Gamfed Türkiye Akademik Çeviri Ekibi Sunar: Eğitimde Kişiye Özel Oyunlaştırma: Bir Literatür Taraması ve Gelecek Gündemi Çeviri

Özet

Oyunlaştırma, öğrencilerin konsantrasyonunu, motivasyonunu, katılımını, akış deneyimini ve diğer olumlu deneyimleri artırmayı amaçlayan daha iyi eğitim sistemleri tasarlamak için yaygın olarak kullanılmaktadır. Eğitimde oyunlaştırma üzerine yapılan araştırmalardaki ilerlemelerle birlikte, son birkaç yılda birçok çalışma oyunlaştırma tasarım özelliklerinin öğrencilerin ihtiyaçlarına, özelliklerine ve tercihlerine göre uyarlanması gerektiğini vurgulamıştır. Bu nedenle, eğitimde oyunlaştırmayı kişiselleştirmek için farklı çalışmalar yapılmıştır. Ancak sonuçlar hala çelişkilidir ve bu alanı ilerletmek için daha iyi anlaşılması gerekmektedir. Bu araştırma alanının tam olarak anlaşılmasını sağlamak amacıyla, kişiye özel oyunlaştırılmış eğitim alanını kapsayan çalışmaların sonuçlarını ve tartışmalarını özetlemek için sistematik bir literatür taraması gerçekleştirdik. Sistematik bir süreç izleyerek 2108 çalışmayı analiz ettik ve araştırma sorularımızı yanıtlayacak 19 çalışma belirledik. Sonuçlar, çalışmaların çoğunun sistemleri uyarlamak için yalnızca öğrencilerin oyuncu tiplerini dikkate aldığını ve deneylerin çoğunun, özellikle uyarlanmış oyunlaştırılmış sistemler kullanılarak öğrenme performansı ile ilgili yeterli istatistiksel kanıt sağlamadığını göstermektedir. Sonuçlara dayanarak, eğitimde uyarlanmış oyunlaştırma literatürünü geliştirmek için farklı zorluklar, fırsatlar ve araştırma yönleri içeren bir gündem de sağladık. Çalışmamız eğitimde oyunlaştırma tasarımı alanına katkıda bulunmaktadır.

Anahtar Kelimeler Oyunlaştırma – Oyun tabanlı öğrenme – Uyarlama – Uyarlanabilir öğrenme – Literatür taraması

1. Eğitimde özel oyunlaştırma

Son yıllarda, oyunlaştırmayı eğitimde uygulamak (yani, eğitim sistemlerini oyunların sıklıkla yaptığı gibi benzer motivasyonel faydaları daha iyi sağlayacak şekilde dönüştürmek) ve oyunlaştırmanın etkilerini araştırmak için çeşitli çalışmalar yapılmıştır

öğrencilerin deneyimleri ve öğrenmeleri üzerinde (Rocha Seixas vd., 2016; Oliveira vd., 2020). Bir tarafta, oyunlaştırmanın eğitimde kullanılması genel olarak katılımını ve motivasyonunu artırırken (Koivisto ve Hamari, 2019; Sailer ve Homner, 2019; Bai vd., 2020b), diğer tarafta oyunlaştırmanın tam tersi etkilere neden olduğu, bazı öğrencilerin cesaretini kırdığı veya öğrenme çıktılarını bozduğu durumlar da vardır (Hanus ve Fox, 2015; Toda vd., 2017; Kwon ve Özpolat, 2020).

Aynı zamanda, çalışmalar eğitim ortamlarında, öğrencilerin farklı özelliklerine bağlı olarak, eğitim modelinin (örneğin, eğitim sistemi veya sınıf) her öğrencinin özelliklerine uyacak şekilde kişiselleştirilmesi gerektiğini göstermiştir (Qaffas vd., 2020; Azzi vd., 20202020; Mustafa, ). Bu durum araştırmacıları, oyunlaştırmanın öğrencilerin deneyimi üzerindeki etkilerini iyileştirmeye yardımcı olabilecek olası faktörlerden birinin oyunlaştırma tasarımının kişiselleştirilmesi olduğuna inanmaya yöneltmiştir (Monterrat vd., 2017; Oliveira ve Bittencourt, 2019; Stuart vd., 2020). Bu nedenle, son yıllarda birçok çalışma, oyunlaştırmanın öğrencilerin bireysel özelliklerine göre uyarlanmasının zorluklarını vurgulamıştır (Vassi- leva, 2012; Orji vd., 2013; Monterrat vd., 2014a; Lavoué vd., 2018; Oliveira vd., 2020).

Bu çalışmalar, uyarlama konusunda farklı çözümler önermekte ve bu sistemleri öğrencilerin özelliklerine göre kişiselleştirmenin önemini araştırmaktadır (Klock vd., 2020). Oyunlaştırmada kişiselleştirme fikri, insanların farklı kişiliklere, davranışlara ve ihtiyaçlara sahip olduğu kavramından (Sullivan ., 2017; Bourdieu, 2017; Oliveira ve Bittencourt, 2019) ve bu farklılıkların insanların birbirleriyle, bilgisayar sistemleri içinde etkileşim kurma ve çalışma rutinlerini düzenleme biçimlerini değiştirdiği gerçeğinden gelmektedir (Bartle, 1996; Bateman vd., 2011; Masthoff ve Vassileva, 2015).

Oyunlaştırmanın kişiselleştirilmesini ele alan ilk çalışmalardan biri olarak kabul edilen Ferro ve diğerleri (2013), çeşitli kişilik tipleri ve özellikleri arasındaki ilişki hakkında teorik bir arka plan sunmuştur. Yazarlar ayrıca oyuncu tipolojilerinin ana hatlarını çizmiş ve bu ilişkinin, oyunlaştırılmış sistemlerin tasarlandığı kullanıcı tipleri hakkında tasarımcıları daha derin bir anlayış düzeyinde bilgilendirmek için daha iyi bir yol olduğunu varsaymıştır. Daha yeni bir çalışmada, Orji ve arkadaşları (2013) BrainHex oyuncu tipleri için yedi farklı sağlıklı beslenme davranışı modeli geliştirmiş ve bu yedi model arasındaki farkları araştırmıştır. Ayrıca ikna edici oyun tasarımı için iki farklı yaklaşım önermiştir. Bu yaklaşımlar, belirli bir oyuncu türünü daha iyi motive etmek için kişiselleştirilmiş bir yaklaşım önererek herhangi bir oyuncunun cesaretini kırmaktan kaçınırken nüfusun çoğunluğunu motive etmek için önerilmiştir.

Daha yakın zamanda, Oliveira ve Bittencourt (2019), eğitimde kişiye özel oyunlaştırmanın tarihini ele alan ve oyunlaştırmanın oyuncu tiplerine ve cinsiyete göre kişiselleştirilmesi için bazı teknikler sunan konuyla ilgili ilk kitabı yayınlamıştır. Özetle, kişiye özel oyunlaştırma ile ilgili çalışmalar, öğrencilerin bireyselliklerini tanımlamak ve bunları oyun öğelerine ilişkin tercihleriyle ilişkilendirmekle ilgilidir (Orji vd., 2014; Monterrat vd., 2015; Lavoué vd., 2018). Bu çalışma alanının ne kadar yeni olduğu göz önüne alındığında, çoğu çalışma, öğrencilerin uyarlanmış oyunlaştırılmış eğitim sistemlerindeki öğrenme çıktılarıyla ilgili derin analizler sunmamaktadır.

2. İlgili çalışmalar

Kişiselleştirilmiş oyunlaştırmanın kullanıcı deneyimi üzerindeki etkilerini araştırmak için son yıllarda başka araştırmacılar da bazı ikincil çalışmalar yürütmüştür. Stuart ve diğerleri (2019), alandaki katkıların türü ve kişiselleştirilmiş oyunlaştırmanın etkisiyle ilgili üç araştırma sorusunu ele almıştır. Sonuçlar, katkıların henüz başlangıç aşamasında olduğunu ve çok az yönün değerlendirildiğini göstermiştir (Stuart ., 2019). Lopes ve arkadaşları (2019), bu uyarlanabilir özelliklerin nasıl çalıştığını, neleri uyarladığını ve hangi stratejileri benimsediğini anlamak amacıyla eğitimde kişiselleştirilmiş oyunlaştırma alanında sistematik bir literatür taraması SLR) gerçekleştirmiştir. Oyunlaştırmayı kişiselleştirmek için farklı faktörlere dayanan, farklı öğrenme konularıyla ilgili bazı stratejiler belirlemişlerdir (Lopes vd., 2019).

Rozi ve diğerleri (2019) başka bir SLR gerçekleştirmiş, ancak oyunlaştırmayı uyarlamak için kullanılan bileşenleri, yöntemleri ve çerçeveleri keşfetmeye odaklanmıştır. Yazarlar, oyunlaştırmayı uyarlamak için kullanılan dört bileşen, yedi yöntem ve üç çerçeve olduğunu keşfetmeyi başarmışlardır (Rozi vd., 2019). Genel olarak, makalede sunulan sonuçlar daha genel ve teknik yönlere odaklanmakta ve eğitim alanına odaklanmamaktadır. Alomair ve Hammami (2020) oyunlaştırma öğrenme ortamlarına adaptasyonda kullanılan yöntemleri belirlemek için bir literatür taraması yapmıştır. Yazarlar bazı yöntemleri sunup tartışsalar da (Alomair ve Hammami, 2020), bu çalışma da oyunlaştırma adaptasyonuyla ilgili benzersiz bir teknik yöne odaklanmakta ve sistematik bir protokol izlememektedir.

Yakın tarihli bir başka SLR olan Klock ve (2020), “uyarlanmış, kişiselleştirilmiş, uyarlanabilir ve önerilen” oyunlaştırma ile ilgilidir. Yazarlar 42 çalışma seçmiş ve kullanıcı profilinin en çok dikkate alınan özelliklerinin oyuncu tercihleri, cinsiyet ve kişilik olduğunu bulmuşlardır. Bu çalışmaların çoğu hala kullanıcı modifikasyonu yöntemlerini dikkate almaktadır ve kişiye özel oyunlaştırma hala bir trenddir (Klock vd., 2020). Gelecekteki araştırmaların dinamik modellemeye, aynı anda birden fazla özelliği keşfetmeye ve kullanıcıların profilleri dışındaki diğer özelliklerin etkilerini anlamaya odaklanmasını tavsiye etmişlerdir.

Özetle, bu bölümde sunulan ve genel oyunlaştırmanın kişiselleştirilmesine (bağlamdan bağımsız olarak) odaklanan ikincil çalışmalar, çalışmaların çoğunun eğitim alanında yapıldığını ve bu alana odaklanan yeni ikincil çalışmaların yapılması gerektiğini göstermektedir. Aynı zamanda, eğitimde oyunlaştırmanın kişiselleştirilmesine odaklanan çalışmalar sistematik değildir ya da kişiselleştirmenin sadece teknik bir yönüne odaklanmaktadır. Bildiğimiz kadarıyla çalışmamız, eğitim sistemleri için kişiselleştirilmiş oyunlaştırmaya odaklanan ve bu kişiselleştirmede kullanılan psikolojik ve hesaplamalı yönlerle ilgili soruları yanıtlayan, bu bilgileri çapraz referans veren ve kişiselleştirilmiş sistemlerin öğrencilerin deneyimi üzerindeki etkileriyle ilgili ampirik sonuçları özetleyen ilk derlemedir. Buna ek olarak, bu alandaki zorlukların üstesinden gelmek için bir dizi yönerge sunuyoruz.

2. Metodoloji

Eğitimde kişiye özel oyunlaştırma konusundaki son durumu belirlemeyi amaçlayarak, araştırma sorularımız, konularımız veya fenomenimizle (Kitchenham, 2004) (yani, eğitimde kişiye özel oyunlaştırma) ilgili mevcut araştırma bulgularını belirlemek, değerlendirmek ve yorumlamak için bir SLR yürütmeyi tercih ettik.

1. Çalışma hedefleri

Bu literatür taramasının odak noktası, eğitimde kişiye özel oyunlaştırma konusundaki son durumu ortaya koymaktır. Başka bir deyişle, eğitimde kişiye özel oyunlaştırma geliştirmek için göz önünde bulundurulan özellikler (örneğin, kullanıcının kişilik özellikleri) gibi literatürde ele alınmayan (veya az olan) konuları belirlemeyi amaçlıyoruz.

– psikolojik özellik – ya da eğitimde oyunlaştırmayı geliştirmek için kullanılan hesaplama araçları – hesaplama özellikleri), eğitimde oyunlaştırmayı geliştirmek için kullanılan süreçler ve şimdiye kadar sağlanan kanıtlar. Bu amaca ulaşmak için üç özel hedef belirledik:

• Özel oyunlaştırılmış ortamları kişiselleştirmek için kullanılan kişiselleştirme yaklaşımını (örneğin, psikolojik yönler veya tasarım yaklaşımı) belirlemek;
• Kişiye özel oyunlaştırılmış ortamların nasıl geliştirildiğini belirlemek (örneğin, kişiselleştirmede kullanılan algoritma veya sistem türleri); ve
• Özel olarak tasarlanmış oyunlaştırılmış ortamların öğrenci deneyimindeki etkilerine ilişkin ampirik kanıtları belirlemek (örneğin, öğrencilerin öğrenmesi üzerindeki etkiler).

Bu hedeflere ulaşarak, eğitimde uyarlanmış oyunlaştırmaya genel bir bakış sağlayarak mevcut literatüre katkıda bulunuyoruz. Aynı zamanda, sonuçlarımıza, eğitimde uyarlanmış oyunlaştırma literatürünü ilerletmek için yeni çalışmaların nasıl geliştirileceği konusundaki tartışmaları geliştirmek mümkün olacaktır.

2. Araştırma soruları

Daha sonra, SLR’mizin hedeflerini tanımladıktan sonra araştırma sorularımızı geliştirdik. Her bir Araştırma Sorusu (RQ), çalışmamızın belirli hedeflerine yönelik olarak aşağıdaki şekilde geliştirilmiştir:

• RQ1: Oyunlaştırılmış eğitimi kişiselleştirmenin temeli olarak hangi öğrenen özellikleri kullanılmıştır?
• RQ1.1: Oyunlaştırılmış eğitimi kişiselleştirmenin temeli olarak hangi psikolojik yönler kullanılmıştır?
• RQ1.2: Oyunlaştırılmış eğitimi personalize etmenin temeli olarak hangi kişiselleştirme yaklaşımı kullanılmıştır?
• RQ2: Eğitimde kişiselleştirilmiş oyunlaştırma öğrencilerin öğrenme çıktılarını ve ilgili psikolojik durumlarını nasıl etkilemiştir?
  • RQ2.1: Uyarlanmış oyunlaştırılmış eğitim ortamlarını kullanan öğrenciler, uyarlanmamış oyunlaştırılmış eğitim ortamlarını kullanan öğrencilere kıyasla farklı öğrenme çıktılarına sahip midir?

3. Arama dizesi

Kitchenham (2004) protokolünü izleyerek, arama dizimizi oyunlaştırma ve eğitim teknolojileri üzerine yapılan son çalışmalara dayanarak tanımladık (örneğin, Bitten- court vd., 2016; Hamari vd., 2014, 2016; Santos vd., 2018; Koivisto ve Hamari2019; Klock vd., 2020). Oyunlaştırma ve eğitim sistemleri araştırmasında üç uzman tarafından onaylanmıştır. Doğrulama, ana terimle ilişkili terim gruplarının dahil edilerek veya çıkarılarak analiz dayanıyordu. Kişiye özel oyunlaştırma üzerine yapılan çalışmaları bulmak için seçilen terimler şunlardı “oyunlaştırma” ve “kişiselleştirme”; “oyunlaştırma” ve “özelleştirme”; “oyunlaştırma” ve “uyarlama”; “oyunlaştırma” ve “uyarlama”. Eğitim teknolojileriyle ilgili terimleri tanımlamak için San- tos ve diğerleri (2018) tarafından tanımlanan ve doğrulanan aynı diziyi kullandık.

4. Kaynak arama (dijital kütüphaneler)

Arama dizimizin tanımlanmasının ardından kaynaklarımızı belirledik. Scopus’un diğer veri tabanlarında yer alan çoğu çalışmayı kapsadığını rağmen, çalışma kapsamında mümkün olduğunca çok çalışma bulmayı sağlamak için, eğitim ve oyunlaştırma alanında yakın zamanda yapılan farklı ikincil çalışmalardan (örneğin, Hamari vd., 2014; Bittencourt vd., 2016; Santos vd., 2018; Klock vd., 2020) ve ayrıca oyunlaştırma ve eğitim alanındaki uzmanların önerilerinden esinlenerek, çalışma alanındaki ana arama dijital kütüphanelerini kullanmaya karar verdik. Ardından, araştırmamızı yürütmek için yedi farklı dijital kütüphane seçtik: i) ACM Digital

5. Veri Çıkarma ve Dönem

Bir sonraki adımda, seçilen her çalışmadan çıkarılacak verileri tanımladık: (i) çalışma bilgileri (referans; başlık; yazar listesi; yazarların ülkesi; yazarların yakınlıkları; kaynak; kaynak türü (dergi veya konferans); yayın yılı; ve özet (Santos ., 2018′den esinlenilmiştir)) (ii) yayın tarihi; iii) uygulama alanı;

4. oyunlaştırılmış eğitim ortamını uyarlamak için kullanılan yaklaşım; (v) oyunlaştırılmış eğitim ortamını uyarlamak için kullanılan psikolojik yön; (vi) oyunlaştırılmış eğitim ortamını uyarlamak için kullanılan iletişimsel yön; vii) araç; ve

(viii) özel olarak tasarlanmış oyunlaştırılmış eğitim ortamının öğrenci çıktıları üzerinde kullanımına ilişkin ampirik sonuçlar. (i), (ii) ve (iii) maddeleri çalışmanın genel demografik özellikleriyle ilgilidir. Madde iv, v, vi ve vii, RQ1, RQ1.1 ve RQ1.2’yi cevaplamak için gereklidir. Son olarak, madde viii, RQ2 ve RQ2.1’i cevaplamak için gereklidir.Farklı ikincil çalışmalara göre (Hamari vd., 2014; Koivisto ve Hamari, 2019; Bai vd., 2020b), oyunlaştırma üzerine ilk çalışmalar 2011 yılında yayınlanmaya başlamıştır. Bu nedenle, nispeten yeni bir alan olduğu için, arama için bir başlangıç dönemi tanımlamamayı tercih ettik. Bu karar, ilk çalışmanın hangi yılda yayınlandığını ve alanın yıllar içinde nasıl geliştiğini belirlememize yardımcı oluyor.

Anahtar: Y= Evet; N= Değil; P= Kısmen
Şekil 1 Çalışmaların Filtrelenmesi

6. Ülkeler ve Üniversiteler

Şekil 3 Yayın Yılı

12 farklı ülkeden araştırmacılar eğitimde uyarlanmış oyunlaştırma araştırmalarına katkıda bulunmuştur. Avrupa kıtası, beş farklı ülkeden (Almanya, Fransa, İspanya) en fazla katkının (toplam 11 çalışma) yapıldığı kıtadır.Finlandiya ve İtalya). Kuzey Amerika ve Güney Amerika, dört farklı ülkenin (Kuzey Amerika’da Amerika Birleşik Devletleri ve Kanada, Güney ‘da Brezilya ve Kolombiya) katılımıyla birlikte yedi çalışmayla katkıda bulunmuştur. Bunlara ek olarak, Asya kıtası iki farklı ülkenin (İran ve Japonya) katılımıyla üç çalışmanın üretilmesinde işbirliği yapmıştır. Son olarak, Afrika kıtası bir çalışmanın (Tunus’ta üretilen) üretiminde işbirliği yapmıştır. Ayrıca, 11 farklı ülkeden 21 üniversitenin alana katkı sağlayan araştırmaları görmek mümkündür. Belirlenen çalışmalarda en çok yer alan üç Fransız üniversitesi olmuştur. Diğer üç üniversite ve bir araştırma enstitüsü çalışma ile katkıda bulunmuştur. Diğer 14 üniversite ise birer çalışma ile katkıda bulunmuştur. Tablo 4‘te ülkeler, üniversiteler ve yayınlar arasındaki ilişki gösterilmektedir.

2. Çalışmaların Kapsamlılık Sonucu

Çalışmaların kapsamlılık değerlendirmesinden, sadece üç çalışmanın maksimum puanı (11 puan) aldığını algılamak mümkündür. 2017, 2018 ve 2020 çalışmaları (Monterrat ., 2017; Lavoué vd., 2018; Oliveira vd., 2020), çalışmaların kapsamlılık değerlendirilen tüm kriterlerde en yüksek puanı almıştır. En yüksek puanı alan üç çalışmadan ikisi dergilerde yayımlanmıştır. Ardından, 9,5 puanla ikinci sırada yer alan 2015 ve 2017 (Monterrat vd., 2015; Sailer vd., 2017) çalışmaları yine dergilerde yayımlanmıştır. Üçüncü sırada 9,0 puanla 2016 ve 2017 (Roosta vd., 2016; Denden ., 2017) çalışmaları yer almaktadır. (Roosta ., 2016) ve (Denden vd., 2017) farklı konferanslarda yayınlanmıştır. Şekil 4, her bir çalışmanın kapsamlılık değerlendirmesinin bir organizasyonunu sunmaktadır.

3. RQ1: Oyunlaştırılmış eğitimi kişiselleştirmenin temeli olarak hangi öğrenen özellikleri kullanılmıştır?

Bu bölüm, oyunlaştırılmış eğitim ortamlarını uyarlamak için hangi bilişimsel ve psikolojik özelliklerin kullanıldığını belirlemeyi amaçlamaktadır. Sonuçlarımızı daha iyi sunmak için,

Şekil 5 Psikolojik yaklaşım ve araçlar

Bu soruyu iki alt soruya ayırdık: ilk alt bölüm psiko-mantıksal özelliklerle, ikincisi ise hesaplama özellikleriyle ilgilidir.

4. RQ1.1: Oyunlaştırılmış eğitimi kişiselleştirmenin temeli olarak hangi psikolojik yönler kullanılmıştır?

Bu soruyu yanıtlamak için hangi öğrenci özelliklerinin (örn. öğrenme stilleri veya oyuncu tipi), demografik faktörlerin (örn. yaş veya cinsiyet) veya psikolojik durumların (örn: motivasyonel faktörler) her bir çalışmada oyunlaştırılmış eğitim ortamlarını kişiselleştirmek amacıyla kullanılmıştır. Seçilen 19 çalışmadan 17’si oyunlaştırılmış eğitim ortamlarını kişiselleştirmek için kullanılan psikolojik veya insani yönü göstermektedir. Sonuçlar, yukarıda bahsedilen üç yöne göre düzenlenmiş 11 farklı yaklaşım sunmaktadır. Şekil 5 bulguları düzenlemektedir.

• Öğrencilerin özellikleri: oyuncu tipi, öğrenme stili, hedef yönelimi, kişilik özelliği.
• Demografik faktörler: yaş, cinsiyet, yaşanılan yer.
• Psikolojik durumlar: kullanıcı tercihi, psikolojik memnuniyet, motivasyon aşaması.
• Diğer: eğitmen tercihi.

Çalışmaların çoğu (10 çalışma) oyunlaştırılmış eğitim ortamlarını oyuncu tipini kullanarak uyarlamıştır. Bunlardan beşi sistemleri uyarlamak için BrainHex oyuncu tipini kullanırken (2015, 2014b, 2017, 2018, 2020), 2017 ve 2019 Hexad oyuncu modelini ve 2016 çalışması Bartle oyuncu tiplerini kullanmıştır. İki çalışma (2014 ve 2017) hangi oyuncu modelini kullandıklarını göstermemektedir.

Üç farklı çalışma, sistemleri uyarlamak için öğrencilerin öğrenme stilini kullanmıştır. 2017 Felder-Silverman Öğrenme Stilini kullanmıştır; 2014 ve 2017 öğrenme stillerini kullanmış ancak hangi öğrenme modelinin kullanıldığını belirtmemiştir. Diğer iki çalışmada ise öğrencilerin kişilik özellikleri kullanılmıştır: 2017‘de Beş Büyük Kişilik Özelliği Modeli kullanılmış; 2017‘de ise hangi öğrenme stili modelinin kullanıldığı belirtilmemiştir.

2016, oyunlaştırılmış eğitim ortamlarını uyarlamak için öğrencilerin hedef yönelimlerini bir teori olarak kullanmış ve öğrencilerin hedef belirlemek için Elliot kategorizasyonunu özel bir araç olarak kullanmıştır. İki çalışma (2016 ve 2014a) öğrencilerin yaşlarını kullanmış ancak kullandıkları aracı belirtmemiştir. Aynı şekilde, 2014a da yaklaşımlarını belirtmeden öğrencilerin cinsiyetini kullanmıştır – örneğin, öğrencilerin yaşına ve cinsiyetine göre oyunlaştırmada hangi özelliklerin değiştirilmesi gerektiği gibi.

2017 2017 çalışmasında demografik veriler kullanılırken, çalışmasında eğitmenlerin tercihleri kullanılmıştır. 2016’da kullanıcıların tercihleri kullanılmıştır. 2017 psikolojik memnuniyeti kullanmıştır. Ancak, bu çalışmaların hiçbiri rapor edilen insani veya psikolojik özelliği dikkate alan spesifik yaklaşımı bildirmemiştir. Son olarak, 2016 ve 2014 motivasyon aşamasının insani/psikolojik özellik olarak kullanıldığını rapor etmiş ancak kullandıkları yaklaşımı bildirmemiştir. Sadece iki çalışma (2017 2017,) oyunlaştırılmış eğitim ortamını uyarlamak için kullanılan insani/psikolojik bir özelliğin kullanımını rapor etmemiştir.

Bu bulgulara dayanarak, RQ 1.1’in cevabını, oyunlaştırılmış eğitim ortamlarını uyarlamak için oyuncu tipi, öğrenme stili, üçlü hedefler, kişilik özellikleri ve kişisel veriler olmak üzere 11 psikolojik yaklaşımın kullanıldığı ve bunları uygulamak için BrainHex, Bartle modeli, Hexad, Felder-Silverman Öğrenme Stili, Elliot kategorizasyonu, Büyük Beşli ve Mayers Briggs Tip Göstergesi olmak üzere yedi aracın benimsendiği sonucuna vararak özetleyebiliriz.

1. RQ1.2: Oyunlaştırılmış eğitimi kişiselleştirmenin temeli olarak hangi kişiselleştirme yaklaşımı kullanılmıştır?

Bu soruyu yanıtlamak için, oyunlaştırılmış eğitim ortamlarını uyarlamak için kullanılan bilişimsel yaklaşımları ve belirli çalışma türlerini (örneğin, bir değerlendirme veya bir deney) arayarak ve seçerek başladık. Seçilen 19 çalışmadan 13’ü oyunlaştırılmış eğitim ortamlarını uyarlamak için kullanılan bilişimsel yaklaşımı sunmaktadır. Sonuçlar, (i) araç (örn. mobil uygulama veya yüksek kaliteli prototip), (ii) çerçeve, (iii) süreç, iv) mimari olmak üzere altı farklı yaklaşım göstermektedir, (v) ontoloji ve (vi) hesaplama modeli. Şekil 6‘da her bir çalışmanın hesaplama yaklaşımı ve türü gösterilmektedir; bu da bazı çalışmaların birden fazla yaklaşım kullandığını göstermektedir.

Seçilen çalışmaların çoğu (17 çalışmadan 10’u) bir araç önermiş veya kullanmıştır. Dört çalışma bir araç önermiş (2014b; 2016; 2017; 2014a) ve üç çalışma bunlardan bazılarını kullanarak bir deney gerçekleştirmiştir (2017; 2017; 2020). Ayrıca, 2016’da bir araç değerlendirilmiş, 2017‘de yarı deney yapılmış ve 2017‘de yalnızca uzman temelli bir görüş sunulmuştur. Diğer altı çalışma oyunlaştırılmış eğitim ortamını uyarlamak için çerçeveler sunmuştur. 2017, 2017 ve 2017 çerçeveler önermiş, 2016, 2017 2017 ve ise çerçevelerin doğrulamasını yapmıştır. Buna dayanarak, 2017 ve 2017‘nin çerçeveleri önerdiğini ve doğruladığını fark etmek mümkündür. Sadece iki çalışma oyunlaştırılmış eğitim ortamlarını uyarlamak için bir süreç sunmuştur. 2018 ve 2019 bu süreci önermiş ve doğrulamıştır. Ayrıca, yalnızca bir çalışma (2017) oyunlaştırılmış eğitim ortamını uyarlamak için bir mimari , ancak herhangi bir değerlendirme yapılmamıştır. 2014 bir ontolojiyi (bir vaka çalışması aracılığıyla) doğrulamıştır.

5. RQ2: Eğitimde kişiselleştirilmiş oyunlaştırma öğrencilerin öğrenme çıktılarını ve ilgili psikolojik durumlarını nasıl etkilemiştir?

Bu soruyu yanıtlamak için öncelikle deneysel çalışmalar yapan çalışmaları belirledik. Daha sonra, her birinde raporlanan ampirik sonuçları çıkardık. 11 çalışmada ampirik sonuçları tespit etmek mümkün olmamıştır (2017, 2016, 2014, 2017, 2015, 2014b, 2016, 2017, 2017, 2014a, 2017), diğer altısı için ise Şekil 8‘de gösterildiği gibidir.

Sadece iki çalışma, uyarlanmış oyunlaştırılmış eğitim ortamlarının olumlu öğrenme çıktıları gösterdiğini belirten sonuçlar sunmuştur. Sadece 2016’da uyarlanmış tespit edilmiştir sistemin öğrencilerin motivasyonunu ve performansını artırdığı . 2018′de ise uyarlanmış oyun özellikleriyle etkileşime giren öğrencilerin öğrenme ortamında önemli ölçüde daha fazla zaman geçirdiği tespit edilmiştir (Lavoué ., 2018). Bununla birlikte, uyarlanmamış özelliklere sahip öğrencilerin daha yüksek bir motivasyon seviyesine sahip olduğu da tespit edilmiştir.

2017, uyarlama sürecinin yazarların beklediği gibi öğrencilerin katılımını artırmadığını ve öğrencilerin katılımının öğrenciler için benzer olduğunu göstermiştir hem uyarlanmış hem de uyarlanmamış sistemde. 2017 rozetlerin, liderlik panolarının ve ilerlemenin yetkinlik ve memnuniyetin yanı sıra algılanan görev anlamlılığını da olumlu yönde etkilediğini tespit etmiştir. Aynı zamanda, avatarlar, anlamlı hikayeler ve takım arkadaşları sosyal ilişki deneyimlerini etkilemiştir (Sailer vd., 2017). Bununla birlikte, çalışma diğer oyuncu türleriyle bir ilişki sağlamamıştır.

Şekil 8 Ampirik Çalışmalar

2017 sadece öğrencilerin kişiliklerine göre farklı oyunlaştırma tercihleri olduğunu doğrulamış, ancak bu oyuncu tipleri ile oyunlaştırma tasarımı açısından bireysel tercihleri arasında bir ilişki kurmamıştır. Son olarak, 2017test etmiş , oyunlaştırılmış eğitim ortamlarını daha iyi uyarlamak için farklı hesaplama yaklaşımlarını ve Naive Bayes’in diğer yöntemlerden daha iyi performans gösterdiğini ve farklı oyuncu türlerine göre zorluk seçim sürecini iyileştirmek için etkili bir şekilde kullanılabileceğini belirlemiştir.

Bu soruya ilişkin daha derin bir tartışma sağlamak için, seçilen çalışmalardan boylamsal deneyleri de çıkardık. Boylamsal çalışmaları, aynı değişkenlerin (örneğin insanlar) belirli bir süre boyunca tekrarlanan gözlemlerini ele alan (yani boylamsal verileri kullanan) bir tasarıma sahip araştırmalar olarak kabul ettik. Bu genellikle bir tür gözlemsel çalışma olarak kabul edilir, ancak uzunlamasına randomize deneyler olarak da yapılandırılabilirler (Cook vd., 2002).

Seçilen çalışmaların hiçbiri boylamsal bir çalışma sunmamıştır. Bazı çalışmalar (örneğin, 2016, 2017 ve 2014a) uzun süreli bir kurstan elde edilen verileri kullanan yaklaşımlar sunmuştur. Ancak, bu yaklaşımlar aynı değişkenlerin tekrarlanan gözlemlerine dayanmamaktadır ve Cook ve diğerlerine (2002) göre bunlar boylamsal çalışmalar değildir.

1. RQ2.1.: Uyarlanmış oyunlaştırılmış eğitim ortamlarını kullanan öğrenciler, uyarlanmamış oyunlaştırılmış eğitim kullanan öğrencilerden farklı öğrenme çıktılarına sahip midir?

Daha önce, analiz edilen çalışma kişiselleştirilmiş bir sistemi kişiselleştirilmemiş bir sistemle karşılaştırmadığında bile, eğitimde kişiselleştirilmiş oyunlaştırmanın genel sonuçlarını analiz ettik. Şimdi ise sadece kişiselleştirilmiş bir sistemi kişiselleştirilmemiş bir sistemle öğrenci deneyimi açısından karşılaştıran çalışmaların sonuçlarını analiz etmeye odaklanacağız.

Sadece 2018 yılında bu kriteri karşılayan bir deney gerçekleştirilmiştir. Bu çalışma, uyarlanmış oyun özelliklerini kullanan öğrencilerin, uyarlanmamış oyunlaştırma özelliklerini kullanan kıyasla öğrenme ortamında (çalışmanın bağlamındaki öğrenme çıktısı) önemli ölçüde daha fazla zaman geçirdiğini tespit etmiştir. Ayrıca, uyarlanmamış oyun özelliklerine sahip öğrenciler, uyarlanmış oyun özelliklerine sahip öğrencilere kıyasla daha yüksek düzeyde motivasyona sahipti.

Dolayısıyla 2018, hem öğrencilerin öğrenme çıktılarının hem de motivasyonlarının oyunlaştırılmış eğitim ortamlarının kullanımından etkilenebileceğini göstermiştir. Bu bağlamda, RQ 2.1’i, öğrencilerin öğrenme çıktılarının uyarlanmış ve uyarlanmamış oyunlaştırılmış eğitim ortamları karşılaştırıldığında farklılık gösterdiğini varsayarak yanıtlayabiliriz.

3. Tartışma

Son yıllarda, eğitim ortamlarında oyunlaştırmanın kişiselleştirilmesinin etkilerini analiz eden çeşitli çalışmalar yapılmaya başlanmıştır. Kişiye özel oyunlaştırılmış eğitim alanındaki son durumu anlamak ve bu alanda bir araştırma gündemi önermek için bir SLR gerçekleştirdik. Sonuç olarak, çoğu çalışmanın sistemleri kişiselleştirmek için yalnızca oyuncu türlerini dikkate aldığını, çok az çalışmanın oyunlaştırma kişiselleştirmesinin otomatikleştirilmesini önerdiğini ve sonuçların oyunlaştırmanın kişiselleştirilmesinin öğrencilerin öğrenmesinde etkili olup olmadığını netleştirmediğini tespit ettik. Elde ettiğimiz sonuçlara dayanarak, kişiye özel oyunlaştırılmış eğitimle ilgili son durumu kapsayan bazı başlıkları belirlemek mümkündür. Bunun yeni bir konu olduğunu, son birkaç yılda birçok çalışma yapıldığını ve araştırmacılar tarafından farklı açık zorlukları olan bir konu olarak anlaşıldığını algılayabiliriz.

Bulgularımız, çalışmaların çoğunun oyunlaştırmayı uyarlamak için bazı insani yönleri dikkate aldığını göstermektedir (örneğin, oyuncu tipi, öğrenme stili, hedef yönelimi, kişisel özellikler, yaş, cinsiyet, demografik özellikler, eğitmen tercihi, kullanıcı tercihleri, psikolojik ihtiyaç memnuniyeti ve motivasyon aşaması). Ancak, çoğu çalışma diğer önemli insani yönlere zarar verecek şekilde yalnızca oyuncu tipini ele almıştır. Seçilen çalışmalarda genel kültürel unsurlar ya da algılanan oyunlaştırma kabulü ve öğrenme çıktıları üzerinde cinsiyet farklılıkları da gözlemlenmemiştir. Son çalışmalara göre (örneğin, Oyibo ., 2016; Oyibo vd., 2017a; Oyibo ., 2017b), kültürel yönler de sistemin tasarımı için insan tercihlerini değiştirebilir; ayrıca, öğrencilerin oyuncu tipleri yaşam deneyimleri boyunca değişebilir. Bu nedenle, eğitim sistemlerini daha akıllı öğrenme ortamlarına uygun hale getirirken hem diğer bireysel insan yönlerini/özelliklerini hem de kişisel değişiklikleri dikkate almanın önemini vurgulamak önemlidir.

Ayrıca, çoğu çalışmanın ampirik ve/veya deneysel araştırmalar yapmadığını tespit ettik. Bunun yerine, teorik çalışmalarda destek aramışlar ya da oyunlaştırılmış eğitim ortamlarında cezalandırma ile ilgili teorik eleştiriler bildirmişlerdir. Sadece iki çalışma, öğrencilerin öğrenme çıktıları açısından uyarlanmış ve uyarlanmamış sistemleri karşılaştırmak için deneyler yapmıştır. Bununla birlikte, ön sonuçlar, uyarlanmış sistemlerin bazı durumlarda daha iyi olabileceğini (örneğin, uyarlanmış bir sistemi kullanan öğrencilerin öğrenme ortamında önemli ölçüde daha fazla zaman geçirmesi), diğerlerinde ise sistemin uyarlanmış sistemden daha etkili olduğunu (örneğin, öğrencilerin motivasyonunun daha iyi olması) göstermiştir. Bu sonuçlar, öğrencilerin katılımını artırmak için oyun özelliklerini uyarlamanın uygunluğunu desteklemekte ve uyarlama mekanizmalarını uygulama yolları hakkında ipuçları sağlamaktadır (Lavoué ., 2018). Bu sonuçlar aynı zamanda Mevcut oyunlaştırma literatürü, oyun öğelerinin kullanıcıların ihtiyaçlarına göre uyarlanması gerektiğini ifade etmektedir.

Bu anlamda, uyarlama sürecinin iki düzeyde gerçekleşmesi gerektiğini düşünüyoruz:

(i) Akıllı Eğitim Sistemleri akıllı sistemler kullanılırken kullanıcılara uyarlanabilen içerik; ve (ii) her biri kullanıcıya farklı türde bir deneyim sağlayabilen oyun unsurları. Gözlemleyebileceğimiz gibi, bu oyunlaştırma unsurlarının çoğunda araştırılmamıştır, ancak bu unsurların kullanıcının deneyimini uyarlaması gerektiğini, böylece motive olmuş bir duruma ulaşabileceklerini ve sonuç olarak öğrenme sonuçlarını geliştirebileceklerini göstermektedir. Buna bir örnek, kullanıcının sistem içindeki etkileşimlerine veya sistemi kullanırken bir kamera aracılığıyla yakalanabilen duygusal etkileşimlerine dayalı olarak puan veya rozet kazanma şeklini uyarlamaktır. Bununla birlikte, uyarlanmış oyunlaştırılmış eğitim ortamlarının etkisine ilişkin bulgular tek bir çalışmaya dayanmaktadır ve bu da benzer yeni çalışmaların yapılmasının (uyarlanmış oyunlaştırılmış eğitim ortamlarının uyarlanmamış olanlarla karşılaştırılması) önemini vurgulamaktadır. Bu durum, diğer alanlarda olduğu gibi (örneğin davranış değişikliği Orji 2014; e-ticarette alışveriş alışkanlıkları Adaji vd., 2018; sağlık bilimleri Oyibo 2016; ve diğerleri) öğrencilerin öğrenme çıktıları açısından uyarlanmış sistemlerin uyarlanmamış sistemlerden daha iyi olup olmadığının belirlenmesinin yanı sıra öğrencilerin öğrenme çıktılarını daha iyi iyileştirmek için uyarlanmış sistemlerin nasıl tasarlanacağının öğrenilmesi ihtiyacını vurgulamaktadır. Bu tür bir karşılaştırmanın farklı perspektiflerden, örneğin öğrencilerin psikolojik özellikleri açısından (örneğin, öğrencilerin katılımı, konsantrasyonu ve akış deneyimi) veya insan-bilgisayar etkileşimi (HCI) faktörleri dikkate alınarak yapılması gerektiğini savunuyoruz. Karşılaştırmalı çalışmalar, özel oyunlaştırılmış eğitim ortamlarına ampirik destek sağlamanın yanı sıra bunu farklı ortamlarda gerçekleştirmek için de önemlidir. perspektifler bulguların genelleştirilmesini geliştirir.

4. Gelecekteki çalışmalar için gündem

Bu ikincil çalışmada elde edilen sonuçlara göre, uyarlanmış oyunlaştırılmış eğitim ortamları üzerine yapılan çalışmalar hakkında bir genel bakış belirlemek mümkün olmuştur. Bu genel bakış, eğitimde uyarlanmış oyunlaştırma alanındaki bazı araştırma zorluklarını, fırsatları ve araştırma yönlerini belirlememizi sağladı. Dolayısıyla bu bölüm, bu alanda gelecekte yapılacak çalışmalar için bir gündem sunmaktadır.

1. Uyarlanmış oyunlaştırılmış eğitim ortamları, öğrencilerin çıktıları açısından uyarlanmamış oyunlaştırılmış eğitim ortamlarından daha mı iyidir?

SLR’mize dahil edilen 19 birincil çalışma arasında sadece iki tanesinin uyarlanmış oyunlaştırılmış eğitim ortamlarını uyarlanmamış oyunlaştırılmış eğitim ortamlarıyla karşılaştırdığını ve hiçbirinin uyarlanmış ortamı ortamın oyunlaştırılmamış versiyonuyla karşılaştırmadığını daha önce sunmuştuk. Genel olarak topluluk, insanların oyunlaştırma tasarımına ilişkin farklı algıları hakkındaki teorik çalışmalara dayanmaktadır (örn. Bartle 1996; Nacke ., 2014; Yee 2006). Bununla birlikte, özel olarak tasarlanmış eğitim ortamlar, öğrencilerin deneyimleri (örneğin, katılım, motivasyon, akış deneyimi ve diğerleri) açısından uyarlanmamış olanlardan daha iyidir.

Bu sonuçlar, uyarlanmış oyunlaştırılmış eğitim ortamlarının uyarlanmamış oyunlaştırılmış eğitim ortamlarından veya oyunlaştırılmamış sistemlerden daha iyi olduğunu gösteren bir çalışma olmadığını kanıtlamaktadır. Bu bağlamda, zorluklardan biri, uyarlanmış oyunlaştırılmış eğitim ortamlarının, öğrenci çıktıları ve bazı geliştirme yönleri (örneğin, finansal ve zaman maliyetleri) açısından uyarlanmamış oyunlaştırılmış eğitim ortamlarından daha iyi çözümler olup olmadığının belirlenmesinin öneminde yatmaktadır. Buna dayanarak, gelecekteki çalışmalar, uyarlanmış ortamların uyarlanmamış ortamlardan daha iyi olup olmadığını ve ne zaman daha iyi olduğunu belirlemelidir.

Bu zorluğun üstesinden gelmek için, topluluk, öğrencilerin bu tür bir sistemdeki etkileşimlerini değerlendiren yeni çalışmalar yürütmeli ve farklı yollardan (örneğin, kullanıcı veri günlükleri, anketler, uzman değerlendirmesi) öğrencilerin uyarlanmış oyunlaştırılmış eğitim ortamlarında daha iyi bir performans gösterip göstermediklerini belirlemelidir. Ayrıca, veri madenciliği (örn. Hanna2004; Neeraj vd., 2017) ve HCI teknikleri (örn. Nacke 20172017; Nacke ve Deterding ) üzerine yapılan son çalışmalar, öğrencilerin bu tür bir sistemdeki algılarını etkili bir şekilde değerlendirmek için büyük fırsatlar sunmakta ve öğrencilerin uyarlanmış ve uyarlanmamış oyunlaştırılmış eğitim ortamlarına ilişkin algıları arasında bir köprü oluşturmaktadır.

2. Öğrenci çıktıları açısından etkili, özel oyunlaştırılmış eğitim ortamları nasıl tasarlanır?

SLR’mizde analiz edilen çalışmaların çoğu, oyunlaştırılmış eğitim ortamlarının tasarımı ile ilgili değildir. Bu durum, oyunlaştırılmış eğitim ortamlarının öğrencilerin özelliklerine (örneğin, oyuncu tipleri, cinsiyet, yaş ve diğerleri) göre uyarlanmasında en iyi tasarım çözümlerinin neler olduğunun toplum tarafından bilinmediğini fark etmemizi sağlamaktadır. Dolayısıyla, kişiye özel oyunlaştırılmış bir eğitim ortamı tasarlamak sezgisel bir süreç değildir. Sonuçlarımız ayrıca iyi bir oyunlaştırılmış eğitim ortamının nasıl sağlanacağı konusunda yol gösterebilecek çalışmaların eksikliğini de ortaya koymaktadır.

Sonuçlarımıza dayanarak, topluluğun, kullanıcıların ihtiyaç ve tercihlerini şekillendirebilen özel oyunlaştırılmış eğitim ortamları tasarlamanın yollarını incelemesi ve tasarımcıların bu tür bir ortam geliştirmek için sağlam bir teorik ve ampirik temele sahip olabilmeleri için destek vermesi gerekmektedir. Örneğin, bir oyunlaştırma tasarımcısı bir çerçeve çalışması aracılığıyla kişiye özel oyunlaştırılmış bir eğitim ortamı planlarken, tasarımcının sistemi hedeflerine ve kullanıcılarının ihtiyaç ve tercihlerine göre nasıl kişiselleştireceğini bilmesi gerekir.

Son yıllarda, eğitim sistemlerini oyunlaştırmaya yönelik bazı çerçeveler ortaya konmuştur (Mora vd., 2015). Bu çerçevelerden bazıları, kullanıcılarının tercihlerini anlamanın önemine ve hatta (Mora ., 2017)’nin ikinci çalışmalarında belirtildiği gibi, sistemi kullanıcılarına uyarlanacak şekilde planlamanın önemine dikkat çekmiştir. Dolayısıyla, bu sorunu çözmek için önemli bir fırsat, oyunlaştırılmış eğitim ortamlarını uyarlamak için oyunlaştırma tasarımcısını desteklemeye odaklanan çerçevelerin (yeni veya önceden var olanlardan uyarlanmış) önerilmesiyle ilgilidir.

3. Oyunlaştırılmış eğitim sistemlerini uyarlama süreci nasıl otomatikleştirilir?

Bulgularımıza göre, çalışmaların büyük çoğunluğunun (%82) uyarlama yaklaşımlarının tasarımında herhangi bir otomasyon biçimi kullanmamış olması dikkat çekicidir. Otomatik yaklaşımlar kullanan küçük bir kısım ise Veri Madenciliği tekniklerinden veya bir oyunlaştırma motorundan faydalanmıştır. Bu bağlam, eğitimde uyarlanmış oyunlaştırma alanında, araştırmacıların oyunlaştırılmış eğitim sistemlerinin uyarlanmasına yönelik tasarım sürecini iyileştirmek için otomasyon potansiyelini yeterince keşfetmediklerini göstermektedir. Buna dayanarak ve öğrencilerin öğrenme çıktıları üzerinde etkili oyunlaştırılmış eğitim sistemlerinin nasıl tasarlanacağını belirleme zorluğunu destekleyerek, bu tasarım sürecinin nasıl otomatikleştirileceği zorluğunu vurguluyoruz.

Tasarım sürecinin otomatikleştirilmesi, özel oyunlaştırılmış eğitim sistemleri oluştururken tasarımcıların/geliştiricilerin çabalarını iyileştirmekle ilgilidir. Oyunlaştırılmış eğitim sistemleri için kişiselleştirilmiş tasarımları manuel olarak oluşturmak zorunda kalmadan, geliştirme ekibi diğer görevlere odaklanabilir; ayrıca otomatik süreç, daha az deneyimli kişilerin özel oyunlaştırılmış eğitim sistemleri üretmek için çalışmasına izin verecektir. Ek olarak, bu otomatik süreç öğrencilere, örneğin, öğrenme görevinin amaçladığı belirli sonuca göre sistemin kullanımı boyunca uyarlanabilecek özelliklerine (örneğin, oyuncu türü, yaşı veya türü) dayalı oyunlaştırma tasarımları sağlayarak katkıda bulunacaktır (örneğin, sistemi öğrencileri işbirliğine yönlendiren kişiselleştirilmiş bir tasarım sunacak şekilde otomatik olarak uyarlamak).

Orijinal makaleye erişmek için:

https://doi.org/10.1007/s10639-022-11122-4

Bu makale Gamfed Akademik Çeviri Ekibi üyesi Fatmanur AYDIN tarafından çevrilmiştir. Çeviri paylaşım için kısaltılmıştır.