擴增內容的產生方法

專利類型

發明

專利國別 (專利申請國家)

中華民國

專利申請案號

107117480

專利證號

I 690826

專利獲證名稱

擴增內容的產生方法

專利所屬機關 (申請機關)

國立臺灣師範大學

獲證日期

2020/04/11

技術說明

1.根據使用者特徵、行為與操作參數條件的演算方則 根據使用者特徵、行為與操作參數條件(以下稱適性化)是針對不同使用者的個別差異的特性，而採取各種適當的擴增內容、策略與資源。嘗試將適性化機制整合於擴增實境的技術架構中，是極具前瞻的軟體技術，然而目前還沒有任何技術與商品化的實做出現。將擴增實境架構與適性化策略整合，最大的門檻在於如何準確分析使用者當下的狀態與需求，準確提供適性化的內容。擴增實境的使用情境中，使用者的行為與一般軟體的使用行為有很大的不同，因此如何建立一個行為分析架構，透過使用者在操作擴增實境的行為進行即時的演算與分析，就是本創作最重要的課題。使用者的特質與需求會透過使用者的外在行為而表現出來，擴增實境架構為使用者與物理環境互動的橋梁，能夠擷取所有使用者對於物理環境/虛擬內容操作與互動的行為。這些行為包括了時間、序列以及通訊的資料，利用這些資料，本創作將發展出一個Time Sequence Communication 模型(TSC 模型)，用以描述使用者的行為模型與適性的行為類型，並集成資料庫，達成適性化擴增實境的整合建置。 2.TSM模型 TSM模型的概念源自於擴增實境使用者的操作行為，針對使用者在其中的操作行為大致可分為三類：時間類、序列類以及通訊類，這些參數構成TSC 模型的三維模型。 時間類包括使用者操作擴增實境時，於目標物上的懸停時間(AR Hover Time)、閱讀擴增訊息的時間(AR Reading Time)，以及擴增沉浸比(Ratio of Immersion)，擴增沉浸比用以描述使用者受擴增實境策略影響的時間與整體操作時間的比例。時間類的訊息可以顯示出整體使用受擴增實境策略影響的比重，來界定產生的結果與行為受擴增實境策略因子影響的成分比。舉例來說，如果AR Hover Time較長，而AR Reading Time的比例卻很短，表示使用者的心理焦點著重於實際的物理環境而非擴增訊息。又例如，如果使用者的Ratio of Immersion很低，表示擴增實境的架構或擴增內容設計有問題，可能不是使用者想要或需要的訊息。 序列類的部分包含擴增訊息閱讀的順序性(Reading Sequence)與內容互動序列(Content Interactive Sequence)。Reading Sequence參數將反應出使用者對於擴增訊息內容的心理回饋，反應出內容脈絡是否適當。Content Interactive Sequence則表示使用者對於擴增實境內容物件的操弄順序，這項參數可能顯示使用者對於擴增物件的理解與想法。 通訊類的部分包含受試者與受試者間的物理性互動(Physical)以及虛擬互動(In-APP)。物理性互動包括與同儕之間的口語溝通、肢體互動、協作行為等類型，透過質性轉量化的分析方法，轉換成可計算的數值參數。虛擬互動的資料來自受試者操作APP內建的通訊與互動功能(例如同步訊息聊天室、非同步型討論區)的頻率與對象網絡。從這些互動特徵也可以推測擴增環境與擴增內容對於使用者的適性狀態。 根據TSC 模型的結構，我們可以對應每個使用者的TSC參數與專家設計的適性化內容，提供不同難度(Difficulty)、品質(Quantity)與數量(Quality)的內容素材，稱為DQQ指標。透過專家以人工的方式，對於每個使用者在不同TSC參數狀態下設計合適的內容素材並建成資料庫，並累積到相當數量的資料以進行大數據分析。當TSC模型的內容素材資料庫完成後，系統將能即時透過擴增實境載具所抓到的TSC參數，計算出適當的DQQ指標，然後自資料庫中取得所對應的DQQ指標之內容素材作為擴增訊息給予使用者。

備註

連絡單位 (專責單位/部門名稱)

產學合作組

連絡電話

77341329

網址