← 返回目录


第二十二章 游戏化

学校≠教育≠技能;文凭溢价=80%信号传递+20%人力资本

53 👍 / 20 💬

⠀⠀⠀摘要:游戏化是在学习环境中添加类似游戏的元素。这种做法对于学生学习效果,参与度和学习乐趣都有很好的效果。Math Academy 使用经验值(XP)来将学习游戏化,激励学生学得更多,学得更好。该系统为优异表现提供额外奖励,同时对敷衍了事的行为实施惩罚,有效防止了投机取巧的学生滥用系统。Math Academy 同样弥补了传统课堂中常见的(且容易被钻空子的)漏洞。

游戏化的重要性

| 提升学习、参与度和快乐

本文描述的许多认知学习策略有一个共同点,那就是认知上的激活越多,学习效果越好,但也更考验学生脑力,因而学生也觉得不太愉快。更令人困扰的是,学生经常误解这种额外的认知努力,认为这表明他们学习效果不佳,而实际情况恰恰相反。

幸运的是,游戏化策略的表现并非如此。无数研究证明了,如果在学生的学习环境里加入类似游戏的元素(比如分数和排行榜),而且这些元素:

  1. 与课程目标,学生的动机,教育场景相匹配
  2. 足够严谨,不容易「投机取巧」或者「钻空子」(通过利用游戏规则中的漏洞而逃过学习)

那么,学生不仅学得更多、参与度更高,也会更加享受学习过程 (Bai, Hew, & Huang, 2020; Looyestyn et al., 2017; Lei et al., 2022).

这不仅适用于年纪小的学生,对于大学生乃至于学习高难度课程的研究生都奏效。来自 Delft University of Technology 的研究者开展了一项针对游戏化的研究,他们写道(Iosup & Epema, 2014):

⠀⠀⠀「在过去三年里,我们在荷兰乃至欧洲一所顶尖理工大学的本科和研究生课程中应用了游戏化教学方法。我们是最早尝试证明游戏化可以用于教授技术挑战性课程的研究团队之一。

⠀⠀⠀我们将游戏化应用于两门课程,本科一年级计算机组成原理,和研究生的云计算新兴技术。这两门课累计有 450 名学生报名,其中 75% 在第一次尝试中就顺利通过。

⠀⠀⠀我们发现有了游戏化之后,学生的课程通过率,以及愿意参加自主活动,完成挑战性作业的人数比例,都有提高。游戏化似乎还能促进课堂互动,激发学生更多地关注课程设计。我们还观察到学生评价非常积极,主动提供了许多正面反馈,教师甚至还获得了年度最佳教师奖。」

| 提高学习效率

显然,游戏化很擅长维持学生动力,让学生愿意下功夫。(参与过高水平体育的读者都知道,只消一点点游戏化,人就愿意情绪高涨地刻苦练习——比如记录个人表现、参加队友的友谊赛等)

但更重要的是,游戏化也是撬动高质量学习的杠杆。类似 Math Academy 的自适应学习系统会根据学生表现调整速度,所以学生的学习效率和他们学习的质量息息相关:

实际上,为了在类似 Math Academy 的自适应学习系统取得进展,学生必须完成足量的高质量练习。

激励学生学得多,学得好

| XP-时间等效性

为激励学生练得多,练得精,Math Academy 基于经验点(XP)实现了游戏化的奖励系统。学生成功完成学习任务即可获得 XP,而 1XP 相当于平均认真程度(但并不完美)的学生在 1 分钟内全神贯注、高效学习所取得的成果。

有了 XP 系统,老师和家长就能轻松地使用每天的 XP 数量作为合理的学习目标。与此同时,它也为整个教学系统提供了一个灵活的激励杠杆,能够有效引导学生培养有利于学习的行为习惯。

| 激励学生学得多

比如,为了激励学生完成足够量的学习,我们实现了(可选的)周排行榜。能力相当的学生被划分到同一个段位。如果一周结束时学生拿到足够多的 XP,在自己的段落名列前茅,他们就会升到更高的段位。但如果一周结束时他们位于段位底部,他们就会降到更低的段位。

| 激励学生学得好

同样地,为了激励学生保持高质量的学习,我们设计了一个灵活的 XP 奖励机制。这种机制为卓越表现(与「差不多就行」相反)提供丰厚奖励。学生需要达到一定标准才能获得额外的 XP。这和传统的总百分比分数形成鲜明对比,后者往往对超额完成任务的学生奖励有限,同时又允许表现欠佳的学生「得过且过」。

XP 系统让我们能够通过「胡萝卜加大棒」的方法来激励学生:我们

消除漏洞

大部分学生是正经用 Math Academy 来学习的,他们很少(甚至没有)遇到 XP 惩罚。然而,我们多次发现,如果没有惩罚机制,一些投机取巧的学生会只完成他们认为容易的任务,而对于更困难的任务,他们则故意蒙一个答案糊弄了事。这种做法恶化了他们的表现,让他们的自适应学习安排放缓甚至倒退,从而大大减慢或甚至阻碍了他们达成教育目标的进度。

我们管这些学生叫做「XP 黑客」。他们这么做是为了用最少力气赚到最多的 XP。没有 XP 惩罚的话,XP 黑客可以一直使用这个策略,到头来 XP 满满,脑袋空空。

Baker et al. (2006) 注意到,为了避免投机取巧者钻系统空子,有一种办法是调整规则,从而「改变投机行为的激励机制——让钻空子能省力,变成钻空子会费力。」在 Math Academy 中,这意味着学生糊弄了事时要扣除 XP(如果继续糊弄,还要扣更多 XP)。通过引入惩罚机制,我们改变了游戏规则,让轻松取得 XP 的最佳策略变成了认真对待每一个学习任务。

为了合理地触发和调整 XP 惩罚,我们对待惩罚的态度是:假设自己是老师或者家长,坐在学生旁边,看到学生这么做心里很恼火,惩罚就是这种态度的表达。引入了 XP 惩罚之后,我们发现曾经投机取巧学生通过学习任务的比率从不足 50% 上升到了超过 90%。而正确使用、全力以赴的学生很少遇到(甚至从来没有遇到)惩罚。

Math Academy 还致力于填补传统教学中的常见漏洞。比如,传统教学中最容易导致作弊的方式是给所有学生都布置相同的作业和测验。而 Math Academy 则会针对每个学生调整其学习路径,这样一来同学之间学习相同主题的可能性就非常低了——即便偶尔出现这种情况,由于我们为每个主题都准备了丰富的题库,学生们也会收到不同的习题。我们的测验也是个性化的,甚至是随机化的,这意味着学生绝对无法通过查看同学的测验来获得任何不正当优势。如果学生没有通过,需要重试,我们会更换问题,甚至要求在重试之前等一段时间(与此同时,学生可以在其他路径上继续学习)。

进度与 XP

需要明确的是,学生的课程进度(完成学习的主题的百分比)虽然与他们获得的经验值(XP)高度相关,但本质上是两个不同的概念。课程进度只有在学生完成新课题时才会上升。随着课程学习(以及整个数学学习过程)的推进,为了维持不断增长的知识体系,他们需要投入更多时间进行复习。因此,学生在课程初期的学习进度通常快于后期。

进度是非线性的。学生在课程初期进展很快,因为他们主要在学习新知识(新课程)而不是维持已学的知识(复习)。但学得越多需要复习的也越多,所以进度会逐渐放缓。尽管如此,我们有一条硬性规则,保证学生平均至少有约 25% 的时间在学习新课程。

表面上看,对于衡量进度来说,使用完成的 XP 与课程预估的总 XP 之比可能更直观。但其实这样做会有问题,因为随着学生表现的变化,课程中取得的 XP 会发生极大的变化(因为当学生表现良好时,间隔重复会加快;当学生遇到困难时,学习过程会放慢)。如果用 XP 衡量进度,可能会出现这样的矛盾情况:学生正在完成课程,但因整体表现下降而导致进度反而下降。这种情况不仅违反直觉,还会给学生带来困惑和挫折感。

同样值得注意的是,随着课程接近尾声,学生只剩下几个主题还没学,学习进度会自然放缓。通常情况下,当我们为学生安排一节新课时,实际上同时也在完成一项或多项待复习的内容。学生「知识边界」上的知识点越多,我们就越有可能找到一节新课来同时完成一些待复习的内容。当然,有个问题是,如果课程只剩下几个知识点要学, 我们做这种优化的空间就很少了。需要明确的是,此时系统的前进速度并非在绝对意义上变慢,而是相对于之前的加速状态「不那么快」,因为我们不能像之前那样通过新课程来替代复习。

当然这个问题是可以绕过去的,只要允许系统在课程只剩下几个主题时,引入下一个课程的内容(这样就替代了一些当前到期的复习)即可。但这种做法可能会引起学生的混乱,而且从整体来看,这只是一个对每门课程总经验值(XP)影响微乎其微的小优化。

关键论文

注意:「重要性」部分可能包含了本章前文中直接引用的片段。如需引用本章内容,请以正文(上文)为准。


上一章:

第二十一章 针对性补习 - 知乎


下一章:

第二十三章 利用认知学习策略需要技术 - 知乎
Thoughts Memo 汉化组译制
感谢主要译者 Shom,校对 Jarrett Ye
原文:The Math Academy Way: Using the Power of Science to Supercharge Student Learning

专栏:The Math Academy Way


← 返回目录