AIEd база знанийAIEd KB
На этой странице

Читать эту страницу на английском

Концепции

Обучение на основе игр

Создано 2026-10-13

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Обучение на основе игр (GBL) — использование самих игр (цифровых или физических) как среды и контекста обучения, где механика игры, её задачи и прогрессия несут образовательное содержание. Обучающиеся учатся через игру. Родственным образом, геймификация применяет элементы игрового дизайна (очки, значки, уровни, таблицы лидеров) к учебным занятиям, не являющимся играми, не превращая их в полноценные игры. В образовании в области ИИ и robotics оба подхода используются, чтобы сделать техническое содержание увлекательным и мотивирующим.

Вопросы для размышления

  • Обучение на основе игр использует саму игру как среду обучения — вы учитесь через игру. Геймификация просто наслаивает очки, значки и уровни на занятие, не являющееся игрой. Насколько разным, по-вашему, будет их влияние на реальное обучение по сравнению с влиянием на краткосрочную вовлечённость?
  • Сравнительный обзор обнаружил, что обучение на основе игр более распространено в неформальных условиях, тогда как геймификация доминировала в формальных классах и благоволила проектному обучению. Почему, как вы думаете, каждый подход нашёл разный дом — и что это говорит нам о том, где каждый работает лучше всего?
  • Геймификация основана на теории самодетерминации — autonomy, компетентность, связанность. Если мотивация — это удовлетворение этих потребностей, почему система очков и значков может добиться успеха или потерпеть неудачу в зависимости от того, как она формирует воспринимаемое усилие и внимание?
  • Research показывают, что мотивационная выгода игровых и поддерживаемых ИИ конструкций зависит от того, как они формируют воспринимаемую нагрузку и внимание, а не от одной лишь геймификации. Когда вы видели, как игра или значки повышали вовлечённость, фактически не улучшая обучение, — или наоборот?

Введение

GBL основан на теориях Мотивация, Вовлечённость студентов и Активное обучение: игры обеспечивают внутреннюю мотивацию, немедленную обратную связь и аутентичные проблемные контексты. Он пересекается с Моделирование, Проектное обучение и Роботы в образовании (Robots in Education). GL особенно релевантен для Роботы в образовании (Robots in Education), Вычислительное мышление и Информатика (CS) в образовании, где игры могут делать абстрактные технические концепции конкретными и увлекательными.

Как GBL представлен в исследованиях базы знаний

  • Образование в области робототехники: A comparative systematic review обучения на основе игр и геймификации в робототехническом образовании обнаружил, что GBL более распространён в неформальных условиях, тогда как геймификация доминировала в формальных классах и благоволила project-based learning.
  • Игры, опосредованные роботами: REMind — это опосредованная роботом ролевая игра для интервенции против травли, а MotiBo использует интерактивное digital storytelling для повышения мотивации.
  • ИИ-conversational agents в симуляционных играх: Wenzel, Geiger и Liening (2026) выводят фреймворк CAIS-GBL — четыре принципа проектирования и пятнадцать проектных особенностей ИИ-конверсационных агентов в цифровом обучении на основе игр, — из управляемых теорией метатребований, охватывающих когнитивное, мотивационное, affective и socio-cultural вовлечение, с установкой на equity через проектирование. Их реализованный агент (Lara) в бизнес-симуляционной игре был позитивно воспринят за когнитивное и social presence и поддержку Саморегулируемое обучение, устраняя распространённый пробел ограниченной formative обратной связи и структурированной рефлексии в симуляционных играх.
  • Эффективность ИИ-GBL: систематический обзор 55 исследований обучения на основе игр с поддержкой ИИ обнаруживает положительные эффекты на знания, внутреннюю мотивацию и аффективное вовлечение, но лишь 4 исследования (7%) достигли его порога «высокого качества» и лишь 4 (7%) были RCTs (Kaşarcı & Yurt, 2026). Эффективность зависела от согласования механизма ИИ с заявленной learning theory.

Геймификация

Геймификация — это применение элементов игрового дизайна (очки, значки, уровни, таблицы лидеров, задачи, полосы прогресса) в неигровых контекстах для мотивации и вовлечения пользователей. В отличие от обучения на основе игр, — где обучение происходит через игру, — геймификация наслаивает игровую механику на существующую учебную деятельность, не превращая её в полноценную игру. Она используется в образовании для повышения мотивации, Вовлечённость студентов и настойчивости и широко применяется в формальных условиях класса.

Геймификация основана на теории мотивации, в частности на Теория самоопределения (поддержка автономии, компетентности и связанности), и на фреймворках изменения поведения. Она показала особую синергию с Проектное обучение в прикладных областях, таких как робототехника. В исследованиях базы знаний:

  • Образование в области робототехники: сравнительный обзор обнаружил, что геймификация доминировала в формальных классах робототехнического образования (p < .001) и решительно благоволила project-based learning (p = .009), тогда как обучение на основе игр было более распространено в неформальных условиях.
  • Вовлечённость и мотивация: геймификация используется по всей базе знаний для повышения вовлечённости и мотивации обучающихся в контекстах обучения ИИ, programming и STEM. Исследования Generative AI, motivation, and engagement рассматривают, как игровые элементы сочетаются с ИИ для поддержания интереса обучающихся. Два исследования 2026 года расширяют это, сравнивая геймифицированные и поддерживаемые ИИ условия с традиционным обучением: a NASA-TLX study измерило воспринимаемую нагрузку в условиях традиционного, геймифицированного и поддерживаемого ИИ обучения, а an ARCS study рассмотрело мотивационную «эргономику» в геймифицированном и поддерживаемом ИИ обучении со следствиями для workplace training. Вместе они проясняют, что мотивационная выгода игровых и поддерживаемых ИИ конструкций зависит от того, как они формируют perceived effort, нагрузку и внимание (например, измерения ARCS «внимание/релевантность»), а не от одной лишь геймификации.

GBL и геймификация вместе связаны с Роботы в образовании (Robots in Education), Вовлечённость студентов, Мотивация, Теория самоопределения, Активное обучение, Моделирование, Проектное обучение и Вычислительное мышление.

Связанные концепции

Связанные статьи

Метаданные

Обучение и преподаваниеАктивное обучение, Обучение на основе игр, Мотивация, Вовлечённость студентов
Технологии и методыРоботы в образовании (Robots in Education)
SourceHistoryEditChat

Встроить эту страницу

Скопируйте код ниже, чтобы встроить эту страницу в систему управления обучением или на другой сайт. Во встроенной версии отображается только содержимое страницы — заголовок сайта, навигация и нижний колонтитул скрыты.