RCT mit Lehramtsstudierenden: 360°-VR zum Stimmtraining hinzuzufügen war motivierend, aber kurzfristig nicht besser, als sich das Klassenzimmer vorzustellen

Hintergrund

Stimmstörungen sind bei Lehrkräften häufig, mit Prävalenzschätzungen, die von etwa 20% bis 80% reichen, und die Warnzeichen treten früh auf: Ein bedeutsamer Anteil der Lehramtsstudierenden berichtet bereits vor Beginn ihrer Laufbahn über wiederkehrende Stimmsymptome. Unterrichten stellt anhaltende, hochintensive Anforderungen an die Stimme in akustisch schwierigen Räumen, und die Folgen stimmlicher Schwierigkeiten reichen weit über die Stimme selbst hinaus und betreffen Fehlzeiten, berufliche Identität, Wohlbefinden und sogar die Fähigkeit der Schülerinnen und Schüler, dem Gesagten zu folgen.

Sowohl indirekte (auf Schulung ausgerichtete) als auch direkte (auf Übungen ausgerichtete) Stimmtrainingsprogramme können stimmliche Symptome und das Bewusstsein verbessern, doch zwei Probleme bestehen fort: Die Effekte sind bei gesunden Trainierenden oft moderat, und - am wichtigsten für diese Studie - es ist schwer, neu erlernte stimmliche Techniken aus dem Trainingsraum heraus und in das reale Klassenzimmer zu übertragen. Immersive virtuelle Realität wurde als Möglichkeit vorgeschlagen, diese Lücke zu schließen, indem man Menschen innerhalb realistischer, kontrollierbarer Simulationen jener Settings üben lässt, in denen die Fertigkeiten tatsächlich gebraucht werden.

Diese Studie baut direkt auf früheren Arbeiten von Remacle und Kolleginnen und Kollegen auf, die ein computergeneriertes virtuelles Klassenzimmer für das Stimmtraining von Lehramtsstudierenden schufen. Jene frühere Arbeit verglich ein indirektes Programm mit einem direkten, VR-gestützten Programm, was es unmöglich machte, den Effekt von VR selbst vom Effekt des Trainingsinhalts zu trennen. Bostyn und Kolleginnen und Kollegen setzten sich zum Ziel, diese Konfundierung zu beheben: Sie hielten den Trainingsinhalt über beide Gruppen konstant und variierten allein, ob die Übungen innerhalb einer immersiven 360°-Schulumgebung oder beim bloßen Vorstellen einer solchen durchgeführt wurden.

Was die Forschenden taten

Dies war eine randomisierte kontrollierte Studie mit einem Vortest-Nachtest-Kontrollgruppendesign, durchgeführt von einem Team der Universität Gent / KU Leuven in Belgien. Dreiundsechzig Lehramtsstudierende, die in einem flämischen Grundschul- oder Sekundarschul-Lehramtsprogramm eingeschrieben waren, nahmen teil (alle niederländischsprachig; 49 cisgender Frauen und 14 cisgender Männer; Durchschnittsalter 28,9 Jahre, SD 10,8). Die Teilnehmenden waren stimmgesund: Personen mit selbst berichteten Hörproblemen, einer diagnostizierten organischen Stimmpathologie, kürzlichem regelmäßigem Rauchen oder vorherigem intensivem Stimmtraining wurden ausgeschlossen. Sie wurden in kleine Trainingsgruppen von je vier Personen organisiert und durch blockweise Cluster-Randomisierung (mit dem Geschlecht bei Geburt als Blockungsfaktor) entweder der VR-Gruppe (n=30) oder der Kontrollgruppe (n=33) zugeteilt und waren gegenüber der Existenz der jeweils anderen Bedingung verblindet.

Beide Gruppen erhielten die gleichen drei 90-minütigen Gruppen-Stimmtrainingssitzungen über drei aufeinanderfolgende Wochen, durchgeführt von geschulten Logopädie-Masterstudierenden, die selbst gegenüber der Zuteilung verblindet waren. Die Sitzungen umfassten Stimmhygiene sowie Übungen für Körperhaltung, Atmung, Resonanz (einschließlich Übungen mit teilverschlossenem Vokaltrakt), stimmliches Aufwärmen und Stimmprojektion mit Artikulation. Der einzige experimentelle Unterschied war die Durchführung der Übungen:

• Die VR-Gruppe führte die Übungen durch, während sie ein Meta-Quest-3-Headset trug und in 360°-Videos eines Klassenzimmers, einer Cafeteria und eines Schulhofs eingetaucht war, die die Autorinnen und Autoren in einer realen flämischen Grundschule aufgenommen hatten.
• Die Kontrollgruppe führte die identischen Übungen durch, während sie aufgefordert wurde, sich dieselben Schulsettings gedanklich vorzustellen.

Das Hintergrundgeräusch (zum Beispiel rund 75 dB auf dem Schulhof und 40 dB in einem ruhigen Klassenzimmer) wurde über die beiden Gruppen hinweg abgeglichen, sodass das Einzige, was sich tatsächlich unterschied, die durch VR bereitgestellte visuelle Immersion war.

Vor der ersten Sitzung und nach der dritten wurde jede teilnehmende Person individuell bewertet hinsichtlich:

1. Selbst eingeschätzter stimmlicher Anstrengung auf der Borg-CR10-Skala, nach dem Vorlesen einer langen Passage unter 65 dB Weißrauschen.
2. Forschungsseitig beurteilter Körperhaltung, Muskelspannung und Stimmprojektion auf einer visuellen Analogskala von 0-100, plus der sechs CAPE-V-Perzeptionsparameter (Schweregrad, Rauigkeit, Behauchtheit, Anstrengung, Tonhöhe, Intensität), bewertet anhand von Audio- und Videoaufnahmen einer einminütigen spontanen Aufgabe „Erkläre der Klasse ein Thema” unter Weißrauschen.
3. Akustischer Maße - Grundfrequenz, Grundfrequenzbereich und Intensitätsbereich (Lautstärke) -, analysiert in Praat anhand gehaltener Vokale und einer vorgelesenen Passage.
4. Eines Fragebogens zur Trainingserfahrung (allgemeine Fragen für alle, plus Fragen zum VR-Realismus für die VR-Gruppe und Fragen zur Schwierigkeit des Vorstellens für die Kontrollgruppe).

Die Daten wurden mit linearen gemischten Modellen mit Cohen’s-d-Effektstärken analysiert. Die Autorinnen und Autoren wendeten bewusst keine Korrektur für multiple Vergleiche an und rahmen die Studie als explorativ; die Beurteiler-Reliabilität wurde mit Intraklassen-Korrelationskoeffizienten geprüft.

Was sie fanden

Beide Gruppen verbesserten sich bei den beiden Endpunkten, die am empfindlichsten auf kurzfristiges Training reagieren, ohne VR-Vorteil. Die selbst eingeschätzte stimmliche Anstrengung sank in beiden Gruppen signifikant (VR -1,05, Kontrolle -0,83 Borg-Punkte; mittlere bis große Effekte), und beide erweiterten ihren Lautstärkebereich signifikant (VR +3,99 dB, Kontrolle +3,35 dB; moderate Effekte). Es gab keine signifikanten Zwischen-Gruppen-Unterschiede und keine Interaktionen bei einem der beiden Maße - die beiden Durchführungsmethoden funktionierten etwa gleich gut.

Dort, wo sich die Gruppen unterschieden, schnitt die Kontrollgruppe etwas besser ab - allerdings mit Einschränkungen. Die Kontrollgruppe zeigte signifikante Verbesserungen bei der forschungsseitig beurteilten Körperhaltung und Muskelspannung, die VR-Gruppe hingegen nicht. Die Autorinnen und Autoren sind hier vorsichtig: Die Kontrollgruppe startete mit sichtbar mehr Spannung als die VR-Gruppe, die beiden Gruppen lagen nach dem Training ähnlich, und mehrere VR-Teilnehmende berichteten, sich von der immersiven Umgebung überfordert oder abgelenkt zu fühlen, und merkten an, dass das Headset es erschwerte, eine gute Körperhaltung zu halten. Somit ist das Muster „Kontrolle schnitt besser ab” plausibel eine Mischung aus Ausgangsungleichheit, einem Headset-Effekt auf die Körperhaltung und der begrenzten Reliabilität dieser perzeptuellen Bewertungen, statt eines echten Nachteils von VR für die Stimmtechnik.

Die meisten anderen Maße bewegten sich nicht. Die Stimmprojektion veränderte sich in keiner der beiden Gruppen (die Werte waren zu Beginn bereits gut), und die CAPE-V-Perzeptionsparameter waren weitgehend unverändert, wobei sich nur die „Anstrengung” (strain) über die gesamte Stichprobe schwach verbesserte. Grundfrequenz und Frequenzbereich blieben unverändert - wenig überraschend, da die Übungen Atemstütze und Projektion statt der Tonhöhe ansprachen und die Teilnehmenden stimmgesund waren und wenig Spielraum für Verbesserung hatten. Bei nahezu allen nicht signifikanten Endpunkten waren die Konfidenzintervalle breit genug, dass die Studie einen realen Effekt schlicht nicht ausschließen konnte; sie war unterpowert.

Der klarste Gewinn von VR lag im Erleben. Die meisten VR-Teilnehmenden bewerteten das Klassenzimmer (76,7%) und die Cafeteria (80%) als realistisch und die Umgebungen als angenehm zum Üben (70%); der Schulhof schnitt schlechter ab (53,3%), was den spärlichen, langsam reagierenden virtuellen Schülerinnen und Schülern des 360°-Videos angelastet wurde. Im Gegensatz dazu konnte sich eine große Minderheit der Kontrollgruppe die Schulsettings überhaupt nicht lebhaft vorstellen (rund 42-45% für jedes), und jene, die noch nie unterrichtet hatten, taten sich am schwersten. Jede teilnehmende Person bewertete das Training als nützlich, zwei Drittel empfanden die Übungen als leicht, und das selbst berichtete Üben zu Hause unterschied sich nicht zwischen den Gruppen.

Warum das wichtig ist

Dies ist eine der ersten Studien, die den Effekt der visuellen VR-Immersion isoliert, indem sie den Trainingsinhalt über die Gruppen hinweg identisch hielt - die Konfundierung, die frühere VR-Arbeiten mit Lehramtsstudierenden einschränkte. Ihre ehrliche Schlagzeile ist ein Nullbefund: Über drei Sitzungen verbesserte immersive 360°-VR die kurzfristigen Stimmergebnisse nicht über dieselben Übungen hinaus, die beim Vorstellen des Klassenzimmers durchgeführt wurden, und könnte Körperhaltung und Spannung durch die Beeinträchtigung des Headsets sogar in die falsche Richtung gelenkt haben.

Das interessantere Signal betrifft Engagement und Zugang. Eine trainierende Person, die noch nie vor einer Klasse gestanden hat, aufzufordern, sich „das Klassenzimmer vorzustellen”, scheiterte häufig, während die VR-Szenen als realistisch und angenehm bewertet wurden. Wenn ein lebendiger, gegenwärtig wirkender Kontext Trainierenden hilft, motiviert zu bleiben und konsistent zu üben - der von den Autorinnen und Autoren vorgeschlagene Mechanismus -, könnte das für ein präventives Programm von Bedeutung sein, dessen ganzer Sinn darin besteht, dauerhafte Gewohnheiten aufzubauen, bevor Stimmprobleme einsetzen. Doch die Autorinnen und Autoren betonen ausdrücklich, dass dies eine Hypothese ist: Motivation war hier kein kontrollierter Endpunkt, das Programm war kurz, die Teilnehmenden waren stimmgesund, und ein etwaiger Transfernutzen würde längere Studien mit Nachbeobachtung im realen Klassenzimmer erfordern, um nachgewiesen zu werden.

Speziell für Therapy withVR: Diese Studie setzte Therapy withVR nicht ein, evaluierte es nicht und verglich nicht damit. Das getestete System war maßgeschneidertes 360°-Video, das vom Forschungsteam aufgenommen und auf einer Meta Quest 3 abgespielt wurde, eingesetzt zum Coaching stimmlicher Technik zur Prävention von Stimmstörungen - ein anderer Bereich als der Fokus von Therapy withVR auf das Einüben von Sprechsituationen und die Bewältigung sprechbezogener Angst. Die Bostyn-Publikation ist in den Evidence Hub aufgenommen, weil sie die breitere Evidenzbasis zu immersiver VR in der Logopädie erweitert, nicht weil sie in Bezug zu Therapy withVR steht.

Limitationen

Die Autorinnen und Autoren weisen in ihrer Diskussion auf Folgendes hin:

• Begrenzte Interrater-Reliabilität. Die Übereinstimmung zwischen den drei forschungsseitigen Beurteilenden war mitunter schlecht (ICC bis hinunter zu 0,339), und sie hatten ihre Bewertungen vorab nicht gemeinsam kalibriert. Dies schwächt das Vertrauen in die perzeptuellen Endpunkte (CAPE-V, Körperhaltung, Spannung, Projektion), die nach Aussage der Autorinnen und Autoren mit Vorsicht zu interpretieren sind.
• Unterpowert für mehrere Maße. Mit 63 Teilnehmenden, aufgeteilt auf zwei Gruppen, waren die Konfidenzintervalle für die nicht signifikanten Endpunkte breit; die Studie konnte reale Effekte nicht ausschließen, für deren Erkennung ihr die Power fehlte.
• Keine Korrektur für multiple Vergleiche. Da viele Endpunkte getestet und keine Korrektur angewendet wurde, könnten einige statistisch signifikante Befunde falsch positiv sein. Die Autorinnen und Autoren bezeichnen ihre Ergebnisse ausdrücklich als hypothesengenerierend und nicht als bestätigend.
• Stimmgesundes, kurzes, präventives Programm. Die Teilnehmenden hatten keine Stimmbeschwerden und trainierten nur drei Sitzungen lang, was wenig Spielraum für messbare akustische Veränderung ließ; das Programm zielte darauf ab, Gewohnheiten aufzubauen, nicht eine Störung zu behandeln.
• CAPE-V außerhalb seines klinischen Standards angewendet. Die perzeptuellen Bewertungen wurden aus Sprache erhoben, die unter 65-dB-Weißrauschen produziert wurde, was eine Lombard-Sprechweise auslösen kann, weshalb die CAPE-V-Werte studieninterne Relativunterschiede widerspiegeln, keine validen klinischen Diagnosen.
• Ausgangsungleichheit und ein möglicher Headset-Effekt. Die Kontrollgruppe begann mit sichtbar mehr Spannung als die VR-Gruppe, was die eine grenzwertige Interaktion erschwert, und das VR-Headset selbst könnte die Körperhaltung und das Körperbewusstsein der Teilnehmenden beeinflusst haben.
• Begrenzter auditiver Realismus und Kleingruppenformat. Die eigenen Stimmen der Teilnehmenden wurden nicht in den Umgebungsklang integriert, und der Raumnachhall wurde nicht simuliert, was die ökologische Validität verringerte; das Training in Gruppen von vier Personen ermöglichte Peer-Feedback, fügte aber auch Variabilität hinzu.
• Überwiegend Frauen. Etwa drei Viertel der Teilnehmenden waren Frauen (die generell anfälliger für Stimmstörungen sind), was die Ergebnisse verzerren könnte, auch wenn dies zugleich die reale Lehrkräfte-Population widerspiegelt.