AIEd Hifadhi ya MaarifaAIEd KB
Kwenye ukurasa huu

Soma ukurasa huu kwa Kiingereza

Madhana

Kujifunza Kwa Kutumia Michezo

Imeundwa 2026-10-13

Tafsiri ya kiotomatiki ya ukurasa huu wa Kiingereza, ambayo haijakaguliwa na mzungumzaji mzawa.

Kujifunza kwa kutumia michezo (GBL) — matumizi ya michezo yenyewe (ya kidijitali au ya kikwili) kama njia na muktadha wa kujifunza, ambapo mbinu za mchezo, changamoto, na maendeleo yake hubeba maudhui ya kielimu. Wanafunzi hujifunza kupitia kucheza. Kwa uhusiano, ugamification hutumia vipengele vya ubuni wa mchezo (pointi, beji, viwango, jedwali za washindi) katika shughuli za kujifunza zisizo michezo bila kuzigeuza kuwa michezo kamili. Katika elimu ya AI na roboti, mbinu zote mbili zinatumika kufanya maudhui ya kiufundi yawe ya kuvutia na ya kuhamasisha.

Maswali ya Kufikiri

  • Kujifunza kwa kutumia michezo hutumia mchezo wenyewe kama njia ya kujifunza — unajifunza kupitia kucheza. Ugamification hupanga tu pointi, beji, na viwango juu ya shughuli isiyo mchezo. Unafikiri zile mbili zinatofautiana kwa kiasi gani katika athari zao kwenye kujifunza halisi, dhidi ya ushiriki wa muda mfupi?
  • Mapitio ya kulinganisha yaligundua kujifunza kwa kutumia michezo kuwa cha kawaida zaidi katika miktadha isiyo rasmi wakati ugamification ulitawala madarasa rasmi na ulipendelea kujifunza kwa msingi wa mradi. Kwa nini unafikiri kila mbinu ilipata nyumba tofauti — na hii inatuambia nini kuhusu ambapo kila moja inafanya kazi bora zaidi?
  • Ugamification unaelekezwa na nadharia ya kujitambua — uhuru, uwezo, uhusiano. Ikiwa motisha ni kuhusu kutosheleza mahitaji hayo, kwa nini mfumo wa pointi-na-beji unaweza kufanikiwa au kushindwa kulingana na jinsi unaunda juhudi inayohisiwa na umakini?
  • Utafiti unapendekeza kuwa faida ya kihamasisha ya mipango inayofanana na michezo na inayoungwa mkono na AI inategemea jinsi zinavyounda mzigo wa kazi unaohisiwa na umakini, si ugamification peke yake. Umeshahi kuwepo wapi mchezo au beji zikiboresha ushiriki bila kuboresha kujifunza — au kinyume chake?

Utangulizi

GBL inaelekezwa na nadharia za Motisha, Mahusiano ya Mwanafunzi, na Kujifunza kwa Shughuli: michezo hutoa motisha ya ndani, maoni ya papo hapo, na miktadha halisi ya matatizo. Inaingiliana na Uigaji, Kujifunza kwa Msingi wa Mradi, na Roboti katika Elimu. GBL ni muhimu zaidi kwa Roboti katika Elimu, Fikra za Kihesabu, na Elimu ya Sayansi ya Kompyuta (CS), ambapo michezo yanaweza kufanya dhana za kiufundi za kinachotarajiwa kuwa halisi na za kufurahisha.

Jinsi GBL inavyoonekana katika utafiti wa hifadhi ya maarifa

  • Elimu ya roboti: Mapitio ya kimfumo ya kulinganisha ya kujifunza kwa kutumia michezo na ugamification katika elimu ya roboti yaligundua GBL kuwa cha kawaida zaidi katika miktadha isiyo rasmi, wakati ugamification ulitawala madarasa rasmi na ulipendelea kujifunza kwa msingi wa mradi.

  • Michezo ya kupitia roboti: REMind ni mchezo wa kuigiza kupitia roboti kwa mwingiliano wa kupinga uonevu, na MotiBo hutumia hadithi za kidijitali za mwingiliano kuboresha motisha.

  • Mawakala wa mazungumzo wa AI katika michezo ya mfano: Wenzel, Geiger, na Liening (2026) wanatengeneza mfumo wa CAIS-GBL — kanuni nne za ubuni na vipengele kumi na vitano vya ubuni kwa mawakala wa mazungumzo wa AI katika kujifunza kwa kutumia michezo ya kidijitali — kutoka mahitaji ya meta yanayoendeshwa na nadharia yakienea ushiriki wa kiakili, wa kihamasisha, wa kihisia, na wa kitamaduni-kijamii, pamoja na mwelekeo wa usawa-kwa-ubuni. Mwakala wao aliotekelezwa (Lara) katika mchezo wa mfano wa biashara alipokelewa vyuri kwa uwepo wa kiakili na wa kijamii na msaada wa Kujifunza kwa Kujidhibiti, akishughulikia pengo la kawaida la maoni ya kina yasiyo na mpangilio na tafakari katika michezo ya mfano.

  • Ufanisi wa AI-GBL: Mapitio ya kimfumo ya masudio 55 ya kujifunza kwa kutumia michezo kunaoungwa mkono na AI yanagundua athari chanya kwenye maarifa, motisha ya ndani na ushiriki wa kihisia, lakini masudio 4 tu (7%) yalitimiza kizingiti chake cha ubora wa Juu na 4 tu (7%) yalikuwa RCTs (Kaşarcı na Yurt, 2026). Ufanisi ulitenganishwa na ulingano wa mbinu ya AI na nadharia ya kujifunza iliyotajwa.

Ugamification

Ugamification ni matumizi ya vipengele vya ubuni wa mchezo (pointi, beji, viwango, jedwali za washindi, changamoto, pau za maendeleo) katika miktadha isiyo michezo kwa kuhamasisha na kushirikisha watumiaji. Tofauti na kujifunza kwa kutumia michezo — ambapo kujifunza hutokea kupitia mchezo — ugamification hupanga mbinu za mchezo juu ya shughuli iliyopo ya kujifunza bila kuigeuza kuwa mchezo kamili. Inatumika katika elimu kuboresha motisha, Mahusiano ya Mwanafunzi, na kudumu, na inatumika kwa wingi katika mipangilio ya darasa rasmi.

Ugamification unaelekezwa na nadharia ya kihamasisha, hasa Nadhari ya Kujitambua (SDT) (ikitegemeza uhuru, uwezo, na uhusiano) na mifumo ya mabadiliko ya tabia. Imeonyesha uhusiano mahususi na Kujifunza kwa Msingi wa Mradi katika nyanja zinazotumika kama roboti. Katika utafiti wa hifadhi ya maarifa:

  • Elimu ya roboti: mapitio ya kulinganisha yaligundua ugamification ulitawala madarasa rasmi katika elimu ya roboti (p < .001) na ulipendelea sana kujifunza kwa msingi wa mradi (p = .009), wakati kujifunza kwa kutumia michezo kilikuwa cha kawaida zaidi katika miktadha isiyo rasmi.
  • Ushiriki na motisha: ugamification unatumika katika hifadhi yote ya maarifa kuongeza ushiriki na motisha ya wanafunzi katika miktadha ya kujifunza ya AI, upangaji, na STEM. Utafiti wa AI ya kizalishaji, motisha, na ushiriki unachunguza jinsi vipengele vinavyofanana na michezo vinaungana na AI kudumisha nia ya mwanafunzi. Masudio mawili ya 2026 yanapanua hili kwa kulinganisha hali za ugamification na za AI za kuungwa mkono dhidi ya mafunzo ya kawaida: utafiti wa NASA-TLX ulipima mzigo wa kazi unaohisiwa katika hali za kujifunza za kawaida, za ugamification, na za AI za kuungwa mkono, na utafiti wa ARCS ulichunguza ergonomics ya kihamasisha katika kujifunza la ugamification na la AI za kuungwa mkono pamoja na athari kwa mafunzo ya mahali pa kazi. Pamoja wanafafanua kuwa faida ya kihamasisha ya mipango inayofanana na michezo na ya AI za kuungwa mkono inategemea jinsi zinavyounda juhudi inayohisiwa, mzigo wa kazi, na umakini (mfano, vipimo vya umakini/uhusiano vya ARCS), si ugamification peke yake.

GBL na ugamification pamoja vinaungana na Roboti katika Elimu, Mahusiano ya Mwanafunzi, Motisha, Nadhari ya Kujitambua (SDT), Kujifunza kwa Shughuli, Uigaji, Kujifunza kwa Msingi wa Mradi, na Fikra za Kihesabu.

Dhana Zilizounganishwa

Makala Zilizounganishwa

Metadata

Kujifunza na UfundishajiKujifunza kwa Shughuli, Kujifunza Kwa Kutumia Michezo, Motisha, Mahusiano ya Mwanafunzi
Teknolojia na MbinuRoboti katika Elimu
SourceHistoryEditChat

Pachika ukurasa huu

Nakili msimbo ulio hapa chini ili kupachika ukurasa huu katika mfumo wa usimamizi wa kujifunza au tovuti nyingine. Toleo lililopachikwa linaonyesha maudhui ya ukurasa tu — linaficha kichwa cha tovuti, urambazaji, na kijachini.