在现代教育体系中，化学元素周期表不仅被视为化学学科的核心工具，同时也是自然科学教育的重要基石。然而，传统教学方式往往以记忆为主，缺乏互动性和趣味性，导致学生的学习兴趣不高，难以真正掌握周期表中的复杂概念。为了解决这一问题，本文介绍了一种通过虚拟现实（VR）技术创建周期表的创新方法，旨在提升学生的学习体验，并推动VR技术在化学教育中的应用。这种方法不仅降低了技术门槛，还为教育者提供了高度可定制的资源，使得周期表的学习更加生动和直观。
### 1. 引言
周期表作为化学教学的基础工具，其内容涵盖118种元素，其中包括过渡金属等重要类别。这些元素不仅是化学反应的核心参与者，也在生物学、材料科学等多个领域中扮演着关键角色。因此，如何让学生更好地理解和记忆这些元素，成为教育者关注的重点。近年来，随着增强现实（AR）、虚拟现实（VR）等新兴技术的发展，教育者开始探索将这些技术融入课堂教学的可能性。特别是在化学和生物化学领域，利用VR技术展示分子结构和周期表，不仅能够提升学生的空间认知能力，还能激发他们的学习兴趣。
在这一背景下，本文提出了一种基于MolecularWebXR平台的周期表VR构建方法。MolecularWebXR是一个由瑞士洛桑联邦理工学院（EPFL）开发的免费VR平台，能够支持沉浸式的3D网络环境。通过该平台，用户可以使用浏览器直接访问VR内容，无需注册或安装特定软件。这种便捷性使得VR技术在教育领域的应用更加广泛。然而，由于周期表内容庞大且复杂，手动创建和上传3D模型不仅耗时费力，还难以满足多语言和多版本的需求。因此，本文通过自动化脚本，实现了周期表3D模型的批量生成和上传，从而提高了效率，降低了使用门槛。
### 2. 方法论
本文的方法论主要分为两个部分：3D模型的生成和VR平台的集成。首先，使用Blender和Python脚本生成周期表的3D模型。Blender是一款开源的3D建模软件，能够创建高质量的3D对象，而Python脚本则用于自动化处理这些模型，使其符合不同语言和布局的要求。周期表的布局可以根据需要进行调整，包括不同的分组方式和版本（如主族周期表或完整周期表）。此外，用户还可以为每个元素指定特定的颜色方案，以增强视觉识别能力。
为了实现多语言支持，本文从Wikidata等数据源获取元素名称和属性信息，并将其存储为CSV文件，供Python脚本读取。生成的3D模型以Wavefront格式（.obj和.mtl）保存，以确保其能够兼容MolecularWebXR平台。值得注意的是，MolecularWebXR平台对文件格式有特定要求，因此在生成模型时，需要确保文件符合其格式规范。此外，为了模拟VMD（Visual Molecular Dynamics）软件生成的文件，本文对输出文件进行了适当调整，以满足平台的兼容性需求。
接下来，为了将生成的3D模型上传至MolecularWebXR平台，本文采用Puppeteer这一JavaScript库，结合Node.js实现自动化上传和转换流程。Puppeteer能够控制浏览器，模拟用户操作，从而自动完成文件上传、格式转换和URL获取。这一过程通过脚本实现，避免了手动上传的繁琐操作，提高了效率。此外，由于MolecularWebXR平台对上传文件数量有限制，因此需要合理安排上传顺序，确保平台能够处理所有文件。
在生成和上传3D模型之后，用户可以通过MolecularWebXR平台进行交互。该平台允许用户在虚拟环境中查看、移动和调整3D模型的大小，从而提供更加直观的学习体验。对于周期表而言，这种交互能力尤为重要，因为学生可以通过动态操作来理解元素之间的关系和化学性质的变化。此外，用户还可以选择使用完整的周期表或主族版本，以适应不同的教学需求。
### 3. 结果与讨论
#### 3.1 3D模型的生成
通过Python脚本生成的3D模型，可以满足不同语言和布局的需求。对于每种语言，生成118个独立元素模型以及一个完整的周期表模型，共计2380个输出文件。在测试过程中，Blender的运行效率在不同操作系统上有所差异，例如在Ubuntu系统上表现更为稳定，而Windows和macOS则可能遇到性能问题。为了应对这一挑战，用户可以在程序崩溃时，仅重新运行缺失部分的代码，以避免重复生成所有模型。
此外，生成的3D模型在转换为WebGL格式时可能会出现一些几何问题，如不规则的顶点法线和非均匀的多边形拓扑结构。这些问题可能会影响模型的渲染效果，特别是在某些字符的显示上。为了解决这一问题，本文建议使用更简洁的字体，以减少几何复杂度，从而提高模型的渲染质量。
#### 3.2 文件上传与格式转换
在生成3D模型之后，需要通过PDB2AR平台将其转换为WebGL格式（.glTF）。由于平台对上传文件数量有限制，因此需要合理安排上传顺序，并在每次上传后等待确认邮件。上传过程通常需要约一分钟处理每个文件，因此对于118个元素模型，整个转换过程可能需要较长时间。为了提高效率，本文建议分批次上传，即一次仅处理一种语言的文件，以确保平台能够顺利处理所有数据。
上传后的文件会被存储在服务器上，并生成对应的URL，供MolecularWebXR平台使用。这些URL可以被直接嵌入到VR房间中，使得用户能够轻松访问和交互。对于某些元素，转换后的文件体积显著减小，例如德语版本的平均元素模型体积从约1.6 MB降至156 KB，而完整周期表的体积也从127 MB降至5.7 MB。这种压缩不仅提高了加载速度，还减少了网络传输的负担。
#### 3.3 VR房间的显示与操作
为了实现VR房间的自动创建和管理，本文使用Puppeteer脚本控制浏览器，模拟用户操作，从而完成房间的初始化和对象的加载。用户可以通过生成的Room Code加入VR房间，并与房间内的其他用户进行互动。由于VR房间是临时性的，服务器会在一段时间后终止会话，因此用户需要重新生成Room Code以继续访问。这种机制确保了资源的合理使用，同时也为用户提供了灵活性。
在VR房间中，用户可以自由调整元素的位置和大小，以适应不同的学习需求。这种交互能力不仅增强了学习的趣味性，还帮助学生更好地理解元素之间的关系。例如，在主族周期表中，学生可以将元素拼接成单词或化合物，从而在游戏化的学习过程中加深对元素符号和名称的记忆。
#### 3.4 3D打印的考虑
除了VR体验，本文还探讨了3D打印作为周期表模型的另一种实现方式。通过将3D模型转换为STL格式，用户可以将其打印为物理模型，作为教学辅助工具使用。物理模型在某些情况下具有不可替代的优势，例如当VR设备不可用或学生更倾向于使用实体物品时。此外，物理模型还能为视障学生提供触觉学习的机会，使他们能够通过触摸来理解元素的排列和特性。
然而，3D打印同样面临一些挑战。例如，打印所需的硬件和材料成本较高，且需要一定的技术知识。此外，打印尺寸和材料的选择也需要根据具体需求进行调整。本文提供了一些可打印的示例文件，供用户参考和使用。
#### 3.5 试点应用：单词构建游戏
为了验证VR周期表的实际应用效果，本文设计了一个简单的单词构建游戏。该游戏允许用户在VR环境中将元素符号拼接成单词或化合物，从而在游戏化学习中增强对元素的记忆和理解。通过这种方式，学生不仅能够学习元素的名称和符号，还能探索它们在周期表中的位置关系。
游戏的实现依赖于MolecularWebXR平台的互动功能，使得学生能够在虚拟环境中进行实时操作。本文还录制了两个简短视频，分别展示了单人模式和双人模式下的游戏过程。这些视频为教育者提供了直观的参考，帮助他们评估VR技术在课堂中的可行性。此外，这些资源也可以作为教育活动的基础，无需进一步的定制即可直接使用。
#### 3.6 局限性
尽管本文提出的方法在技术上具有可行性，但在实际应用中仍存在一些限制。首先，该方法需要较高的硬件配置，特别是对于Blender和Node.js的运行。Blender的推荐配置包括32 GB的RAM、8核CPU和8 GB的GPU显存，这对于许多学校和教育机构而言可能是一个较大的挑战。其次，文件的上传和转换过程需要稳定的网络连接，且上传的文件体积较大，可能导致带宽占用过高。
此外，VR体验需要特定的硬件支持，如VR头显。目前，Meta Quest II等设备已被用于测试，但其成本较高，且某些设备仅支持观看，无法进行完整的交互。因此，教育者在引入VR技术时，需要考虑硬件成本和可用性。最后，VR房间的使用需要一定的物理空间，例如一个7×7平方米的开放区域，以确保学生能够自由移动和操作模型。
### 4. 结论与未来展望
本文通过自动化脚本和开源工具，成功构建了一个沉浸式的VR周期表体验。这一方法不仅提高了周期表3D模型的生成效率，还为教育者提供了高度可定制的资源，使得VR技术能够更广泛地应用于化学教育。通过将周期表与互动游戏相结合，学生可以在轻松愉快的环境中学习元素的名称、符号和特性，从而提升学习效果。
然而，VR技术的普及仍然面临一些挑战，包括硬件成本、网络带宽和物理空间的限制。为了克服这些障碍，未来的研究可以探索更高效的文件压缩技术，以减少上传时间和带宽需求。此外，开发更轻量级的VR平台，使其能够在较低配置的设备上运行，也将有助于扩大其应用范围。
在教育领域，VR技术的应用前景广阔。除了化学教育，它还可以用于生物、物理等其他学科的教学。通过创建多样化的3D教育资源，教育者能够设计更加丰富的教学活动，从而提高学生的参与度和学习效果。本文的研究为这一方向提供了重要的技术支持，也为未来的教育创新奠定了基础。
### 5. 伦理声明
本文的研究主要涉及周期表3D模型的生成和VR平台的集成，未涉及任何人类受试者。所有实验数据均来源于非人类的测试环境，例如通过模拟和软件操作获得的运行时间和模型质量等信息。此外，本文中使用的视频和动画由作者和学生助手录制，用于展示实验过程和结果。这些资源的使用符合伦理规范，且所有相关研究均已获得伦理审查批准。
### 6. 人工智能技术声明
在本文的撰写过程中，作者使用了ChatGPT的免费版本进行文本校对和润色。尽管人工智能技术在文本编辑和内容生成方面提供了便利，但作者仍对内容进行了深入的审阅和修改，确保其准确性和完整性。所有研究结论均基于作者的实际操作和测试，而非依赖于人工智能生成的数据或分析。
### 7. 作者贡献
本文的研究由四位作者共同完成，他们在不同阶段贡献了各自的专业知识和技能。Narisra Komalawardhana负责脚本的编写、软件开发、数据分析和内容审核；Natthakan Euaumpon同样参与了脚本开发、数据分析和内容优化；Zhixin Song则负责整体内容的撰写、软件开发和数据分析；而Taweetham Limpanuparb则主导了整个项目的设计、实施和管理，同时负责内容的审核和资源的整理。四位作者的共同努力，使得本文的研究得以顺利完成，并为未来的教育技术开发提供了宝贵的参考。
