TMA의 성능(대다수 코딩에 포함된 22개 항목 사용)이 지침및 항목 유형(고도 항목 및 모양 항목)에 따라 달라지도록 하기 위해 항목 유형별로 ANOVA를 주제 내 요인 및 지시 그룹으로 수행하였다. 분석은 F(3, 268) = 9.44, p <.001, 부분 θ 2 = 0.10의 신뢰할 수 있는 효과를 밝혀냈습니다. 부분 θ 2는 혼합 방법 ANOVA(Tabachnick & Fidell, 2007)를 포함하여 여러 독립적인 변수를 가진 ANOVA를 수행할 때 사용되는 효과 크기 통계이다. Tukey 사후 비교는 개별 그룹 간의 성능 차이를 식별하는 데 사용되었습니다. 포인팅 및 추적(M = 0.62, SD = 0.17), 3D 제스처 및 모델(M = 0.55, SD = 0.15), 및 텍스트 기반 명령(M = 0.53, SD = 0.16) 그룹은 모두 TMA상 노 지시 그룹(M = 0.46, SD = 0.17)보다 훨씬 더 잘 수행되었으며, 모든 p`s <.05(모든 유의한 쌍별 비교에 대한 효과 크기는 도 5에 도시되어 있다). 포인팅 및 추적 그룹도 텍스트 기반 명령 그룹(p < .05)보다 훨씬 더 나은 성과를 보였습니다. 3D 제스처 및 모델 그룹과 텍스트 기반 명령 그룹, 3D 제스처 및 모델 그룹과 포인팅 및 추적 그룹 간의 성능에는 통계적으로 유의한 차이가 없었습니다. 따라서 포인팅 및 추적 제스처를 사용하여 고도 및 윤곽 선 간의 관계를 강조하는 명령이 가장 효과적인 교육을 제공하므로 지형도를 사용하는 법을 배울 때 텍스트 기반 명령만으로도 성능이 안정적으로 향상됩니다. 참가자들은 조용한 방에서 개별적으로 테스트되었습니다. 동의 절차를 완료한 후 모든 참가자는 지도 경험 조사, WLT 및 SOT를 완료했습니다. 측정값을 완료한 후 각 그룹은 포인팅 및 추적 그룹, 3D 제스처 및 모델 그룹, 텍스트 기반 지침 그룹 및 명령 없음 그룹 등 네 그룹 중 하나(각 그룹의 68명)에게 할당되었습니다. 맵 경험 조사에서 항목 2에 "4" 이상으로 응답한 참가자는 높은 지형도 경험으로 분류되었으며 4개 그룹(n 3DGesturesandModels = 7, n PointingandTracing = 7, n 텍스트 기반 교육 = 8, n NoInstruction = 8)에 균등하게 분포되었습니다.

실험 2의 발견에 의해 대안적이고 잠재적으로 흥미로운 설명이 제안되며, 제스처를 가리키고 추적하는 것은 모양에 대한 언어적 강조와 결합될 때 3차원 모양에 대한 학습을 지원할 수 있습니다. 3차원 제스처와 모델은 3차원 공간 관계를 공간적으로 인코딩하기 위한 것이었지만, 제스처 표현은 너무 구체적인 정보를 전달했을 수 있습니다.