550
شکل 5. فرآیند ایجاد نشانگر و جاسازی روی نقشه موجود: ( الف ) برش منطقه مورد علاقه، ( ب ) استخراج الگوهای نمونه، ( ج ) کادر مربع سیاه افزوده، ( د ) افزودن تصویر به نقشه و ( ه ) روی هم قرار دادن مدل سه بعدی روی نقشه
Ijgi 09 00075 g006 550
شکل 6. مدل تحقیق مفهومی [ 26 ]. دایره‌ها ساختارهایی را نشان می‌دهند که با مجموعه‌ای از آیتم‌ها اندازه‌گیری می‌شوند، با فلش‌هایی که فرضیه‌های 1 تا 6 را نشان می‌دهند.
Ijgi 09 00075 g007 550
شکل 7. نتایج مدل تحقیق ضریب مسیر.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید