元宇宙交互不止于年轻：VR 中年龄、数字素养与多模态交互的最新证据
一项覆盖 19–90 岁 202 名成年人的研究系统比较了眼动、头动、手柄射线、虚拟手指和手柄直接触控五种 VR 交互方式，发现年龄与交互模态显著影响心理运动与认知灵活性表现，且处理速度是关键中介。
结论先行
对元宇宙与沉浸式 XR 产业而言，用户并非「同质化年轻群体」。在沉浸式 VR 中，年龄、数字素养与交互模态共同决定了心理运动表现和认知灵活性表现，处理速度（processing speed）是关键中介。设计若忽视年龄与交互模态差异，认知训练与评估的有效性将被高估。
事实与出处
- 研究样本：202 名成年人，年龄跨度 19–90 岁，兼顾老中青三代。
- 交互模态：五种 Fitts 定律任务——眼动注视（eye-gaze）、头动注视（head-gaze）、手柄射线投射（controller ray-casting）、虚拟手指（virtual finger）和手柄直接触控（controller direct touch）。
- 认知测量：Trail Making Test 等指标评估认知灵活性。
- 关键发现：年龄、交互模态与表现显著相关，处理速度在二者之间起中介作用；不同模态在不同年龄段呈现差异化表现。
- 出处：arXiv 2609.20719v1（论文标题见题）。
我司判断
- 对面向 C 端的元宇宙应用，应提供至少 2–3 种交互模态的「无障碍替代路径」，例如默认射线投射外同时支持眼动与直接触控，避免把老年用户挡在门外。
- 对 B 端认知训练与神经评估产品，处理速度指标应进入基线模型；忽视它会同时低估老年用户的能力与高估干预效果。
- 数字素养差异提示需在产品内嵌入轻量化「操作预热」环节（如自适应校准与短时练习），作为标准流程而非可选插件。
局限
- 单中心、横截面设计，无法推断年龄与交互模态的因果方向。
- Fitts 定律任务虽标准化，但与真实元宇宙场景（社交、购物、协作）的生态效度仍有差距。
- 样本规模虽覆盖广年龄跨度，但 80 岁以上等极端高龄组人数有限，结论向超高龄人群外推需谨慎。
- 论文未披露硬件品牌与显示参数，不同头显的追踪精度差异可能放大或缩小模态间差距。
- 处理速度作为中介的统计模型尚需在纵向与干预研究中复核。
以上为论文层面信号，不构成我司产品能力承诺，相关设计建议仍需结合具体硬件、目标人群与场景进行验证。