• 沒有找到結果。

適性化遊戲式學習在排序演算法的學習成效影響

N/A
N/A
Protected

Academic year: 2021

Share "適性化遊戲式學習在排序演算法的學習成效影響"

Copied!
119
0
0

加載中.... (立即查看全文)

全文

(1)國立臺灣師範大學科技與工程學院 科技應用與人力資源發展學系 碩士論文 Department of Technology Application and Human Resource Development College of Technology and Engineering. National Taiwan Normal University Master’s Thesis. 適性化遊戲式學習在排序演算法的學習成效影響 Effects of Adaptive Game-based Learning on Learning Performance of Sorting Algorithms. 朱嘉鴻 Chu, Chia-Hung. 指導教授:許庭嘉 博士 Advisor: Hsu, Ting-Chia, Ph.D.. 中華民國 109 年 9 月.

(2) 適性化遊戲式學習在排序演算法的學習成效影響 研 究 生:朱 嘉 鴻 指導教授:許 庭 嘉. 中文摘要 本研究將角色扮演遊戲軟體(Role Player Game, RPG)融入排序演 算法之運算思維課程中,使學習者在經由適性化推薦系統產生的遊戲式 學習教材中進行教學。本研究使用準實驗設計,參與者為修習資訊教育 課程的國中生 171 位,學生被依照班級分為實驗組 1、實驗組 2 與控制 組等三組,並在實驗後接受問卷及量表作資料蒐集。實驗組 1 的學生使 用「可適性化推薦」的「RPG 遊戲學習系統」進行學習、實驗組 2 的學 生使用「無適性化推薦」的「RPG 遊戲學習系統」、控制組學生則使用 「可適性化推薦」的「網頁學習系統」 ,旨在探討各組學生在學習成效、 認知負荷與心流體驗等方面的表現是否有達到顯著差異。同時,使用 RPG 系統的組別在遊戲過程中的行為編碼(Logs)亦被記錄分析。 研究結果發現,在將 RPG 遊戲系統融入教材後,實驗組 1 以及實驗 組 2 的學生由於遊戲式學習系統的導入,確實能夠有效提升學生們的學 習成就表現。並且相較於單純的影片學習系統而言,遊戲式學習策略的 使用不會額外增加學生的認知負荷,三組之間在認知負荷得分方面並沒 有出現顯著差異。而在心流方面,雖然實驗組 2 並沒有使用專家系統使 他們必須完成所有關卡,卻也因此在遊戲體驗上得以走完全部的故事, i.

(3) 相對另外兩組的遊戲體驗有更高的完整性,使得該組別在心流體驗面向 的得分顯著高於採用推薦系統的另外兩組。 關鍵字:數位遊戲式學習、推薦系統、學習成效、認知負荷、心流體驗. ii.

(4) Effects of Adaptive Game-based Learning on Learning Performance of Sorting Algorithms Author:Chu, Chia-Hung Advisor:Hsu, Ting-Chia. ABSTRACT This research integrated Role Player Game (RPG) into the computational thinking curriculum of sorting algorithm, so learners can do learning via the game-based learning materials produced by the adaptive recommender system. This study adopted a quasi-experimental design, including participants of 171 junior high school students taking information education courses. The students were divided into three groups based on their classes: experimental group 1, experimental group 2, and the control group. After the experiment, they should fill in questionnaires and scales for data collection. Students in experimental group 1 used the “RPG game learning system” with the “adaptive recommender,” students in experimental group 2 used the “RPG game learning system” without the “adaptive recommender,” and students in the control group used the “webpage learning system” with the “adaptive recommender,” which aimed to explore whether there are significant differences in the performance of each group in terms of learning effectiveness, cognitive load, and experience of flow. At the same time, the behavior codes (Logs) of the groups using the RPG system during the game were also recorded and analyzed. Based on the study’s results, we found that, with the integration of the RPG game system into the teaching materials, the learning effectiveness of. iii.

(5) students in experimental group 1 and experimental group 2 was effectively improved. Also, compared to the mere video learning system, the usage of the game-based learning strategies would not increase students’ cognitive load, so there were no significant differences in the scores of cognitive load between the three groups. As for the experience of flow, although experimental group 2 did not use the expert system that made them complete all the missions, they went through the whole story during the game. Compared with the other two groups, the game experience of experimental group 2 carried higher completeness, so its score of the experience of flow was significantly higher than the other two groups using the recommender system.. Keywords: Digital game-based learning, Recommender system, Sorting algorithm, Cognitive load, Flow experience.. iv.

(6) 目. 錄. 中文摘要 .............................................................................................................................................i 英文摘要 ..........................................................................................................................................iii 目. 錄 ........................................................................................................................................... v. 表. 次 .......................................................................................................................................... ix. 圖. 次 .......................................................................................................................................... xi. 第一章. 緒論 ................................................................................................................................ 1 研究背景 ........................................................................................................ 1 研究動機 ........................................................................................................ 5 研究目的 ........................................................................................................ 8 研究假設 ........................................................................................................ 9 名詞解釋 ...................................................................................................... 10. 第二章. 文獻探討 .................................................................................................................... 13 運算思維 ...................................................................................................... 13 推薦系統與適性化學習 ...................................................................... 17 數位遊戲式學習 ...................................................................................... 20. 第三章. 系統設計 .................................................................................................................... 25 推薦機制設計 ........................................................................................... 25 教學影片製作 ........................................................................................... 28 遊戲開發 ...................................................................................................... 32. v.

(7) 第四章. 研究方法 .................................................................................................................... 41 研究架構與實驗流程............................................................................ 41 研究對象 ...................................................................................................... 44 研究工具 ...................................................................................................... 46 學習成效測驗 ........................................................................................... 46 認知負荷量表 ........................................................................................... 46 心流體驗量表 ........................................................................................... 47 行為編碼表................................................................................................. 47 資料分析與詮釋 ...................................................................................... 49 學習成效 ...................................................................................................... 49 認知負荷 ...................................................................................................... 49 心流體驗 ...................................................................................................... 50 行為編碼 ...................................................................................................... 50. 第五章. 研究結果與分析 .................................................................................................... 51 學習成效 .......................................................................................................... 51 認知負荷 .......................................................................................................... 54 一、認知負荷總表 .............................................................................................. 54 二、認知負荷各面向......................................................................................... 56 心流體驗 .......................................................................................................... 57 行為編碼 .......................................................................................................... 59. 第六章. 結論與建議 .............................................................................................................. 73. 第一節 研究結果與討論 .......................................................................................... 73 第二節 研究限制與展望 .......................................................................................... 80. vi.

(8) 參考文獻 ......................................................................................................................................... 81 一、中文部分 .................................................................................................................... 81 二、英文部分 .................................................................................................................... 82 附錄.................................................................................................................................................... 93 附錄一. 學習成效測驗卷(前測) .................................................................... 95. 附錄二. 學習成效測驗卷(後測) .................................................................... 98. 附錄三. 認知負荷量表(前測) ...................................................................... 101. 附錄四. 認知負荷量表(後測、實驗組 1 與實驗組 2) ................... 102. 附錄五. 認知負荷量表(後測、控制組) ................................................. 103. 附錄六. 心流體驗量表(前測) ...................................................................... 104. 附錄七. 心流體驗量表(後測、實驗組 1 與實驗組 2) ................... 105. 附錄八. 認知負荷量表(後測、控制組) ................................................. 106. vii.

(9) viii.

(10) 表. 次. 表 3-1 排序演算法凱利方格表....................................................................................... 27 表 4-1 RPG 系統行為編碼表 ........................................................................................... 48 表 5-1 各組前測成績 LEVENE 檢定分析摘要表 ................................................... 51 表 5-2 各組前測成績 ANOVA 分析摘要表 ............................................................ 52 表 5-3 各組後測成績 LEVENE 檢定分析摘要表 ................................................... 52 表 5-4 各組後測成績 ANCOVA 分析摘要表......................................................... 53 表 5-5 各組前測之認知負荷 LEVENE 檢定分析摘要表 ................................... 54 表 5-6 各組前測之認知負荷 ANOVA 分析摘要表 ............................................ 54 表 5-7 各組後測之認知負荷 LEVENE 檢定分析摘要表 ................................... 55 表 5-8 各組後測之認知負荷 ANCOVA 分析摘要表 ......................................... 55 表 5-9 各組後測之認知負荷各面向 ANCOVA 分析摘要表 ......................... 56 表 5-10 各組前測之心流體驗 LEVENE 檢定分析摘要表 ................................. 57 表 5-11 各組前測之心流體驗 ANOVA 分析摘要表 .......................................... 57 表 5-12 各組後測之心流體驗 LEVENE 檢定分析摘要表 ................................. 58 表 5-13 各組後測之心流體驗 ANCOVA 分析摘要表 ...................................... 58 表 5-14 實驗組 1 次數分配表(首輪) .................................................................... 60 表 5-15 實驗組 2 次數分配表(首輪) .................................................................... 60 表 5-16 實驗組 1 之 Z 分數分配表(首輪) ......................................................... 61 表 5-17 實驗組 2 之 Z 分數分配表(首輪) ......................................................... 61 表 5-18 實驗組 1 次數分配表(次輪) .................................................................... 66 表 5-19 實驗組 2 次數分配表(次輪) .................................................................... 66 表 5-20 實驗組 1 之 Z 分數分配表(次輪) ......................................................... 67 表 5-21 實驗組 2 之 Z 分數分配表(次輪) ......................................................... 67. ix.

(11) 表 6-1 研究結果彙整資料表 ............................................................................................ 73. x.

(12) 圖. 次. 圖 3-1 排序法挑選最小數 ................................................................................................. 29 圖 3-2 排序法比較數字大小(1) ...................................................................................... 29 圖 3-3 排序法比較數字大小(2) ...................................................................................... 30 圖 3-4 排序法確認最小數 ................................................................................................. 30 圖 3-5 排序法交換數字 ...................................................................................................... 31 圖 3-6 新一輪排序 ................................................................................................................. 31 圖 3-7 數位遊戲中的診斷過程 ....................................................................................... 32 圖 3-8 數位遊戲中的診斷過程 ....................................................................................... 33 圖 3-9 系統給予熟練關卡之鑰匙 .................................................................................. 34 圖 3-10 關卡「選擇排序法」教學影片 ..................................................................... 35 圖 3-11 關卡「選擇排序法」答題畫面 ..................................................................... 36 圖 3-12 回答正確示意圖..................................................................................................... 37 圖 3-13 回答錯誤示意圖(右上角紅燈亮起) ............................................................ 38 圖 3-14 通關獲得鑰匙 .......................................................................................................... 38 圖 3-15 推薦式網頁學習系統 .......................................................................................... 39 圖 4-1 實驗流程圖 .................................................................................................................. 42 圖 4-2 實驗組 1 學生操作遊戲....................................................................................... 44 圖 4-3 實驗組 2 學生觀看教學影片 ............................................................................ 45 圖 5-1 實驗組 1 之 Z 分數表(首輪) ...................................................................... 64 圖 5-2 實驗組 2 之 Z 分數表(首輪) ...................................................................... 64 圖 5-3 實驗組 1 之 Z 分數對照表(首輪與次輪)............................................ 68 圖 5-4 實驗組 2 之 Z 分數對照表(首輪與次輪)............................................ 70. xi.

(13) xii.

(14) 第一章. 緒論. 本研究旨在探討運用數位遊戲式學習系統於排序演算法之運算思 維學習中的適性化教學推薦系統,對於學生的學習成效、認知負荷、學 習動機與心流經驗等方面,比起只有使用適性化教學推薦教學影片,是 否有更好的成效。 本章共分為五節,第一節為研究背景、第二節研究動機、第三節 研究目的、第四節研究假設、第五節名詞解釋。詳細說明如下:. 研究背景 近年,數位學習正蓬勃發展,數位教材本身不受時間、地點的特性 也頗受矚目。美國新媒體聯盟於 2017 年公布的地平線報告指出,繼稍早 的大規模開放式線上課程(MOOCs) 、線上教學等數位學習模式普及後, 混成學習、移動式學習等數位學習法在各教育機構的接受度也已大為提 升。課程不只可以重覆使用,而且避免教師還有負擔該技術開發者停止 維護的困擾,教師們因而能將時間集中在教材內容的討論、開發上 (Becker et al., 2017) 。即使是內容較為生硬的資訊相關科目,同樣受益 於可再用、可重組之開源物件與課程,友善的介面不論對於教與學的負 荷都大幅降低,使學生跟教師都成為受益者(Grover & Pea, 2013; Miller, 2009) 。. 1.

(15) 各科教師之所以投入數位學習應用領域,除受到軟硬體技術躍進、 普及化帶來的激勵,更是著眼於數位學習具有增進教學成效、促進學習 動機等等研究佐證(Chu, Hwang, & Tsai, 2010; Mayer et al., 2014; Wouters, Van Nimwegen, Van Oostendorp, & Van Der Spek, 2013; 陳瑋廷、許庭嘉, 2015) 。而教育部(2018)更直接在 12 年國教國高中科技領域課綱指出, 未來的科技領域課程設計對比起以往的程式技能訓練,將更加重視科技 素養、問題解決能力的培育。在問題導向模式(Problem-Based Learning, PBL)的學習方針下,學生將從掌控工具開始,透過專家指導或自學熟 習科技資源的應用,進一步掌握運算思維(Computational Thinking, CT) 的內涵。而在 CT 領域的排序演算法單元中,由於各式演算法需要理解、 遵循特定排序方式,才能有效率地將資料排列(許庭嘉 et al., 2017) 。 除了學生學習方向的變革,教師的角色也有了更多的可能性,例如 Prensky(2007)就認為教師應適當的調整自己的定位,不再是講授者而 是學習活動促進者。Prensky 指出在如今的技術、操作知識面上,學生們 知道的並不比見得比教師少,甚至可能掌握比教師還更新銳的資訊。在 放手給予學生自我學習空間的同時,作為成年人的教師比起維持技術的 優勢,更應該掌握如何引導學生抒發理念、分配工作,必要時指出學生 的盲點。針對學生盲點,Vygotsky(1980)認為若學生在學習時沒有獲得 適當的鷹架(scaffolding)輔助,將使學生難以調整學習節奏,並且無法. 2.

(16) 理解較複雜的概念或深層知識。而具有互動性(interactivity)的教材則 能協助遇到以上問題的學生,進一步激發自律行為(self-regulation)的 產生(Delen, Liew, & Willson, 2014) 。例如,讓學生透過內建的插件主動 索取單元說明,幫助瞭解不足之處,或是在閱讀教材時能掌控閱讀步調, 自己決定何時該進入下一個新單元等等,這些具有互動性的功能都能提 升學生的學習品質,進而增加學習動機,使他們願意主動投入更多時間 自學,從而提高成績、正面改善學習成效(Delen et al., 2014; Sun, Chen, & Chu, 2018)。 考量到不同學生由於程度與背景不同,在教材的需求上必然出現差 異(Miller, 2009) 。即使兩個學習者在同一科目同一單元的得分相近,但 仍然可能在不同的學習迷思概念狀況下,需要不同面向的指導。此時, 引進推薦系統恰好能滿足個別學習者所需。推薦系統常見用在服務的平 台,例如:使用者在挑選物品時遇到眾多陌生的新選項,推薦系統會列 出過往其他使用者累積的選擇紀錄供使用者參考,藉由閱覽歷史紀錄, 使用者能挑選到較為符合自己需求的產品,給出最符合當下狀況的診斷 結果(Cleger, Fernández-Luna, & Huete, 2014) 。更進一步地說,推薦系統 還具有在一堆剛剛收集但未經整理的資訊中,主動篩選出關聯性較強的 情報、減少無關雜訊,將使用者負擔輕量化的優點(Schafer, Konstan, & Riedl, 2001) 。如果將推薦系統運用在學生的個別化學習上,可依據使用. 3.

(17) 者偏好或知識基礎來推薦教材,該類系統由系統工程師結合領域專家建 構而成,具有三個重要功能:1.提供學習者教材 2.推薦適切教學模式 3. 讓使用者自選範例等。在系統設定完成或是獲得學習者背景資訊之後, 系 統 會 依 照 使 用 者 要 求 調 整 推 薦 的 教 材 或 是 範 例 ( Shishehchi, Banihashem, Zin, Noah, & Malaysia, 2012) 。 綜上所述,本研究將以知識基礎推薦系統,開發能幫助學生在使用 排序演算法之運算思維遊戲式學習教材,能適切的匹配適性化課程,讓 學生掌握自主學習步調,並且和只有推薦系統而無遊戲式學習的教材作 比較,是否二種模式對於學生的學習成效皆有助益,以及在學習表現上 有哪些不同。. 4.

(18) 研究動機 在數位學習領域中,遊戲式學習都是富含互動性質的教學模式 (Becker et al., 2017) ,傳統的數位多媒體學習教材多由 2D 素材(文字、 圖像和動畫等)所建構而成。相對於此,數位遊戲教材除了存在於 2D 和 3D 平台上,在遊戲本身的模擬性、存在感、以及高度互動性,讓學習者 能沉浸在觀察、探索和參與虛擬世界的活動當中,以上都是讓遊戲式學 習受到矚目的因素。由於遊戲本身就饒有趣味性,受到學齡族群歡迎, 開發者可透過調整遊戲的趣味性、任務目標、勝利目標、獎勵機制、互 動機制、挑戰性、回饋性…等機制,設計出受玩家歡迎的遊戲,增強他 們的遊玩動機及愉悅度。為了遊戲式學習開發的教育遊戲也應該遵循上 述機制,在遊戲玩法和玩家能力間取得平衡,在趣味性及玩家能力培養 上做到雙方兼顧(Chang, Liang, Chou, & Lin, 2017; Prensky, 2007; Wouters et al., 2013)。 在各種遊戲類型當中,模擬類型遊戲(Simulation game)特別吸引 教學者與學習者的關注。由於模擬遊戲充滿了與虛擬、實體腳色的互動 流程,高互動性意味著玩家能和電腦或者另一位玩家充分交流,這正是 遊戲式學習比傳統學習方法對學生更具吸引力的亮點。而高水準的互動 正是促成有效學習的關鍵因素,這會使學習者變得自主,最終提高其自 我學習能力,學習成績獲得改善,上述特色符合許多教師將數位教材融. 5.

(19) 入課程的初衷(Sitzmann, 2011)。 在使用數位教材引導學生自學的過程中,如何以偵測學生弱點,適 性化針對不同弱項補強亦是不容忽視之處。在各式建構知識基礎推薦系 統中,透過凱利方格進行專家知識截取所設計的專家系統是一種常用的 方法,它不僅可以歸納整合專家知識,而且可以獲取學生知識以後,再 同時比對擷取自領域專家的凱利方格與學生的作答情況,檢測出學生自 身未發覺之盲點(Hsu, Hwang, & Chang, 2010) ,幫助學習或教學者進一 步的調整後續課程,找出學生個別化的學習需求,以期達到更佳的學習 成效。 綜上所述,本研究將透過教學用角色模擬遊戲結合適性化診斷推薦 系統,來診斷並加強學生的學習盲點,以期發揮教學作用,並探討其對 於學生在較難理解的排序演算法之運算思維的學習成效影響,並且探討 在學習動機、認知負荷和心流經驗方面的成果。 所謂的認知負荷(Cognitive Load)是指學生在訊息進入大腦之後訊 息處理的負擔。Schrader 和 Bastiaens(2012)指出設計不佳或是過度複 雜的教材在學生學習的過程中可能成為阻力,它們皆會讓學生產生不必 要的認知負荷,從而導致學習成績的下降。Chang 等人(2017)的研究 指出使用遊戲式學習的學習者,對比觀賞多媒體的學習者具有較低的外 部認知負荷。因此,本研究將探討當教學用角色模擬遊戲結合了凱利方. 6.

(20) 格推薦系統進行教學時,對於學生的認知負荷表現是否會產生正面影響。 所謂的心流體驗(Flow Experience) ,乃是學生沉浸於課程中的重要 指標,具有挑戰性的任務會使人專心致志,然而挑戰過難導致大腦資訊 超載,亦將使注意力分散(Csikszentmihalyi, 2014) 。Hamari 等人(2016) 的研究指出,難度經過良好安排的教育遊戲,確實能成為增強學生心流 體驗表現的有效手段。因此,本研究將探討當教學用角色模擬遊戲結合 了凱利方格推薦系統進行教學時,對於學生的心流體驗表現是否會產生 正面影響。. 7.

(21) 研究目的 本研究旨在探討將教學用角色模擬遊戲,結合了適性化診斷推薦系 統,實際應用於排序演算法之運算思維的教學,比起一般的適性化診斷 推薦系統,對於學生的學習表現可能產生之影響。期望實驗結果能夠給 予未來相關研究一些幫助,做為參考依據。 本研究問題如下: 一、探討使用適性化遊戲式學習系統後,對於學生在排序演算法教學的 學習成效是否提升? 二、探討使用適性化遊戲式學習系統後,對於學生在排序演算法教學的 內外在認知負荷是否降低? 三、探討使用適性化遊戲式學習系統後,對於學生在排序演算法教學的 心流體驗是否提升? 四、在排序演算法單元中,有推薦遊戲式學習和無推薦遊戲式學習之學 習行為是否有差別?. 8.

(22) 研究假設 本次將數位遊戲結合推薦系統之研究中,共有三點欲探討之標的, 謹依據過往研究之文獻結果進行預測如下: H1:使用適性化遊戲式學習系統後,可以有效提升學生排序演算法之學 習成效,且最終結果顯著優於使用無適性化遊戲式學習系統、以及 影片適性化系統的學生。 H2:使用適性化遊戲式學習系統後,有推薦機制的系統可提供適合學生 程度的學習內容,使學生的「內在認知負荷」顯著低於無推薦機制 的組別;有遊戲情境的系統可提供具備學習情境的教材呈現模式, 使學生的「外在認知負荷」顯著低於無遊戲情境的組別。 H3:使用適性化遊戲式學習系統後,可以有效提升學生之心流體驗,且 最終結果顯著優於使用無適性化遊戲式學習系統、以及影片適性化 系統的學生。. 9.

(23) 名詞解釋 運算思維(Computational thinking) 運算思維是一種用於解決問題的高層次思考能力,是由資訊相關類 科發展而成的素養。在目前運算思維的研究中,以使用問題解析(Problem decomposition) 、模式識別(Pattern recognition) 、抽象化(Abstraction) 、 演算法(Algorithm)四步驟處理問題之定義最為廣泛(CSTA, 2017; Wing, 2008; 林育慈 & 吳正己, 2016) 。在科技領域課綱草案裡,對比以往單純 的程式教學,新課綱更重視問題解決能力的培育,期望透過訓練運算思 維培養學生的資訊素養(教育部, 2018) 。本研究將以新課綱六大面向中, 最早為學生接觸的「演算法」單元中的排序演算法內容為教學目標,對 課堂結束後尚不熟悉單元內容進行教學。 推薦系統(Recommender system) 推薦系統的功用在於蒐集使用對象的資料彙整後,利用專家知識資 料庫、判斷式進行分析後,整合為符合使用者需求的資訊後,給予使用 者回饋的機制。除了可以免除使用者重複閱讀已知、對問題不具幫助之 信息的時間外,獲得自身確實需要的資訊,讓使用者能直接取得對自身 有迫切需求性的知識、情報,或是注意到的自身未曾注意的隱藏弱點 (Bobadilla, Ortega, Hernando, & Gutiérrez, 2013; Cleger et al., 2014) 。. 10.

(24) 數位遊戲式學習(Digital game-based learning) 數位遊戲式學習旨在運用蘊含特定課程內容的數位遊戲,將學習者 的興趣和注意力保持在課堂上。透過適當結合互動元素、圖像聲音、多 媒體影片等引人注目的元素設計而成的教學遊戲,能更好的幫助數位原 生世代的學生沉浸其中並發揮學習潛力(Prensky, 2003) 。數位遊戲式學 習作為資訊時代新興的學習模式,被廣泛地應用在資訊編程、外語文教 學、自然教育等領域當中(All, Plovie, Castellar, & Van Looy, 2017; Buffum et al., 2016; Chang et al., 2017; Yang, Lin, & Chen, 2018),相關研究顯示, 該學習方法具有增進學習者知識、操作技能、即時反饋能力、複雜問題 解決能力等效果(Wong & Hsu, 2016; Yang & Quadir, 2018)。. 認知負荷理論(Cognitive load theory) 認知負荷本身屬於一種學習負荷,表示資訊的數量對於學習者工作 記憶的承受力來說已經超載(Sweller, 1988) 。認知負荷理論又將其細分 為內在認知負荷(Intrinsic cognitive load)、外在認知負荷(Extraneous cognitive load)和增生認知負荷(Germane cognitive load)等分類(Hasler, Kersten, & Sweller, 2007) 。教材的「內在認知負荷」來自教授之知識本身 的難易度,具備先備知識的學習者常具有較低的內在認知負荷(Sweller, 1988) ,也因此學生可透過學習符合自身程度的內容,使學習時的內在認 11.

(25) 知負荷降低(Van Merrienboer, & Paas, 1998) 。而「外在認知負荷」則受 教材、媒體的呈現方法影響,與學習者的集中程度關聯較大,可以通過 適當的教材設計取得改善(Paas, Renkl, & Sweller, 2003) 。同樣的,遊戲 式學習的媒體教材若設計恰當,能避免產生冗餘的外在認知負荷 (Schrader & Bastiaens, 2012) 。綜觀認知負荷,Brunken、Plass 和 Leutner (2003)認為,只要負荷總量維持在工作記憶可處理的範圍內,不僅不 會影響學習者的學習,更能有效地促進表現。本研究將參考由 Pearce、 Ainley 以及 Howard(2005)所發展出來的認知負荷量表,探討將遊戲帶 入推薦補救系統後,對學生內、外在認知負荷帶來的影響。 心流體驗(Flow experience) 心流體驗是指當人沉浸於工作、課業、娛樂等生產或休閒行為時, 集中精力投入手頭事務,對周遭變化以及時間流動的感覺遲鈍、近乎無 感的狀態(Csikszentmihalyi, 1997, 2014) 。在心流與活動類型關聯的調查 中,受訪者反映工作時出現高度意識集中的頻率,比進行社交、休閒、 家庭活動更為頻繁;除了個人的情緒起伏趨緩外,並能長時間維持在較 高的工作強度當中(Csikszentmihalyi, 2014) 。而在課程中獲得較高心流 面向得分的學生群體,他們會認為課程時間感覺起來確實縮短了,並比 起心流得分較低的同儕對學習品質更加滿意(Fu, Su, & Yu, 2009)。本研 究將探討將遊戲帶入推薦系統後,對學生心流體驗帶來的影響。 12.

(26) 第二章. 文獻探討. 本章共分為三節,分別探討運算思維之相關研究、適性化學習與推 薦系統之相關研究、以及數位遊戲式學習之相關研究。詳細說明如下:. 運算思維 近年,我國教學重心為強調跨科目整合的素養導向培養,諸如 STEM、 STEAM 等橫向聯繫科目的教育理念也獲得重視(教育部, 2018)。數位 學習(E-Learning)的教學方針也因此由強調透過網際網路獲得完整學習 內容、知識、技能(Henry, 2001) ,調整跑道改以問題解決能力入門、進 而邁向更高層次的整合運用,不像以往僅僅偏重習得程式語言、應用軟 體的操作。學習運算思維模式將使學生在接觸不同學科領域時,能擁有 更結構化、程序化、抽象化的思考模式(林育慈 & 吳正己, 2016) 。 即使是程式語言的編撰,也由於近期圖像化程式設計工具(Graphical Programming Environments) 如雨後春筍般增加,使程式設計入門門檻 大幅降低。而諸如 Scratch、Alice、GameMaker、Kodu 與 Greenfoot 等圖 像程式,相較於普通程式語言(如 C、Python、Java、Ruby 等) ,它們圖 像、模組化的操作更易於初學者上手,允許新入門的工程師將心思專注 於設計程式本身的架構與功能上,免去接觸繁雜語法的時間(Grover &. 13.

(27) Pea, 2013)。 Miller(2009)以圖像化程式 LOGO 帶領一名 13 歲的聾啞學童,在 三個月的教學過程中引導他以有目的性、有規則性的方式控制小海龜繪 製圖像,使其在學習程式邏輯的過程中熟練並內化撰寫命令規則的過程。 一般而言,口說能力是閱讀和寫作能力展現的先決條件,拙於言語的學 童通常也不被期望能在編程(程式寫作)有傑出表現。但從結果來看, 該生除了在編程上有明顯的進步,在學習運算思維的過程中,他與他人 交流的頻率也逐步提升,從原本無法組織言語的狀況獲得溝通表達能力 的進展。 此外,倡導運算思維能促使女性學習者提升編程能力,跳脫刻板印 象,在以往被認為女性難以發揮的程式領域取得好表現。Kim(2016)以 33 名國小女學生為標的,運用 APP Inventor 建置了 Scratch 的教學課程, 教學內容包含物件(conditions) 、迴圈、變數、陣列等。實驗前,研究人 員訪問了她們的電腦老師,教師們反映女生之所以在電腦課程表現較差, 咎因於動機和態度低落,與她們的操作、學習能力無關。對此,實驗融 入了動手做(hands-on)和任務導向式學習策略。研究結果顯示,受試者 的運算認知和創造力都有顯著改善,表明該計畫有效改善了小學女生的 運算思維能力。同時學生認為自己在創造力、邏輯思維、問題解決能力 和編程能力都有所改善,在課程滿意度的李克特式五點量表中,都給了. 14.

(28) 4 分以上的分數。 排序演算法做為將一連串有序或無序的數據、資料依照特定順序排 列的一種方法,在程式編寫中廣為運用於估算時間複雜度中,為運算思 維培訓的一項重要單元。Végh(2016)透過兩套教學遊戲系統幫助學生 理解簡單排序、泡沫排序、插入排序和最大及最小選擇排序的過程,研 究對象為同一批 39 位大學生,兩個遊戲分為先後進行。第一個遊戲中, 玩家必須透過各種排序法的規則移動撲克牌,使其最終能依照大小順序 排列;在遊戲前後必須填寫前後測,測驗內容為把排序法名稱填入符合 其排序特徵的敘述上。測驗結果顯示大部分學生在經歷遊戲後,儘管他 們仍不一定了解這些算法的細節,卻已可順利區分各種排序法之間的特 徵。第二個遊戲,實驗者則針對氣泡及快速排序法設計,學生必須利用 天秤將數個看起來一模一樣,重量卻不同的木箱進行分類,天秤下方會 記載學生的總秤次數,隨著關卡進展木箱數量將持續增加。結果顯示學 生在靠後的關卡中熟習規則,顯著減少了冗餘的比較次數,可幫助學生 在快速排序法等課程上的學習。 綜上所述,對於皆著重於運算思維培養,而非語法編撰技巧的資訊 基礎課程來說,使用圖像程設工具可避免教材訊息過於繁雜,對學生產 生不必要的外在認知負荷。另一方面,這些經驗也能做為先備知識,避 免學生在接觸普通程式語言時由於任務難度過高,超越自身能力可負荷. 15.

(29) 區,陷入不必要的焦慮狀態(Strati, Shernoff, & Kackar, 2011)。 本研究將以運算思維中的排序演算法為標的進行教學,為免學生接 收到超過自己能力範圍過多的教材,事先分析學生水準、檢測教材難度 是有其必要性的。為此,本研究認為將推薦系統導入排序演算法系統開 發架構中,確實是具備可行性的。. 16.

(30) 推薦系統與適性化學習 在學生長期獲得低學習成就的情況下,伴隨產生的往往是厭煩、恐 懼的負面情緒,這些阻礙了他們進一步自律學習的可能性。為了增進學 生的自我學習效能,給予學生適當的鼓舞、避免提供他們過度困難、冗 餘的教材是有必要性的(Dellos, 2015; Ramdass & Zimmerman, 2011)。 Chen(2009)指出,如果教師能夠幫助學生理解他們的優勢以及適合他 們個人的學習策略,那麼學生就可能會變成更有效率的學習者。因此, 將能有效鑑識不同使用者需求差異,提供適切資訊的推薦系統引入教材 的開發中,似乎就順理成章了。 事實上,在商用領域中,諸如亞馬遜、ebay 等交易網站已長期使用 推薦系統(Schafer et al., 2001) 。上述網站的推薦系統蒐集客戶本人的購 物偏好、分析個人的消費歷程後,將之與其他使用者的消費清單交叉比 對,預測消費習慣的趨勢,幫助顧客在日後的消費行為中找到符合喜好 的商品(Crespo et al., 2011) 。近年來推薦系統則隨著 B2C 貿易網絡興起 蓬勃發展,中小零售商、電信業、物流業也多有使用。導入推薦系統的 操作平台,往往因為使用感受變佳,從而獲得客戶更正面的評價(Jiang, Shang, Liu, & May, 2015; Leung et al., 2018; Zhang et al., 2013)。 而在課堂教學領域中,教材推薦系統亦被運用在正規課程或是弱點 課程上,在幫助個別使用者建立自己的知識、技能架構,鑑別個別需求. 17.

(31) 上頗有助益(Lee & Kim, 2012) 。由於教材推薦系統可以推薦個人化教材 的特性,適合應用在需要個別為學生提供學習素材的適型化教學,這種 學習法需要分析每一位學生彼此之間在學習成就、強項弱點的落差,為 使用者建立個人化教材,幫助所有學生取得最吻合自身需求的學習素材。 如陳瑋廷、許庭嘉(2015)以擴增實境結合凱利方格推薦系統進行木製 品加工的教學,以 38 位高職學生作為受測對象,運用凱利方格提供學生 個別所需的電子書和擴增實境教材,研究結果發現結合了推薦系統的教 材確實能提升學生於該課程的學科知識與實作成果,並產生高度學習動 機。 在自然領域教學方面,Chu、Hwang 和 Tsai(2010)運用行動載具 帶領小學生認識校園植物,參與學生共 13 位,在校園內尋找植物的過程 中,學生透過行動載具掃描植物上的 RFID(Radio Frequency Identification) 標籤後,系統便得以根據無線網路定位學生所在地,進而提供最佳路線 導引學生前往下一個目的地,學生則使用凱利方格將自己的觀察結果實 時進行紀錄、比對。研究結果指出學生普遍掌握了實驗中 12 種植物的基 本特性,並認為該系統對學習成效、學習動機方面確實能產生正面影響, 更能夠自己調配學習進度,對於該種教學模式表示滿意。 在語文教學方面,Hsu、Hwang 和 Chang (2010)為以英語為外語 (English as a Foreign Language,簡稱 EFL)的學生開發了一款移動式學. 18.

(32) 習系統提供了一個閱讀材料推薦機制,用於協助 EFL 的高中生閱讀符合 他們的偏好和知識水平的文章,同時在系統中嵌入一個註釋區,使學生 能夠獨自進行註釋或與夥伴共享。該實驗對象共 108 人,使用推薦系統 的實驗組學生又細分成使用單獨註釋功能組、以及使用具有共享註釋功 能的推薦系統的組別,控制組學生則使用有個人註釋但沒有推薦系統的 版本。實驗結果表明,兩個實驗組的學習成績均優於對照組。不過在兩 組之間不僅在成績並未有顯著差異外,共享註釋組的學生抱怨關於同伴 干涉的狀況,該組學生更具備了較高的內、外在認知負荷。 另外,推薦系統也能直接被用來改善自我學習效能,Kaklauskas 等 人(2013)透過生理特徵與學生的自我狀態評估指標開發教材推薦系統。 該實驗團隊利用特製滑鼠收集實驗對象的手溫、濕度、緊握程度、心率 等數據,對照實驗者對自己學習情緒的自陳狀態(情緒波動、有創造欲、 有學習興趣、喜、怒……等) ,建立依學生生理狀態判斷其學習熱忱的數 據庫。當推薦系統偵測到學生處於狀況較佳的階段時,系統可以自動推 薦較具挑戰性的教材給學生;相對的,學生處於狀態較差的狀況下,系 統會以輕鬆有趣的教材為主。 綜上所述,即使使用了適性化推薦系統,仍有可能因為教材呈現方 式、教學策略的影響給予學生過多的外在認知負荷。透過融入適當的學 習策略,消除外在認知負荷產生的可能性是有其必要性的。. 19.

(33) 數位遊戲式學習 「學習」本身蘊含許多規則,教師必須引導學生熟悉它們,並輔以 各種教學策略,上述流程顯示了學習本身與內建許多遊戲規則,需要適 當發揮策略才能通關的「遊戲」有不謀而合之處。學生在學習過程中必 須先了解教材本身的邏輯脈絡,在掌握規則後才能進一步了解應該採用 何 種 學 習 方 式 , 將 自 主 學 習 權 掌 握 在 手 裡 ( Gee, 2005; McFarlane, Sparrowhawk, & Heald, 2002) 。而近年來,資訊教育迎來了新一波浪潮, 與之結合而生的數位遊戲式學習(Digital-Game Based Learning, 以下簡 稱 DGBL)更是成為獲得相當重視的新興策略。 DGBL 用遊戲相較於市售的商業遊戲,由於其設計理念的差異,具 有蘊含教學策略、更加重視隱含知識等特性,也因此做為教材開發而成 的數位遊戲同屬於「嚴肅遊戲」的一種 (Connolly, Boyle, MacArthur, Hainey, & Boyle, 2012; Zyda, 2005)。許多研究證實了使用 DGBL 教學策 略,除了能夠確實提升學生的學習成就、認知能力上的表現外(Garris, Ahlers, & Driskell, 2002; Mayer et al., 2014; Wouters et al., 2013) ,對於學 習動機、認知負荷、心流體驗等心理面向上,DGBL 使用者相對於傳統 教學也有著更為明顯的正向影響(Hsieh, Jang, Hwang, & Chen, 2011; Tortorella & Graf, 2015; Yeh & Wang, 2013)。 從國防、教育、企業訓練、醫療與社福等學術商業面,一直到運算. 20.

(34) 思維教學領域,皆有使用 DGBL 的相關案例(Kazimoglu, Kiernan, Bacon, & MacKinnon, 2012)。除了作為主要教材外,DGBL 亦常以補充教材的 身分出現。Barzilai 和 Blau(2014)在研究中指出,若在學生進行 DGBL 實驗之前就事先給予前置教學,給予他們先備知識,將有助益於學習者 設定問題(problematize) ,在稍後舉行的活動過程中對閱覽的教材進行 學習,給予更多學習空間,而若能在實驗前期提供受試者必要知識(閱 讀、練習) ,也可以幫助實驗整體流程進行,降低實驗結果來自內部有效 性的潛在威脅(Brom, Šisler, Buchtová, Klement, & Levčík, 2012)。 在計算機繪圖領域中,Kuk 等人(2012)利用交互式多媒體模擬系 統(Interactive Multimedia Simulations)和電腦遊戲元素結合,開發出名 為 GBLm4CE 的數位遊戲式學習系統。在遊戲中,學生須閱讀 Z buffer 的運算規則,從矩陣中挑選或繪製顏色正確的方塊,在遇到困難隨時可 以藉由點選「Help」取得進一步說明,該研究指出「Help」有助於學生 加速找到正確的解決方案,意味著適當的提示定義是推動整個學習過程 進行的關鍵。該研究以 183 名大學生為測試對象,結果顯示,採用 GBLm4CE 學習的學生比起一般課堂教學的組別,在技能測驗得分、認 知測驗得分、課程滿意度與學習動機上皆有較佳的表現,證實了該教育 遊戲確實能有效運用於教學上。 在遊戲設計上,自 IRS 系統發展而成的數位搶答式遊戲平台 Kahoot!. 21.

(35) 值得作為參考,其操作上的簡易性以及較低的設備需求,使之廣為各教 育體系所使用。該產品具有對比強的色彩搭配、幾何圖像式選項、簡明 的提示音等等幫助使用者減輕外在認知負荷的設計,從而在操作系統時 快速理解題幹並掌握回答方式(Underdal & Sunde, 2014; Wang, 2015)。 研究指出,Kahoot!除了良好的使用者介面設計之外,由於其競爭性的 核心理念,它在競賽過程顯示的實時排名榜單,讓它具備比其他同類型 即時反饋遊戲更加緊湊的步調。即使在為期五個月的課堂中持續反覆使 用,該遊戲仍能成功維持學生的參與度和動機,具有較低的損耗效應 (Wear off effect) ,在多次進行活動後仍能保持學生關注(Wang, 2015) 。 針對遊戲式學習對心流以及認知負荷的影響,Chang(2017)分別對 照了使用環保題材闖關教學遊戲、觀看教學影片的兩組學生,發現使用 遊戲學習的實驗組在心流體驗、外在及增生認知負荷得分表現皆較為優 秀,證實 DGBL 確實能促進學習者的好奇心,使他們將精力集中在自控 學習上。在內在認知負荷方面,實驗組與控制組則取得了相同成績,由 於實驗組遊戲內建的教學影片與對照組觀賞的影片兩者相同,兩組收看 的教材內容一致。符合內在認知負荷僅與教材本身難度相關,不受教材 設計方式不同影響的論點(Sweller, Van Merrienboer, & Paas, 1998) 。 更進一步,Hamari 等人(2016)探討了數位遊戲式學習(DGBL) 中的心流面向如何影響玩家對學習的認知,該實驗以結構方程模型. 22.

(36) (Structural Equation Modeling)探討在物理遊戲中,遊戲挑戰性與玩家 技巧是否藉由心流面向(參與度、沉浸度)讓學生意識到自己正在學習 (學習感知,Perceived Learning) 。研究發現不論是遊戲關卡的挑戰性或 是玩家技巧,都會直接影響學生進行 DGBL 時的心流體驗;其中遊戲挑 戰性更可以直接增進學習感知。Hamari 等人指出,遊戲設計師應考慮受 眾玩家的近側發展區間(Zone of Proximal Development,簡稱 ZPD) ,設 計逐步增難的關卡以及可調整的難度選項,使玩家能藉由遊戲挑戰性緩 步上升持續維持學習狀態。此外,考慮到倆心流面向作為中介變向後, 發現參與度能中介挑戰性與玩家技巧影響玩家的學習感知,這證明維持 玩家對遊戲的認同、參與也是十分重要。相關研究將類似概念稱之為存 在感(Sence of Presence) ,泛指玩家對於虛擬世界的參與認同反應(Faiola, Newlon, Pfaff, & Smyslova, 2013; Schrader & Bastiaens, 2012),其中尤以 角色扮演遊戲(RPG)最能激發玩家對遊戲的參與程度,優秀的單機類 型或是大型多人連線類型(MMORPG)都具有角色投射、故事背景、世 界觀營造等特性,有助於玩家將角色狀態內化進入自身知覺中,進而產 生參與感(Faiola et al., 2013; Mackay, 2017) 。 綜上所述,本研究將 DGBL 策略運用在適性化學習系統中,進一步 檢視該系統是否同樣能提升學習成效的表現。並希望進一步了解本系統 能否在學習成效、認知負荷、心流體驗等面向上得到正面的回饋結果。. 23.

(37) 24.

(38) 第三章. 系統設計. 本章共分為二節,第一節為推薦機制設計、第二節為遊戲開發平 台。詳細說明如下:. 推薦機制設計 本研究將以「排序演算法」之運算思維為教學主題,設計遊戲式學 習教學系統。內容包涵插入排序法、選擇排序法、氣泡排序法、合併排 序法,共計四種排序法的排序規則說明、示範影片、實際排序操作等部 分。 數位遊戲設計腳本以末日求生為背景題材,化為廢墟的城市中,主 人翁與夥伴一同在城市的各個角落探索,過程中解開各個機器人身上的 「排序法」密碼以取得鑰匙,隨著鑰匙的增加,隱藏在廢墟深處的秘密 也將揭開。 此次教學遊戲的特點,在於使用專家教材推薦系統幫助學生找出弱 點、取得適性化教材。本研究將採用知識擷取技術「凱利方格法」來設 計專家系統的架構,該知識工程需要知識工程師與項目專家間討論,從 專業知識中確立元素(Elements) 、屬性(Elements) 、連接機制(Linking mechanism) ,並進一步將元素以及屬性製成凱利方格表(Kelly, 1955)。 製表後再交由專家審核、討論修改。使用知識擷取技術可以確保推薦系. 25.

(39) 統蘊含知識的完整性及一致性,並降低對專業知識樣本數量的依賴程度。 以排序法單元作為標的,研究者與二名資訊教育領域專家討論後, 針對四種排序法的排序過程的特徵,擷取出辨別彼此差異用的 7 種配對 屬性。接著將排序法元素依序填入表格首行,並以表格左側為正向、表 格右側為反向,在最左及最右列填入一對正反屬性組,製成凱利方格表 (表 3-1) 。由另一名同為資訊教育領域專家檢視該表單,確認選取的各 種屬性對於元素的識別是否具有代表性。. 26.

(40) 表 3-1 排序演算法凱利方格表 正向屬性 5 (偏正屬性) 直接挑未排序數列中的 最小數字,排到已排序 數列最尾端 從未排序數列最前端取 得一數,將該數插入已 排序數列的最適位置。 排序過程中,未排序數 列的數字會與隔壁的數 兩兩比較 需事先把數列進行分 割,直到每數列只剩一 個數 每一輪排序,全數列裡 最大(或最小)數字會被 排到全數列最前(或最 後). 四種排序法. 氣 泡. 1. 1. 插 入. 1. 選 擇. 5. 5. 1. 反向屬性. 合 併. →1 (偏反屬性). 1. 並非直接挑未排序數 列中的最小數字,排 到已排序數列最尾端. 1. 並非從未排序數列最 前端取得一數,將該 數字插入已排序數列 的最適位置。. 5. 1. 1. 1. 1. 1. 1. 5. 5. 1. 1. 1. 每一輪排序,所有未排 序數都得加入比較. 5. 1. 5. 5. 平均執行時間最短. 1. 1. 1. 5. 27. 排序過程中,未排序 數列的數字不會與隔 壁的數兩兩比較 不需事先把數列進行 分割,直到每數列只 剩一個數 每一輪排列,全數列 裡最大(或最小)數字 不會被排到全數列最 前(或最後) 每一輪排列,並非所 有未排序數都得加入 比較 並非平均執行時間最 短.

(41) 教學影片製作 本研究在「排序演算法」之教學設計中,將插入排序法、選擇排序 法、氣泡排序法、合併排序法,共計四種排序法的排序過程以教學短片 的形式呈現。共計四部的影片將各自以特定的規則移動編號 1 到 6 的方 塊,用以演示排序法的排序規則,將原本亂序的六個方塊最後呈現由小 →大的遞增排序。影片的製作使用了 Microsoft PowerPoint 的初步剪輯 以及 Sony Vegas 的後製功能。在影片雛型完成後,研究人員在背景中配 音,進一步說明片中文字略去的相關細節。 下文將以選擇排序法為例說明教材演示流程,該種排序法交換規則 為:在數列中挑選未排序數列之最小數,與未排序數列首位數進行交換。 在圖 3-1 中,數字「1」為已排序數,數字「4、2、6、5、3」尚未排序。 影片模擬計算機邏輯,首先假設數字 4 為最小數,將之儲存在下方暫存 的小方格中,之後小方格往尾端移動,依序與上方數字比較大小,若上 方數小於小方格內數字則置換(圖 3-2) ,若大於或相等則不變動(圖 33) 。影片在待全數列比對完,確認最小數「2」之後(圖 3-4) ,會以動畫 顯示該數與未排序數列首數置換的過程, 「2」成為新的已排序數(圖 35) 。之後影片繼續流程(圖 3-6),直至排序過程結束。四部影片時長皆 控制於 90 至 120 秒鐘之內,在說明排序法的同時試圖避免學生產生過 多的多媒體負荷。. 28.

(42) 圖 3-1 排序法挑選最小數. 圖 3-2 排序法比較數字大小(1). 29.

(43) 圖 3-3 排序法比較數字大小(2). 圖 3-4 排序法確認最小數. 30.

(44) 圖 3-5 排序法交換數字. 圖 3-6 新一輪排序. 31.

(45) 遊戲開發 本次研究使用的開發軟體為 RPG Maker MV,為 Enterbrain 公司開 發的角色扮演遊戲製作平台。此次版本相較以往幾代,在開發介面上設 計更加簡潔、編輯更便利。對玩家來說,由於 MV 版本不再需要事先安 裝 RTP(內建公用素材庫) ,遊戲容量大小和運行速度都獲得相當改善。 另外,MV 也是系列中首次支援滑鼠操控的版本,讓以往不熟悉鍵盤操 縱的新手入門 RPG 時門檻明顯降低(Kadokawa Corp., 2018)。. 圖 3-7 教學 RPG 系統架構圖 如系統架構圖(圖 3-7)所示,由教師先以 RPG Maker MV 編輯教 材,系統中的資料庫包含學生的學習教材資料庫、個人資料庫、學習行 為資料庫。其中,學習教材資料庫又包含影片教材資料庫、練習教材資 料庫、測驗題教材資料庫。在學生操控系統之後,研究者可通過資料庫 模組,檢視使用系統學生的個人資料及學習行為、學習歷程等。. 32.

(46) 本 RPG 推薦遊戲中有兩種關卡類型,分別為診斷用關卡以及學習 用關卡。其中,診斷用關卡將會被安排在遊戲早期劇情中,用以檢測學 生的先備知識。該關卡共有 28 個診斷歷程,其中之一如圖所示(圖 38)。透過學生在遊戲中的回應,系統會將學生填答的結果逐題與領域專 家的數值進行相似性計算,若在某一題學生答案與專家答案差異過大(| 領域專家數值-學生數值|≧2),表示學生在某一個排序演算法的該觀念 上有學習迷失的狀況,該題所屬的排序法「錯誤參數」會自動加 1,作 為後續遊戲推薦適性化教材的依據。. 圖 3-8 數位遊戲中的診斷過程 學生的答題狀況將會影響之後的通關流程,如果是在熟稔的排序法 關卡(錯誤參數< 2),NPC 會自動將該關的鑰匙交給學生(圖 3-9),得 33.

(47) 到鑰匙的玩家可自行選擇是否仍要挑戰該關卡;反之,如果是不熟練的 排序法(錯誤參數≧2) ,則玩家必須跟隨 NPC 指導,探索完補究教材之 後,依照該關的要求練習一步步地在遊戲情境中問題解決,並且正確排 列出密碼方可獲得鑰匙。換言之,不同學生因為作答診斷狀況不同,將 會在遊戲歷程中經歷不一樣數目的教學關卡,只要在整個遊戲過程中設 法將四種排序法鑰匙全數集齊,學生皆可打開通往最終關卡的大門,進 行遊戲的最終挑戰。. 圖 3-9 系統給予熟練關卡之鑰匙 下文將以「選擇排序法」關卡為範例,說明關卡通關流程:在結束 診斷後,系統發現該名學生對於選擇排序法尚不夠精熟,因此並未事先. 34.

(48) 給予該關之鑰匙,學生必須完成遊戲中所推薦的選擇排序法教學關卡之 後,才能取得該關鑰匙。該遊戲式學習的教學內容包括兩部分,分別是 在遊戲情境中探究到學習元素,然後再解決遊戲中的問題情境,達到學 習與實際演練該排序法之目的。 本研究將排序教學影片安排在遊戲情境中,讓學生為了破關必須自 己找尋及關注該學習資源,個別學生可透過教學影片學習或複習排序法 特徵,在影片逐步示範排序操作的過程中觀察其排序規則,以期補強自 身知識缺口(圖 3-10) 。一旦在遊戲情境中完成這些學習元素,學生可以 使用剛習得的排序法來玩及解決接下來在遊戲情境中所面臨的問題以 獲得實際演練。. 圖 3-10 關卡「選擇排序法」教學影片 35.

(49) 圖 3-11 關卡「選擇排序法」答題畫面. 為在遊戲中達到實際演練的目的,遊戲中的同伴 NPC 會給出玩家 指示,說明該關解謎要求並帶領學生進行排序挑戰。以選擇排序法為例, 該種排序法交換規則為挑選未排序數列之最小數與未排序數列首位數 進行交換,NPC 從首數開始,逐一詢問學生該數是否要進行交換(圖 311) 。在此排序法中,如果學生的選擇正確,NPC 會給予正向回饋鼓勵玩 家,並且將已經排列完成的數鎖定;以本題的狀況,當學生玩家選擇「數 字 1 最小,交換」後,系統會將數字「1」進行固定(圖 3-12) 。. 36.

(50) 圖 3-12 回答正確示意圖. 反之,當玩家選擇了錯誤的選項時,NPC 會提示學生再次思考,同 時左上角的一顆生命值藍燈也會轉為紅色(圖 3-13) ,當三顆紅燈亮起時 表示玩家生命值歸零,教學課程將會強制結束,學生必須重新從前面存 檔點重新挑戰本關。待全部題數答對後,學生玩家可獲得該關敵人保管 的鑰匙晶片(圖 3-14) ,學生集齊全數鑰匙晶片後方可邁向最終結局。. 37.

(51) 圖 3-13 回答錯誤示意圖(右上角紅燈亮起). 圖 3-14 通關獲得鑰匙. 38.

(52) 在本遊戲的進行過程中,玩家將經歷許多對話、選擇、思考步驟, 本研究將紀錄玩家在遊玩過程中所產生之行為編碼(Logs) ,以追蹤玩家 對於選項的偏好、在關卡間耗費的時間、重複答題的次數等相關資訊, 供後續實驗結果部分補充說明。並進一步將玩家行為編碼,利用統計軟 體 GESQ 檢視玩家的遊戲行為,並且將所發現的行為模式與其學習成果 進行交叉比對。. 圖 3-15 推薦式網頁學習系統 另,本次研究為檢視遊戲式學習與否對學生的學習成效,將 RPG 系 統的推薦系統單獨取出,將其網頁化成為具推薦功能的網頁學習系統 (圖 3-15)。如同 RPG 的推薦系統,本網頁學習系統會檢視學生作答, 將學生明顯不熟悉之題項標註為紅底、並在該題下方顯示學習影片連結, 讓控制組學生能透過觀賞影片複習不熟悉的排序法知識。. 39.

(53) 40.

(54) 第四章. 研究方法. 本章共分為四節,第一節研究架構與實驗流程、第二節研究對象、 第三節研究工具、以及第四節資料分析與詮釋。詳細說明如下:. 研究架構與實驗流程 本研究所有參與者在排序演算法的課堂教學開始之前,請他們填寫 運算思維能力前測卷及認知負荷量表、心流量表、運算思維自我評估量 表等,檢驗學習者在未經歷本次教學前,對排序演算法單元的學習成效 及認知負荷、心流經驗、運算思維自評等能力。填寫完畢後,資訊教師 會進行講授式的課程教學,並於講授課程結束後下堂課開始進行後續的 實驗操弄。 實驗組 1 學生使用推薦式 RPG 學習系統,該遊戲分為診斷用關卡 以及學習用關卡兩部分。在診斷用關卡中,學生必須運用之前課程學習 到的排序演算法知識,回答關卡內的謎題。遊戲會以推薦系統分析學生 在診斷用關卡的作答表現,依情況適性化開放對應的學習用關卡給學生, 並針對其以熟稔的關卡給予跳關用的通關鑰匙,學生可自由選擇是否使 用鑰匙跳關。實驗過程中,實驗組 1 的學生需在前 30 分鐘內完成首輪 推薦式 RPG 遊戲學習流程,可視為新手的自學行為。並在對於遊戲玩法 熟練之後,在後 30 分鐘執行遊戲流程(次輪) ,可視為老手的自學行為。. 41.

(55) 兩輪遊戲中由系統紀錄下來的數據(Logs)將在後續比較,用以檢視學 生在熟練與不熟練程式之間的學習行為是否有所不同。待系統使用時間 結束後,研究員請受試者填寫運算思維能力後測卷、認知負荷量表、心 流量表、運算思維自我評估量表等,檢測各項心理面向之變化。本組實 驗流程如圖 4-1 最左側所示。. 圖 4-1 實驗流程圖 實驗組 2 學生同樣使用包含診斷用關卡、學習用關卡的 RPG 學習 系統,與實驗組 1 相比,實驗組 2 所使用 RPG 系統並未開啟診斷與推薦 功能。組 2 學生除卻無法藉由前測良好的作答表現,進而獲得可供跳關 的鑰匙之外,在其餘的遊戲內容上,實驗組 2 與實驗組 1 並無二致。實. 42.

(56) 驗過程中,實驗組 2 的學生需在前 30 分鐘內完成首輪推薦式 RPG 遊戲 學習流程,可視為新手的自學行為。並在對於遊戲玩法熟練之後,在後 30 分鐘執行遊戲流程(次輪) ,可視為老手的自學行為。兩輪遊戲中由 系統紀錄下來的數據(Logs)將在後續比較,用以檢視學生在熟練與不 熟練程式之間的學習行為是否不同。待系統使用時間結束後,研究員請 受試者填寫運算思維能力後測卷、認知負荷量表、心流量表、運算思維 自我評估量表等,檢測各項心理面向之變化。本組實驗流程如圖 4-1 中 間所示。 控制組學生則使用推薦式網頁學習系統進行教學,系統同樣會依據 學生填答狀況進行適性化診斷。該系統內建的診斷系統與實驗組 1 使用 的推薦式 RPG 診斷用關卡機制相同,系統會推薦學生對應的教學影片 連結給學習者,此部分影片教材也與 RPG 中學習用關卡使用的影片相 同。實驗過程中,控制組的學生需在前 30 分鐘內完成首輪推薦式網頁學 習系統,並在對於系統操作熟練之後,得到與實驗組 1、實驗組 2 相同 操作兩次系統的機會,在後 30 分鐘執行學習系統(次輪) 。待系統使用 時間結束後,研究員請受試者填寫運算思維能力後測卷、認知負荷量表、 心流量表、運算思維自我評估量表等,檢測各項心理面向之變化。流程 如圖 4-1 最右側所示。. 43.

(57) 研究對象 本研究之實驗對象為台北某國民中學七年級學生。共挑選於 107 學 年度下學期修習資訊教育課程的六個班級,實際參與總人數 171 名,學 生依照班級均分為三組,分別為實驗組 1、實驗組 2、對照組。三組學生 年齡皆介於 13~14 歲之間,且都由同一名具備多年教學經驗的資訊老師 任教。. 圖 4-2 實驗組 1 學生觀看教學影片 各組參與人數部分,實驗組 1 含兩個班級、共 58 人參與實驗,實驗 組 2 含兩個班級、共 60 人參與實驗,對照組含兩個班級、共 53 人參與 實驗。. 44.

(58) 圖 4-3 實驗組 2 學生操作遊戲. 圖 4-4 對照組學生填寫後測問卷. 45.

(59) 研究工具 本研究使用的研究工具包含學習成效測驗、認知負荷量表、心流量 表、行為編碼表等,分述如下: 學習成效測驗 本研究藉由學生填答運算思維能力測驗前、後測卷,用以檢視在使 用遊戲式或影片推薦學習系統後,針對該「排序演算法」單元之學習成 效是否確實獲得改善。測驗卷中每種排序法各占 1 題,共 5 小題,每題 2 分,總分 10 分。題目要求學生依序寫出排序步驟當中,每輪排序之後 數列的排序結果。前後測卷範圍、出題模式相同,僅更動題目中排序用 的數字。本研究將分別於教學前、後施行前測和後測。 認知負荷量表 本研究藉由學生填答認知負荷問卷,以瞭解學生在使用遊戲式及影 片推薦學習系統的影響。該認知負荷量表改編自 Hwang, Yang 和 Wang (2013)所發展出的認知負荷問卷,總共有 8 題,每題皆採用李克特氏 5 點量表,選項依序為非常滿意、滿意、沒意見、不滿意、非常不滿意, 其中非常不滿意為 1 分,非常滿意為 5 分,依此類推,其中心智負荷(內 在認知負荷)共 5 題,Cronbach's alpha 為 0.86;心智努力(外在認知負 荷)共有 3 題,Cronbach's alpha 為 0.85。 46.

(60) 心流體驗量表 本研究藉由學生填答心流體驗問卷,以瞭解學生參與遊戲式及影片 推薦學習系統活動時的融入情形。該心流體驗量表改編自 Pearce, Ainley 和 Howard (2005)所發展出的心流經驗問卷,共 8 題,每題皆採用李 克特氏 5 點量表,選項依序為非常滿意、滿意、沒意見、不滿意、非常 不滿意,其中非常不滿意為 1 分,非常滿意為 5 分,依此類推,Cronbach's alpha 為 0.86。 行為編碼表 本研究針對參與實驗學生之 RPG 遊戲操作紀錄(Logs)進行編碼。 使用軟體為 GSEQ Behavior Sequential Analysis,並使用序列分析殘差表 的 z-score,解釋學生遊戲行為之間是否有明顯差異,並透過結果探討行 為之間的關聯性。本次使用之行為編碼表如表 4-1 所示,將分析實驗組 1、實驗組 2 的學生們,分別在本次遊戲中的首輪、次輪所有答題行為, 探討不同組別之間,有無專家系統對學生學習行為造成的差異。以及學 生在不同實驗階段中,重複操作系統對作答行為產生的影響。. 47.

(61) 表 4-1 RPG 系統行為編碼表 編碼. 內容. 說明. VB. 氣泡排序影片. 觀看氣泡排序法影片. VI. 插入排序影片. 觀看插入排序法影片. VC. 選擇排序影片. 觀看選擇排序法影片. VM. 合併排序影片. 觀看合併排序法影片. TB. 氣泡排序答對. 回答氣泡排序問題正確. TI. 插入排序答對. 回答氣泡排序問題正確. TC. 選擇排序答對. 回答氣泡排序問題正確. TM. 合併排序答對. 回答氣泡排序問題正確. FB. 氣泡排序答錯. 回答氣泡排序問題錯誤. FI. 插入排序答錯. 回答氣泡排序問題錯誤. FC. 選擇排序答錯. 回答氣泡排序問題錯誤. FM. 合併排序答錯. 回答氣泡排序問題 錯誤次數過多. Z. 遊戲終結 強制結束遊戲. 48.

(62) 資料分析與詮釋 本研究將蒐集學生的學習成效、學習動機、認知負荷、心流經驗與 科技化學習意願等資料之後,由統計軟體 SPSS(Statistical Product and Service Solutions) ,進行以下分析。 學習成效 本研究透過對實驗組 1、實驗組 2 與控制組前測之學習成效得分進 行變異數分析(以下簡稱 ANOVA 分析) ,確認三組之學習成效有無顯著 差別。之後再各以前測作為共變數、後測為依變數實施共變數分析(以 下簡稱 ANCOVA 分析) ,以檢測經過教學實驗後,各組學生之間的學習 成效是否有顯著差異。 認知負荷 本研究透過對實驗組 1、實驗組 2 與控制組前測之認知負荷得分進 行 ANOVA 分析,確認三組之學習成效有無顯著差別。之後再各以前測 作為共變數、後測為依變數實施 ANCOVA 分析,以檢測各組學生經由 教學實驗後,各組學生之間的認知負荷是否有顯著差異。. 49.

(63) 心流體驗 本研究透過對實驗組 1、實驗組 2 與控制組前測之心流體驗得分進 行 ANOVA 分析,確認三組之學習成效有無顯著差別。之後再各以前測 作為共變數、後測為依變數實施 ANCOVA 分析,以檢測各組學生經由 教學實驗後,各組學生之間的認知負荷是否有顯著差異。 行為編碼 本研究將以 GSEQ 分析實驗組 1、實驗組 2 分別於首輪、次輪 RPG 遊戲階段之行為編碼,檢測紀錄編碼之事件序列、時間序列。並以學生 之行為模式作為依據,進一步將不同組別、不同時間段學生行為表現交 叉比對。. 50.

(64) 第五章. 研究結果與分析. 本章共分為四節,第一節探討學習成效面向、第二節探討認知負荷 面向、第三節探討心流面向及第四節探討行為編碼面向之研究結果。 有效樣本數部份,本研究在實驗前預計蒐集了每組各 65 人,三組共 計 195 筆的問卷回應。在排除缺課、漏答之無效卷後,最終實驗組 1 共 蒐集 58 份、實驗組 2 共蒐集 60 份、對照組有效樣本共蒐集 53 份,總 數 171 份的有效樣本。對於以上樣本分析結果。詳細說明如下:. 學習成效 本節探討使用不同的排序演算法學習系統後,實驗組 1、實驗組 2、 控制組等三組學生在本次實驗後的學習成就是否有所差異。首先,對各 組前測成績進行 Levene 變異數同質性檢定,結果如表 5-1 所示,三組前 測成績之間同質性差距並未達到顯著水準(F=0.435, p=0.648 > 0.05) , 符合實施 ANOVA 的基本條件。 表 5-1 各組前測成績 Levene 檢定分析摘要表 F. 自由度 1. 自由度 2. 顯著性. 0.435. 2. 168. 0.648. 接著以三組的前測成績為應變項實施變異數分析(ANOVA)。結果 如表 5-2 所示,由於表中三組的成績彼此間皆未達顯著差異(F=0.48, p. 51.

(65) =9.53 > 0.05) ,因此實驗組 1、實驗組 2、控制組三組的學生可視為具有 相同程度的先備知識。 表 5-2 各組前測成績 ANOVA 分析摘要表 組別. 個數. 平均數. 標準差. 標準誤. F. 實驗組一. 58. 1.53. 0.73. 0.098. 0.48. 實驗組二. 60. 1.57. 0.67. 0.135. 控制組. 53. 1.53. 0.74. 0.136. 下一步以三組之後測成績為應變項,前測成績為共變項實施 ANCOVA 分析。先對各組後測成績進行 Levene 變異數同質性檢定,結 果如表 5-3 所示,三組後測成績之間同質性差距並未達到顯著水準(F= 0.152, p=0.859> 0.05) ,符合實施 ANCOVA 的基本條件。 表 5-3 各組後測成績 Levene 檢定分析摘要表 F. 自由度 1. 自由度 2. 顯著性. 0.152. 2. 168. 0.859. 對三組後測成績進行 ANCOVA 分析的結果如表 5-4 所示,檢定結 果顯示實驗組 1 之後測成績優於控制組後測成績(4.26>3.09, p=0.001 <0.1)、實驗組 2 之後測成績亦優於控制組後測成績(4.20>3.09, p= 0.002<0.1) 。顯示凡使用 RPG 教材的組別,無論其系統是否有推薦功 能,在後測的表現皆優於使用網頁教材學習的學生。此外實驗組 1(有. 52.

(66) 推薦功能)與實驗組 2(無推薦功能)兩組後測成績無顯著差異,表示 學生在使用 RPG 時,系統有無推薦功能並未影響其最終學習成效。 表 5-4 各組後測成績 ANCOVA 分析摘要表 組別 個數 平均數 標準差 調整平均數 標準誤 F 事後比較 實驗組一 58 4.26 2.03 4.27 0.245 6.78** a>c (a) 實驗組二 60 4.20 2.00 4.18 0.241 b>c (b) 控制組(c) 53 3.08 1.87 3.09 0.256 **p<.01.. 53.

(67) 認知負荷. 一、認知負荷總表 本節探討使用不同的排序演算法學習系統後,三組學生在本次實驗 的認知負荷面向得分上是否有差異。首先,對各組前測之認知負荷進行 Levene 變異數同質性檢定,結果如表 5-5 所示,三組認知負荷之間同質 性差距並未達到顯著水準(F=1.121, p=0.328 > 0.05) ,符合實施 ANOVA 的基本條件。 表 5-5 各組前測之認知負荷 Levene 檢定分析摘要表 F. 自由度 1. 自由度 2. 顯著性. 1.121. 2. 168. 0.328. 接著以三組的前測成績為應變項實施變異數分析(ANOVA)。結果 如表 5-6 所示,由於表中三組的得分彼此間皆未達顯著差異(F=1.447, p=0.238 > 0.05) ,因此實驗組 1、實驗組 2、控制組三組的學生可視為在 實驗開始前的資訊課堂上,具有相同程度的認知負荷。 表 5-6 各組前測之認知負荷 ANOVA 分析摘要表 組別. 個數. 平均數. 標準差. 標準誤. F. 實驗組一. 58. 3.17. 0.98. 0.103. 1.447. 實驗組二. 60. 3.02. 0.72. 0.101. 控制組. 53. 2.92. 0.57. 0.107. 54.

(68) 下一步以三組之後測認知負荷為應變項,前測之認知負荷為共變項 實施 ANCOVA 分析。先對各組後測之認知負荷進行 Levene 變異數同質 性檢定,結果如表 5-7 所示,三組後測之認知負荷之間同質性差距並未 達到顯著水準(F=1.645, p=0.196>0.05) ,符合實施 ANCOVA 的基本 條件。 表 5-7 各組後測之認知負荷 Levene 檢定分析摘要表 F. 自由度 1. 自由度 2. 顯著性. 1.645. 2. 168. 0.196. 對三組後測之認知負荷進行 ANCOVA 分析的結果如表 5-8 所示, 檢定結果顯示三組之間並未產生顯著差異,表示學生在使用 RPG 系統 學習時,系統有無推薦功能並未影響其最終認知負荷變化。 表 5-8 各組後測之認知負荷 ANCOVA 分析摘要表 組別. 個數. 平均數. 標準差. 調整平均數. 標準誤. F. 實驗組一. 58. 3.11. 0.98. 3.06. 0.115. 0.098. 實驗組二. 60. 3.09. 0.97. 3.09. 0.112. 控制組. 53. 3.08. 0.77. 3.13. 0.120. 55.

(69) 二、認知負荷各面向 為進一步了解三組在認知負荷中的心智負荷、心智努力兩面向上是 否分別有出現差別,本研究進一步分析後測之認知負荷的數據,分別對 兩個面向進行 ANCOVA 分析,結果如表 5-9 所示。顯示無論在心智負荷 (F=0.040, p=0.961>0.05)還是心智努力(F=0.102, p=0.903>0.05) 面向上,三組之間均無顯著差異。 表 5-9 各組後測之認知負荷各面向 ANCOVA 分析摘要表 標準誤. F. 0.79. 調整 平均數 3.10. 0.122. 0.040. 3.00. 0.82. 3.15. 0.120. 53. 2.94. 0.65. 3.14. 0.127. 實驗組一. 58. 3.22. 1.97. 3.03. 0.120. 實驗組二. 60. 3.06. 0.86. 3.01. 0.118. 控制組. 53. 2.88. 0.67. 3.08. 0.126. 組別. 個數. 平均數. 標準差. 心 智 負 荷. 實驗組一. 58. 3.14. 實驗組二. 60. 控制組. 心 智 努 力. 56. 0.102.

參考文獻

相關文件

Explore different e-learning resources and strategies that can be used to successfully develop the language skills of students with special educational needs in the..

1、 Focusing on the unit of “circle”, the variation of the learning achievement between the experimental group and the control group reached significant difference3. The variation

A good game helps students to enhance their learning techniques, such as learning by doing, learning from mistakes, goal-oriented learning, discovery learning, task-based

In accordance with the analysis of relevant experimental results carried in this research, it proves that the writing mechanism and its functions may improve the learning

For Experimental Group 1 and Control Group 1, the learning environment was adaptive based on each student’s learning ability, and difficulty level of a new subject unit was

The main objective of this system is to design a virtual reality learning system for operation practice of total station instrument, and to make learning this skill easier.. Students

Investigating the effect of learning method and motivation on learning performance in a business simulation system context: An experimental study. Four steps to

In this study, teaching evaluation were designed to collect performance data from the experimental group of students learning with the “satellite image-assisted teaching