Paula T. Palomino, Armando M. Toda, Luiz Rodrigues, Wilk Oliveira, Lennart Nacke and Seiji Isotani
Özet
Eğitim alanındaki oyunlaştırma çalışmaları genellikle öğrencilerin motivasyonlarını artırarak öğrenme performanslarını yükseltmeye odaklanmaktadır. Bu amaçla, öğrencilerin deneyimlerini kişiselleştirmeyi destekleyen davranış profilleri sıklıkla kullanılmaktadır (bunlara “oyuncu” veya “kullanıcı türleri” denir). Bu sınıflandırmalar, bu profilleri oyuncuların veya oyuncu olmayanların bakış açılarıyla ele almaktadır. Ancak, eğitim araştırmalarında, öğrencilerin içsel motivasyonları ve itici güçlerine dayalı bir öğretim tasarımı oluşturmak için bu davranış profillerinin kapsamlı bir şekilde incelenmesi gerekmektedir. Bu kavramlar arasındaki ilişki öznel, karmaşık ve kategorize edilmesi zor olduğundan, bu boşluğu kapatmak için araştırmalara ihtiyaç vardır. Bu nedenle, bu makalede, Jung’un arketipleri (örneğin Kahraman, Asi ve diğerleri) arasındaki ilişkileri temsil etmeyi amaçlayan ve eğitim amaçlarına uyarlanmış bir uygulama ontolojisinin tasarımını ve değerlendirmesini, kullanıcı profillerini modellemek için yeni bir yaklaşım oluşturmayı, eğitim bağlamlarında kullanıma özgü oyun öğelerinin bir taksonomisini ve öğrenme etkinlik türlerini sınıflandırmak için Bloom’un gözden geçirilmiş taksonomisini sunuyoruz.
Bu ontoloji, öğrenciler için öğrenme etkinliği türü ile doğrudan ilişkili kişiselleştirilmiş ve öğretim tasarımlarını mümkün kılmaktadır. Önerilen ontolojinin, öğrenmeyi desteklemek için daha iyi oyunlaştırma tasarımları oluşturmaya yardımcı olabileceğini gösteriyoruz ve bunun hem bağlantısız oyunlaştırma stratejileri oluşturmak hem de kişiselleştirilmiş oyunlaştırma eğitim sistemleri geliştirmek için kullanılmasını öngörüyoruz.
Anahtar Kelimeler: Oyunlaştırma, Ontoloji, Öğrenme için tasarım, Kullanıcı türleri, Kişiselleştirme.
Giriş
Oyunlaştırma, şu anda pazarlama (Huotari & Hamari, 2012), kurumsal eğitim (Fitz-Walter ve diğ., 2017; Kapp, 2012) ve eğitim (Metwally ve diğ., 2021) gibi birçok alanda kullanılmaktadır; bu araştırmanın odak noktası eğitimdir. Ancak, etkinliği ile ilgili sonuçlar hala ikna edici değildir ve olumlu (Sailer & Homner, 2019) ve olumsuz (Toda, Valle ve diğ., 2018) sonuçlar bulunmaktadır.
Özellikle eğitim alanında, önceki çalışmalar öğrencilerin farklı temellere ve psikolojik ihtiyaçlara sahip olduklarını göstermektedir (Oliveira & Bittencourt, 2019; Orji ve diğ., 2017) ve her biri kendi tarzında motive olmakta, aynı eğitim sistemine farklı şekillerde tepki vermekte ve deneyimlemektedir (Toda, Pereira ve diğ., 2020). Bununla birlikte, öğrenme hedeflerini, öğretim tasarımını ve oyunlaştırmanın kullanıcı deneyimini geliştirmek ve sonuç olarak kişisel farklılıklar ve eşitlik konusunu ele almak için bu bağlama nasıl dahil edilebileceğini birbirine bağlayan araştırma eksikliği vardır (Bovermann & Bastiaens, 2020; Klock ve diğ., 2020; Rodrigues, Toda, Palomino ve diğ., 2020).
Oyunlaştırmada, bu özellikle önemlidir çünkü kullanıcının özelliklerine ve tercihine göre sağlanan oyunlaştırma deneyimi, çok olumlu veya olumsuz bir şekilde hissedilebilir. Bu nedenle, bu profillere dayalı olarak oyunlaştırma stratejisini bilmek ve tasarlamak, kullanıcıların genel deneyimlerini artırabilir (Rodrigues, Palomino ve diğ., 2021). Ancak, diğer yandan, öğrencinin oyunlaştırma deneyimi olumsuzsa, bu onların öğrenimini olumsuz etkileyebilir (Toda, Valle ve diğ., 2018). Ayrıca, oyun deneyiminin çok ilgi çekici olması ancak öğrenme içeriğiyle bağlantılı olmaması halinde öğrencinin dikkatini öğrenmenin kendisinden başka yöne çevirebileceği de bir gerçektir (Bai et al., 2020; Rodrigues, Toda ve diğerleri, 2022). Bu araştırmada öğrenme içeriğinin kişiselleştirilmesi değil (örn. birey ile ilgilenme, karmaşıklık vb.) oyunlaştırma ile öğrenme içeriğinin iyileştirilmesine odaklanılmaktadır.
Bu sorunu hafifletmeyi amaçlayan güncel yaklaşımlardan biri, oyunlaştırılmış eğitim sistemlerini (Gamified Educational Systems-GES) öğrencilerin deneyimlerine göre kişiselleştirmektir (Oliveira & Bittencourt, 2019). Kişiselleştirilmiş öğrenmeden farklı olarak kişiselleştirilmiş oyunlaştırma, oyun benzeri unsurları kullanıcının (bu durumda öğrencilerin) ihtiyaçlarına göre ayarlamaya odaklanır. Kişiselleştirilmiş öğrenmenin pratik bir örneği, sistemin öğrencilerin profillerine göre içerik önerdiği Akıllı Ders Sistemlerinde (Intelligent Tutoring Systems-ITS) görülebilir (Dermeval, Lima, vd., 2019), kişiselleştirilmiş oyunlaştırmada ise bir sistem, öğrencilerin davranış profiline göre en uygun oyun öğelerini sağlayabilir. Bu anlamda öğrenci, öğrenmesini geliştirebilecek her iki kişiselleştirilmiş deneyimi de alabilir. Oyunlaştırmayı kişiselleştirmenin bir yolu, oyunlardan türeyen bir kavram olarak oyunlaştırmanın bu özel profillerden yararlanabileceğini varsayarak, öğrencinin davranış profillerini oyuncu(gamer) (veya oyuncu(player)) türlerine göre gruplara ayırmaktır (Oliveiraet al., 2018).
Kişiselleştirilmiş oyunlaştırma için, oyunlaştırma tasarımının farklı kullanıcıların özelliklerine ve tercihlerine uyacak şekilde uyarlanması sürecidir. Örneğin, bir kullanıcı rekabetçi görevlere daha yatkınken bir diğeri işbirlikçi görevleri tercih edebilir. Bu deneyimde değer görmeyen bir kullanıcıya onu motive etmek yerine rekabetçi stratejiler sunarsak, etki tam tersi olacaktır. Dolayısıyla, kişiselleştirilmiş oyunlaştırma her birey için farklı olurken, standart oyunlaştırma herkes için aynı deneyimi sağlayacaktır.
Bu düşünce tarzı, bu alandaki çalışmalara büyük ilerlemeler getirmiş (Hallifax, Serna, Marty, Lavouè, vd., 2019; Tuunanen & Hamari, 2012) ve Bartle’ın Oyuncu Tipleri (Bartle, 1996), BrainHex (Nackeet al, 2014), yakın zamanda yerini beş oyunculu özellikler modeline (Tondello, Arrambide, vd., 2019) bırakan ve oyunlaştırma için özel olarak geliştirilen Hexad kullanıcı tipleri modeli (Tondello, 2016) gibi yaygın olarak kullanılan bazı sınıflandırmalara yol açmıştır. Ancak eğitim alanında, tüm yetkili oyuncu(gamer) (veya oyuncu olmayan) özelliklerine dayalı bir profil uymaz ve bir oyunlaştırılmış eğitim sistemi (GES) hedef kitlesinin kapsamı çok daha geniştir (Palomino, Toda, Oliveira, Rodrigues ve Isotani,2019). Tüm insanların oyun oynamadığı, ancak herkesin en az bir kez oyunlaştırılmış bir uygulama kullandığı (Toda, Pereira, vd.,2020) düşünüldüğünde (örneğin, Duolingo3, Google Maps4ve/veya Trip Advisor5) bu sorun daha da güçlenmektedir. Bu profiller ne eğitime uyarlanmıştır ne de oyunlaştırılmış sistemle etkileşime girerken yapılan aktiviteyi göz önüne almaktadır (Palomino, Toda, Oliveira, Rodrigues, & Isotani, 2019; Rodrigues, Oliveira, et al., 2019).
Eğitimde oyunlaştırma öğretim tasarımının iki koşulu göz önünde bulundurması gerekir: oyunlaştırmanın kendisi ve öğrenme süreci. Bu nedenle, alan başka bir karmaşıklık katmanıyla ilgilenir çünkü kişiselleştirmenin yanı sıra, tasarımın öğrenme içeriğini ve her bir oyun öğesinin öğrencinin performansını nasıl etkileyebileceğini de dikkate alması gerekir (Bai vd., 2020; Rodrigues, Toda vd., 2022). Bu nedenle, tasarım sürecini kolaylaştırmak için tüm bu yönleri birbirine bağlayan ve düzenleyen bir bilgi modeline sahip olmak gerekir.
Eğitimde kişiselleştirme konusunu ele almak için yeni yapılan bir çalışmada, Jung’un 12 arketipine dayalı olarak kullanıcı tiplerini (bu durumda öğrencileri) modellemek için bir yaklaşım önerilmiştir (Palomino, Toda, Oliveira, Rodrigues ve Isotani, 2019), Literatürde insan doğasının ve arzularının geniş bir temsili olarak kabul edilen bu kavramlar (Jung, 2014), psikoloji (Jung, 2014), pazarlama (Xara-Brasil, Miadaira Hamza ve Marquina, 2018) ve eğitim (Mezirow, 2000) gibi çeşitli alanlarda da kullanılmıştır.
Bu çalışma, Jung’un arketipleriyle ilgili kavramlara ve bunların Pierce’in Göstergebilimsel Üçlüsü (birincilik, ikincilik ve üçüncülük) (Peirce, 1991) tarafından tanımlanan üç anlam düzeyiyle ilişkilerine dayanan ve böylece arketiplerin özelliklerini insanın algılama ve anlam yükleme aşamalarıyla eşleştiren bir yaklaşım oluşturmuştur.
Jung’un sınıflandırması, içsel motivasyon, beklentiler ve istekler gibi davranışsal ve psikolojik özellikleri tanımladığı ve bu yönlere odaklanan öğretim tasarımları oluşturmak için onları yeterli nesnellik düzeyinde kategorize ettiği için seçilmiştir. Bu yaklaşımı eğitim amaçlı kullanırken hem psikolojik hem de motivasyonel yönleri aynı grup içinde kategorize etmek mümkündür ve bu da oyunlaştırma tasarımının geliştirilmesini kolaylaştırır. Ayrıca, Jung’un arketipleri nihai değildir, Ayrıca, Jung’un arketipleri, bu ihtiyaçların ve özelliklerin kişinin içinde bulunduğu duruma ve ana göre değişebileceği göz önünde bulundurulduğunda değişmez değildir (Jung, 2014). Davranış profillerini sınıflandırmak için bu yaklaşımı kullanırken, hesaplamalı bir bakış açısıyla, bağlamdaki ve kullanıcı tercihlerindeki değişiklikleri tanıyan ve sistemi o anki arketipe uyarlayan akıcı bir yaklaşım geliştirmek mümkündür.
Son olarak, oyunlaştırmanın planlanması ve uygulanmasını desteklemek için geliştirilmiş birkaç çerçeve ve kılavuz olmasına rağmen (Dichev & Dicheva, 2017; Moraet al., 2017), Oyunlaştırma tasarımını desteklemek için sistematik adımlar sağlamak açısından hayati önem taşıyan bu çerçevelerden eğitim alanına odaklanan çok az sayıda çerçeve bulunmaktadır (Mora vd., 2017; Toda, Oliveira vd., 2018). Bunun yanında, bu çerçevelerin çoğu, belirli bağlamlarda belirli oyun öğelerini içeren tek tip bir oyunlaştırma yaklaşımı sağlamaya odaklanmakta (Mora vd., 2017; Oliveira vd., 2018) ve PBL üçlüsü (Puanlar, Rozetler ve Liderlik Tabloları) gibi yapısal oyun öğelerini kullanmaktadır. Ayrıca, eğitim alanı söz konusu olduğunda temel unsurlar olan anlatı, hikaye anlatımı ve duyum(sensation) (Kapp, 2012; Mora vd., 2017) gibi öznel oyun unsurlarıyla çalışan içerik tabanlı çerçeveleri dikkate alan çok az çalışma vardır (Palomino, Toda, Oliveira, Cristea ve Isotani, 2019).
Bu araştırmanın odak noktası, öğrenme içeriğini kişiselleştirmek değil, oyunlaştırma ile öğrenme içeriğini geliştirmektir (örneğin, Birey (subject), karmaşıklık ve benzeri unsurlarla ilgilenmek). Bu nedenle, bu çalışma aşağıdaki araştırma sorularını ele almayı amaçlamaktadır:
RQ1: Jung’un arketiplerin içsel motivasyonları ile ilgili kavramları pedagojik yönlere nasıl bağlayabiliriz?
RQ2: Eğitim amaçlı bir içerik oyunlaştırma çerçevesinin geliştirilmesi için temel oluşturacak bilgi temsili nedir?
Palomino’nun yaklaşımını (Palomino, Toda, Oliveira, Rodrigues ve Isotani, 2019) -bu çalışmada yer alan kavram ve terimlerin karmaşıklığı ve öznelliği nedeniyle- hafif bir ontoloji (yani, kavramların ve ilişkilerinin bir model temsili (Mizoguchi, 2003)) oluşturarak ve daha sonra zengin ve karmaşık bilgi modellerini temsil etmek için tasarlanmış bir anlamsal web dili olan OWL’de geliştirerek derinleştirmeyi seçtik (Isotani ve Bittencourt, 2015). Bu ontoloji, bilgisayar uzmanı olmayanlar (örneğin öğretmenler) tarafından anlaşılabilecek ve kullanılabilecek görsel bir bilgi temsili sağlamanın yanı sıra, akıllı anlamsal sistemlerin geliştirilmesinde kullanılabilecek bir bilgi temsili modeli de sağlar (Noy & McGuinness, 2004; Isotani & Bittencourt,2015). Bu ontolojiyi, bilgi temsilinin rolleri ile ontoloji değerlendirmesi için temel kalite ölçütleri arasındaki uyuma dayalı bir ontoloji değerlendirme metodolojisi olan FOCA’yı kullanarak değerlendirdik (Bandeiraet al., 2016).
Öğrenme etkinliği türlerinin (Learning Activity Type-LAT) ve öğrencinin öğrenme sürecini kolaylaştırmak ve yönlendirmek için sunulması gereken içeriğin öğretim tasarımı açısından, kullanıcı türlerine dayanarak, LAT ve içeriklerini kategorize etmek ve düzenlemek için Bloom’un Revize Edilmiş Sınıflandırmasından yararlanmayı tercih ediyoruz (Krathwohl, 2002).
Bu nedenle, katkılarımızı şu şekilde özetliyoruz:
- Tasarımcıların ve öğretmenlerin oyunlaştırılmış sınıfların kişiselleştirilmiş öğretim tasarımını desteklemek için kullanabilecekleri semantik bir perspektiften geliştirilen hafif bir oyunlaştırma ontolojisinin sunulmak,
- Birkaç farklı oyunlaştırma stratejisini daha fazla uygulamak için kullanılabilecek “eğitime uygulanan oyunlaştırma” alanının bir bilgi temsilini sağlamak,
- Karmaşık semantik haritalamanın öznel kavramlarını açıklama ve netleştirme;
- Oyunlaştırılmış eğitim sistemleri (GES) oluşturmak için kullanılabilecek bir OWL ontolojisi sağlamak.
Aşağıdaki bölümlerde, araştırmamızın teorik arka planını ve ilgili çalışmaları açıklıyoruz, bu çalışmada kullanılan yöntemleri, ontolojinin sonuçlarını ve değerlendirmesini tanımlıyoruz, ardından bulgularımız, sınırlamalar, gelecekteki çalışmalar ve son yorumlar üzerine bir tartışma yapıyoruz.
Arka Plan ve İlgili Çalışmalar
Bu bölüm, bu çalışmada ele alınan konuları ve bu araştırmayla ilgili çalışmaları detaylandıracaktır.
Oyun Öğeleri
Oyunlaştırmanın temel amaçlarından biri, eğitim ve öğretim süreçlerinde istenen davranışı teşvik etmek, motive etmek veya geliştirmek (Kapp, 2012; Zichermann & Cunningham, 2011) ve kullanıcı deneyimini iyileştirmektir (Deterding ve diğ., 2013; Huotari & Hamari, 2012; Nacke, 2017). Geleneksel öğretim yöntemlerini oyunlaştırılmış öğretim yöntemleriyle karşılaştırdığımızda, notlar, gruplar ve dereceler gibi bazı paralel kavramlar ile puanlar, seviyeler ve başarılar gibi oyun öğeleri bulunmaktadır (Smith-Robbins, 2011). Ancak, bu benzerliğe rağmen, geleneksel (yüz yüze veya sanal) öğretim genellikle öğrencinin derse katılmasını sağlamak için gerekli motivasyonu sağlamaz; bu da okuldan ayrılmanın başlıca nedenlerinden biridir (Oliveira ve diğ., 2015).
Oyunlaştırma, stratejilerini oyun öğelerini kullanmaya dayandırır ve bu öğeler için birçok farklı sınıflandırma vardır.
Dignan ve arkadaşları (2011) oyunlarda bulunan 19 kavramı sınıflandırmıştır; Francisco-Aparicio ve arkadaşlarının (2013) çalışmaları bu unsurları Pink’in motivasyon sütunlarına göre sınıflandırmaktadır (Pink, 2011) ve Tondello ve arkadaşları (2017) birkaç yıldır bu sınıflandırma üzerinde çalışmaktadır ve en son araştırmaları 59 unsuru göstermektedir. Ancak, bu sınıflandırmalar eğitim ortamları söz konusu olduğunda, öğelerin oyunlaştırılmış yönünü sağlamanın yanı sıra öğrencinin öğrenmeye odaklanmasını korumanın da gerekli olduğunu göz önünde bulundurmamaktadır çünkü oyun öğeleri ile eğitim içerikleri arasında nasıl bir bağlantı kurulacağına dair bir rehberlik sağlamazlar (Bai ve ark., 2020). Ayrıca, oyunlaştırılmış sistemlerle bireyin deneyimini etkileyen çok sayıda faktör vardır ve mevcut kaynaklar eğitim alanında bu faktörleri neredeyse hiç aynı anda dikkate almamaktadır (Rodrigues, Pereira, ve ark., 2022).
Ayrıca, daha genel oyunlaştırma yaklaşımları öğrenme yönlerini dikkate almamakta veya eğitim bağlamlarında kullanılmak için çok soyut kalmaktadır; bir örnek, birçok çerçevenin kullandığı “bu eğlenceli olmalı” ifadesidir, ancak eğlencenin ne olduğu veya nasıl ölçüleceği tanımlanmamaktadır. Eğitim bağlamlarında, genel yaklaşımların kapsamadığı öğrenme hedefleri ve ölçütleri ile öğretimle ilgili diğer birçok faktör dikkate alınmalıdır (Mora ve ark., 2015).
Son bir çalışma, eğitim bağlamlarında kullanılmak üzere yeni bir sınıflandırma oluşturmak için her iki yönü de dikkate almıştır. Bu sınıflandırma, oyunlaştırma ve oyun alanında uzmanlar tarafından oluşturulmuş ve doğrulanmıştır (Toda, Oliveira ve ark., 2019). Bu sınıflandırma, bu öğelerin setlerdeki kullanımı ile ilgili verileri ARM teknikleri (Palomino, Toda, Oliveira, Rodrigues, Cristea ve ark., 2019) üzerinden çıkarmak ve GES’in (Toda, Palomino, Oliveira ve ark., 2019) oluşturulmasında kullanılmıştır ve olumlu sonuçlar elde edilmiştir.
Bu unsurların setlerde kullanımı ile ARM teknikleri (Palomino, Toda, Oliveira, Rodrigues, Cristea ve ark., 2019) ve GES’in (Toda, Palomino, Oliveira ve ark., 2019) oluşturulması arasındaki ilişki hakkında veri elde etmek için kullanıldı ve olumlu sonuçlar elde edildi. Beş boyutta (performans, ekolojik, sosyal, kişisel ve kurgusal) gruplandırılmış 21 oyun öğesi içermektedir; bu, Şekil 1’de gösterilmektedir.
Şekil 1. Eğitim Ortamları için Oyunlaştırma Unsurları Sınıflandırması (TGEEE) (Taxonomy of Gamification Elements for Educational Environments) (Toda, Klock, vd., 2019)
Bu boyutlar, her oyun öğesinin ana alanını anlamayı kolaylaştırır ve oyunlaştırılmış tasarımda eğitim görevleriyle daha iyi ilişkilendirilebilir. Mevcut çalışmamız, 21 oyun öğesini ve beş boyutu kullanıcı tipi profilleriyle ilişkilendirerek TGEEE taksonomisini ana dayanakları olarak kullanmaktadır.
Davranışsal Profiller
Son araştırmalar, kişiselleştirilmiş oyunlaştırmanın öğrencilerin öğrenimi üzerinde olumlu etkiler elde etme eğiliminde olduğunu göstermiştir. Ancak, o kişiselleştirme ile ilişkili zayıf bir oyunlaştırılmış tasarım, öğrencilere destek vermek yerine öğrenimlerini engelleyebilir (örneğin, öğrencilerin eğitim görevleriyle etkileşimde bulunmak yerine oyunlaştırılmış bir eğitim sisteminde oynamak istemesi gibi) (Snow ve ark., 2015).
Sistem kişiselleştirme, bu sistemlerin kullanıcıları için önemini en üst düzeye çıkarmayı, temel olarak kültürel ve demografik özelliklerine dayalı olarak beklentilerine ve ihtiyaçlarına daha uygun deneyimler sunmayı amaçlamaktadır (Liuet al., 2017) ve oyunlaştırılmış sistemlerde yaygın olarak uygulanmakta ve çalışılmaktadır (Klock et al.,2020; Rodrigues, Toda, Palomino, et al., 2020).
Önceki deneysel araştırmalar, kişiselleştirilmiş oyunlaştırmanın önemini zaten göstermiştir. Aynı oyunlaştırma stratejilerini uygulamak, farklı insanlar için farklı sonuçlara yol açabilir (Rodrigues, Toda, Oliveira ve ark., 2020; Van Roy & Zaman, 2018). Daha yakın tarihli çalışmalar, kişiselleştirilmiş oyunlaştırmanın (personalized gamification), tek tip oyunlaştırmaya (kişiselleştirilmemiş [non-personalized] oyunlaştırmanın bir türü) kıyasla öğrenme verimliliği ve öğrencilerin motivasyonu açısından daha olumlu sonuçlar verme eğiliminde olduğunu göstermiştir (Lopez ve Tucker, 2021; Rodrigues, Palomino ve diğerleri, 2021).
En yaygın uygulamalardan biri, bu sistem tasarımlarının kullanıcıların davranış profillerine göre uyarlanması ve belirli bir oyuncu(gamer)/oyuncu(player)/kullanıcı(user) tipi grubu için belirli bir dizi oyun öğesi sunulmasıdır (Hallifax, Serna, Marty & Lavouè, 2019; Orji ve ark., 2018).
Oyuncu(gamer)/kullanıcı(user) tipi yaklaşımını kullanan kişiselleştirilmiş sistemlerle ilgili çalışmalar arasında, kişilik özellikleri ile oyun oynama motivasyonları arasındaki ilişkiyi MMORPG (Massive Multiplayer Online Roleplaying Games) oyuncuları üzerinde yapılan gözlemlere dayanarak) tespit eden Yee’nin (2016) (Yee, 2016); Multi-User Dungeon (RPG) oyuncularının davranış özelliklerinin gözlemlenmesi üzerine oluşturulan ve kullanımdan kaldırılan Bartle modeli (Bartle, 1996) gibi bazı çalışmaları öne çıkarabiliriz; oyunlaştırma araştırmalarında kullanılmak üzere açıkça önerilen ve Bartle modelinin kavramlarını Öz Belirleme Teorisi (Self-Determination Theory-SDT) (Ryan & Deci,2000), Beş Büyük Kişilik Özelliği modeli (Digman, 1990) ve oyun deneyimi tasarımı ile ilişkilendiren Hexad (Marczewski, 2015; Tondello vd., 2016) ve oyuncuların davranışsal özelliklerini sinir sistemi unsurlarıyla ilişkilendiren nörobiyolojik keşiflere dayanan BrainHex (Nacke vd., 2014) ve yakın zamanda orijinal verilerin yeniden analiz edilmesinin ardından beş oyunculu özellikler modelinin (Tondello, Arrambide vd.,2019) yerini aldı.
Yee, Bartle ve BrainHex modelleri tarafından kullanılan oyuncu(gamer) veya oyuncu(player) tipi terimleri, kullanıcıyı oyuncu profillerine ayırmaktadır. Hexad’ın kullanıcı(user) tipi terimi, oynamaya istekli olan ve olmayan kullanıcıları dikkate almaktadır (Marczewski, 2015; Tondello vd., 2016).
Yukarıda bahsedilen araştırma, oyuncu tercihleri (veya oyuncu olmayan tercihleri) temelinde yapılan sınıflandırmayı içermektedir ve seyirciyi oyun sever özelliklerine göre sınıflandırmaktadır. Ancak, eğitim alanında, bu yönlere dayalı bir sınıflandırmanın kişilik yönlerinin anlaşılmasını daralttığı ve dolayısıyla sunulan öğrenme içeriğiyle ilgili kişiselleştirme seçeneklerini sınırladığı düşünülmektedir. Bu nedenle, son araştırmalar (Palomino, Toda, Oliveira, Rodrigues ve Isotani, 2019) bu sınıflandırmaya yeni bir yaklaşım geliştirmiştir; bu yaklaşım, Jung’un 12 arketipi üzerine kuruludur ve Tablo 1’de gösterilmektedir.
Tablo 1. Jung’un “kullanıcı tipleri” olarak arketipleri. Palomino, Toda, Oliveira, Rodrigues ve Isotani’den (2019) uyarlanmıştır.
| Arketip | İçsel Motivasyon Grubu | Özellikler | Amaçlar |
| Saf (The Innocent) | Ruhsal Yolculuk | Özgürlük, mutluluk ve saflık | İşleri doğru yapmayı hedeflemek ve yanlış yapmaktan korkmak |
| Bilge (The Sage) | Ruhsal Yolculuk | Bilgelik, zeka ve titiz | Gerçeği bulmayı amaçlar ve yanlış yönlendirilmekten korkar |
| Kaşif (The Explorer) | Ruhsal Yolculuk | Özerklik, hırs ve içsel boşluk | Tatmin edici bir yaşam sürmeyi amaçlar ve uyumluluktan korkar |
| Asi (The Outlaw) | İz bırakmak | Öfke, idealizm, radikal özgürlük | İşe yaramayan şeyleri tersine çevirmeyi amaçlar ve güçsüz olmaktan korkar |
| Sihirbaz (The Magician) | İz Bırakmak | Olayları gerçekleştirme, manipülasyon, kararlılık | Evrenin yasalarını anlamayı amaçlar ve olumsuz sonuçlardan korkar |
| Kahraman (The Hero) | İz Bırakmak | Yeterlilik, cesaret ve kibir | Dünyayı iyileştirecek şekilde uzmanlaşmayı hedeflemek ve zayıflıktan korkmak |
| Aşık(The Lover) | Başkalarıyla Bağlantı Kurmak | Tutku, şükran, bağlılık ve zayıf kimlik | İyi bir ilişki içinde olmayı hedeflemek ve yalnız kalmaktan veya istenmemekten korkmak |
| Soytarı (The Jester) | Başkalarıyla Bağlantı Kurmak | Neşe, ciddiyetsizlik ve eğlence | Harika vakit geçirmeyi hedeflemek ve sıkılmaktan korkmak |
| Bizden Biri (The Everyman) | Başkalarıyla Bağlantı Kurmak | Gerçekçilik, empati ve gösterişten yoksunluk | Ait olmayı hedeflemek ve dışlanmaktan korkmak |
| Anne (The Caregiver) | Yapı Sağlamak | Merhamet, cömertlik ve şehitlik | Başkalarına yardım etmeyi amaçlamak ve nankörlük ve bencillikten korkmak |
| Hükümdar (The Ruler) | Yapı Sağlamak | Sorumluluk, liderlik ve otoriterlik | Refah içinde bir toplum yaratmayı hedefler ve kaostan korkar |
| Yaratıcı (The Creator) | Yapı Sağlamak | Yaratıcılık, hayal gücü ve mükemmeliyetçilik | Bir vizyonu gerçekleştirmeyi hedeflemek ve vasat bir uygulamadan korkmak |
Jung’un arketipleri mutlak değildir, bir kişinin bağlamına ve yaşam deneyimlerine göre değişir (Jung, 2014). Palomino’nun öğrenci davranış profillerini modellemesi aynı mantığı dikkate alır ve öğrencilerin kişiliklerinin, motivasyonlarının ve davranışlarının sadece bir grupta önceden tanımlanmadığını varsayar. Her arketip, belirli eğitim görevleri ve sistem perspektifinden içerik sunumu ile ilişkilendirilmelidir.
Çalışmamız, oyunlaştırılmış öğretim tasarımları ve sistemlerinin oluşturulmasına yönelik gelecekteki çalışmalarda kullanılmak üzere, bu sınıflandırmanın bilgi alanını sınırlandıran, öğrenme hedefleri ve etkinlik türleri (LAT’ler) (Krathwohl, 2002) gibi eğitim yönleriyle ilişkilendiren bir ontoloji sunmaktadır.
Bu araştırma, kişilik özelliklerine ilişkin bir başka teoriyi ele almakta ve Jung’un arketiplerini, son yıllarda çoğu kişilik testinde kullanılan ve Büyük Beş yaklaşımına göre sınıflandırılmış tekrar eden temalara sahip olan Büyük Beş Kişilik Özelliği modeli (OCEAN modeli olarak da bilinir) ile ilişkilendirerek Palomino’nun çalışmasını derinleştirmektedir (McCrae & Costa, 1987). Kişilik, insanların kendi deneyimlerine yanıt olarak nispeten istikrarlı bir davranış modelini temsil eden bir dizi özellik iken (Jung, 2014), özellikler bir bireyin benzersiz kişiliğini oluşturan kişisel özellikleri ayırt eder (McCrae & Costa, 1987)
Öğrenme Hedefleri ve Öğrenme Etkinlikleri Türleri (Learning Activities Types-LAT’lar)
Bloom’un 1956’da yayımlanan orijinal araştırması, öğretmenlerin derslerinin öğretim tasarımını desteklemek için kullanabileceği bir çerçeve sunmuştur (Bloom, 1956). 2001 yılında bu çerçeve, daha dinamik bir yinelemeye odaklanarak gözden geçirilmiştir (Krathwohl, 2002).
Bu çalışmada, Bloom’un revize edilmiş sınıflandırmasını (Krathwohl, 2002) kullanıyoruz; bu sınıflandırma, bir öğrenme hedefinin ifadesinden oluşur; burada fiil (ve bununla ilişkili eylem [action] bilişsel süreci, nesne (genellikle bir isim) ise öğrencilerin edinmesi beklenen bilgiyi ifade eder. Bu nedenle, yazarlar iki boyuta atıfta bulunmaktadır: Bu nedenle, yazarlar iki boyuta atıfta bulunmaktadır: bilişsel süreç boyutu, altı hiyerarşik aşamaya (yani, Hatırlama, Anlama, Uygulama, Analiz, Değerlendirme, Yaratma) kategorize edilmiştir ve bilgi boyutu, nesnel, kavramsal, prosedürel ve üst bilişsel olarak kategorize edilmiştir; bu, Tablo 2’deki örneklerde gösterilmektedir.
Bloom’un öğrenme hedefleri taksonomisi, oyunlaştırma tasarımlarını bilişsel bir taksonomiyle eşleştirerek oyunlaştırmada zaten kullanılmıştır (Baldeónet al., 2016) ve şu anda kullanıcıların belirli bir öğrenme faaliyetini gerçekleştirmelerine yardımcı olmak için hangi oyunlaştırma tasarımının en uygun olduğunu düşündüklerini haritalamak için kullanılmaktadır (Rodrigues, Toda, et al., 2022). Bu sınıflandırmanın, öğrenme hedeflerini ve öğrenme etkinlikleri türlerini haritalamada büyük ölçüde yardımcı olduğuna inanıyoruz; bu, bunları Jung’un arketipleri ile anlamsal olarak ilişkilendirmeyi mümkün kılmaktadır.
Tablo 2: Revize Edilmiş Bloom Sınıflandırması Öğrenme Hedefleri Örneği
| Bilişsel Süreç Boyutu | Bilgi Boyutu | |||
| SomutBireyin (subject) bir konu ile ilgili edinmiş olması gereken temel. | Kavramsal Bunların birlikte anlam kazanmasını sağlayan temel bilgiler arasındaki ilişkiler | İşlemsel Bilgi, yöntem, beceri ve tekniklerin nasıl uygulanacağı | Üst-bilişsel En geniş haliyle bilgi, bu bilginin varlığının farkındalığı | |
| Hatırlama: Uzun süreli hafızadan ilgili bilgiyi listele. | Listeleme | Tanıma | Hatırlama | Tanımlama |
| Anlama: Eğitimsel mesajlar aracılığıyla anlam inşası | Özetleme | Sınıflandırma | Netleştirme | Tahmin Etme |
| Uygulama: Belirli bir durumda bir prosedürün uygulanması. | Yanıtlama | Temin Etme (Provide) | Yürütme (Carry out) | Kullanma |
| Analiz etme: Farklı parçalar arasındaki bilgileri ayırt eder. | Seçme | Farklılaştırma | Bütünleştirme | Ayrıştırma |
| Değerlendirme: Kriterlere ve standartlara göre değerlendirme. | Seçme | Belirleme | Yargılama | Yansıtma |
| Yaratma: Öğeleri yeni bir form, desen veya tutarlı bir yapıda birleştirmek veya düzenlemek. | Üretme | Birleştirme | Tasarlama | Oluşturma |
Ontolojiler ve oyunlaştırma
Oyunlaştırma alanındaki ontolojilerle ilgili olarak, üç güncel çalışmadan bahsedebiliriz: OntoGamif (Bouzidi ve ark., 2018), OntoGaCLeS (Chalco & Isotani, 2019) ve GaTO (Dermeval, Albuquerque ve ark., 2019) ontolojileri. İlk çalışma, kullanıcıları, örgütsel yapıları, etik sorunları ve psikolojik faktörleri kapsayan oyunlaştırma alanı için modüler bir ontoloji ile ilgilidir. Bu ontoloji, kişiselleştirilmiş oyunlaştırma çözümleri uygulayan oyunlaştırma tasarımcılarının çalışmalarını desteklemek için bağımsız olarak da kullanılabilen yedi bağlantılı modüler alt-ontoloji olarak organize edilmiştir (Bouzidi ve ark., 2018). Bu ontoloji ayrıca, üst düzey alan ontolojisi olan SUMO ile bağlantılıdır. İkinci ontoloji, oyunlaştırma kavramlarının temsilini biçimlendirir ve bu kavramların işbirlikçi öğrenme bağlamlarında motivasyonu nasıl etkilediğini açıklar (Chalco & Isotani, 2019). Üçüncü ontoloji ise oyunlaştırma kavramlarını akıllı öğrenim sistemleri (ITS) ile bağlantılandırarak, otomatik akıl yürütme ile etkileşimli olmayı mümkün kılar ve oyunlaştırılmış ITS tasarımcıları için teoriler ve iyi uygulamalar hakkında farkındalık oluşturulmasına olanak tanır (Dermeval, Albuquerque ve ark., 2019).
Son iki ontoloji eğitimde oyunlaştırma ile özel olarak ilgilense de bu çalışmanın ana odak noktası olan kişiselleştirme konusunu ele almamaktadır.
Bu nedenle, kullanıcı türlerinin tanımını ve oyunlaştırılmış bir tasarımda kullanıcı deneyimini geliştirmek için kullanılabilecek oyun unsurlarını kapsayan eğitimde uygulanan oyunlaştırma için bir ontoloji geliştirdik. Bu ontoloji, kullanıcıların öğrenme hedeflerini dikkate alarak öğrenme etkinliklerini tercihleri ve öğrenme performanslarına göre sunmaktadır; bu sayede öğrencilerin öğrenmeye katılımını ve odaklanmasını sağlamaktadır.
Çalışma
Bu araştırmanın amacı, Bloom’un Sınıflandırması ile oyunlaştırılmış tasarımların kişiselleştirilmesi arasındaki ilişkileri temsil eden bir ontoloji sağlamaktır. Bu ontoloji, Jung’un arketipleri ve oyun unsurları aracılığıyla eğitim için desteklenen eğitim stratejileri oluşturmak amacıyla bir oyunlaştırma sınıflandırması kullanarak geliştirilmiştir. Bu ontolojiyi geliştirmek için, Noy ve McGuinness’in (2004) Basit Bilgi-Mühendisliği Metodolojisini (Ontoloji 101) kullandık. Bu metodoloji, ontoloji geliştirmeyi yineleyici bir yaklaşımla ele alır; önce ontolojinin kaba bir taslağı ile başlayıp, ardından detayları doldurarak gözden geçirip geliştiririz. Bu metodolojiyi tercih ettik çünkü hızlı bir yöntemdir ve akademik topluluk tarafından yaygın olarak kabul görmüştür (Gobin, 2014; Isotani & Bittencourt, 2015).
Ayrıca, akıllı anlamsal sistemlerdeki pratik kullanımı ve bu üç alandaki bilgiyi biçimlendirmek amacıyla bir ontoloji oluşturmaya karar verdik. Tam çalışma prosedürü Şekil 2’de görülebilir.
Bu çalışmayı yürütmek için üç ana kavramı ilişkilendirdik: i) Jung’un Arketipleri; ii) Eğitim Amaçlı Oyunlaştırma Sınıflandırması (Gamification Taxonomy for Educational Purpose) (TGEEE); iii) Bloom’un Gözden Geçirilmiş Sınıflandırması; bu kavramların parçalarını haritaladık ve ardından özelliklerini belirleyip nasıl somutlaşabileceklerini tanımladık. Hafif ontolojinin kavramsal haritası ve tamamlanmış OWL versiyonu ek materyalde görülebilir.
Şekil 2. Çalışma Süreci
Öncelikle, beş oyun boyutuna (ekolojik, sosyal, kişisel, kurgusal ve performans) dağıtılan ve haritalanan 21 oyun elementi içeren TGEEE’yi kullandık (Toda, Klock ve diğ., 2019). İkinci olarak, bu boyutlar Jung’un 12 arketipine (dört motivasyon grubuna da dağıtılmış) anlamsal olarak somutlaştırıldı ve ardından işaret bilimi teknikleri aracılığıyla parçalar ve nitelikler ile ilişkilendirildi (Peirce, 1991; Santaella, 2017). Son olarak, arketipleri pedagojik yönlere, bilişsel ve bilgi boyutları aracılığıyla somutlaştırmak için Bloom’un Sınıflandırması’nın revize edilmiş versiyonunu kullandık. Altı hiyerarşik öğrenme hedefi, öğrenme faaliyeti türleri ve bilginin dört boyutu ile ilişkilendirildi (Krathwohl, 2002). O zamandan beri, öğretim tasarımlarının uygulanabilirliği konusunda öneriler olarak bazı dijital araçları ilişkilendirdik (Churches, 2010).
Bu ontolojinin birincil amacı, alan bilgisinin yeniden kullanımını sağlamak ve alan varsayımlarını açık hale getirmektir. Bu nedenle, bu ontoloji, diğer öğretim tasarımcılarının ve öğretmenlerin bu örnekleri yeniden kullanmalarına yardımcı olmalı, derslerine destek sağlamalı ve bu ilişkiler temelinde çerçeve geliştiren gelecekteki çalışmalara yönelik destek sunmalıdır.
Son OWL ontolojisi için, Jung’un 12 arketipini Büyük Beş Kişilik Özellikleri modeli ile ilişkilendirdik (Digman, 1990).
Ayrıca, ontolojiyi oluşturma şeklimiz gelecekte ilgili kavramların genişletilmesine, Hexad ve diğer oyunlaştırma taksonomileri gibi diğer oyuncu/kullanıcı tipleri yaklaşımlarının (başlangıçta eğitim odaklı olarak oluşturulmamıştır) eklenmesine ve bunların Bloom Taksonomisi ve diğer öğretim tasarımları aracılığıyla eğitim yönüyle ilişkilendirilmesine olanak tanımaktadır. Bu nedenle, bu çalışma, bu stratejileri oluşturmak için birkaç farklı yol sağlayarak, eğitime uygulanan oyunlaştırma için bir ontoloji haline gelebilir.
Ontoloji tasarımı
Basit bilgi mühendisliği metodolojisine (Noy & McGuinness, 2004) göre bir ontoloji oluşturmak için gerekli olan yedi yinelemeli adım şunlardır:
Kapsamı Belirleme: Bu adımda, ilgi alanını, ontolojinin ana hedefini ve özel amaçlarını, kapsamı ve yeterlilik sorularını şu şekilde belirledik:
İlgi alanı, Eğitim Sistemlerine uygulanan bir Oyunlaştırma Çerçevesi oluşturulmasıdır; hedef, eğitim uzmanlarının Jung’un 12 Arketipini kişiselleştirilmiş GES’i kullanmak için nasıl kullanacaklarını anlamalarına yardımcı olan bir bilgi modeli geliştirmektir; bu model, TGEEE ve Bloom’un Öğrenme Hedefleri İçin Sınıflandırması temelinde oluşturulmuştur. Özel amaçlar, eğitim için kişiselleştirilmiş oyunlaştırma stratejileri geliştirmek amacıyla bir anlamsal temel sağlamak; gözden geçirme amaçları için hafif bir ontoloji (soyut biçimde) türetmek ve uzman olmayanlarla paylaşmak; GES’i geliştirmek ve ontolojiyi FOCA metodolojisini kullanarak doğrulamak için kullanılabilecek OWL versiyonunu geliştirmektir. Kapsam için, arketiplerle ilgili özellikler, oyunlaştırma eğitim Sınıflandırması ve Bloom’un revize edilmiş sınıflandırması arasındaki anlamsal ilişkileri belirledik ve yeterlilik soruları olarak şunları tanımladık:
- Her bir arketipe ait özellikler nelerdir ve bunlar Büyük Beş Kişilik Modeli ile nasıl ilişkilendirilebilir?
- Her bir arketip motivasyon grubu hangi oyun öğesi boyutuyla ilişkilendirilebilir?
- Bu özellikler Öğrenme Hedefleri ve Öğrenme Etkinlik Türleri ile nasıl ilişkilidir?
- Bu özellikler eğitim bağlamlarını(contexts) ve etkinliklerini(activities) kişiselleştirmek için nasıl kullanılabilir?
Yeniden kullanımı düşünün: Bu çalışmanın aşaması için ontolojimizle çalışıyoruz. Ancak, gelecekteki çalışmalarda bunu mevcut OntoGamif Modüler Ontolojisi (Bouzidi ve diğ., 2018) ile ilişkilendirmeyi düşünüyoruz.
Terimleri sayın: İş analizi için BABOK metodolojisinde belirtildiği gibi, bilgi toplama ve filtreleme için gereksinim toplama yöntemlerini kullandık (Brennan ve diğ., 2009). Terimleri, bu metodolojide sunulan dokuz yöntemden biri olan beyin fırtınası tekniği ile sıraladık. Bu tekniği, diğerlerine kıyasla daha iyi maliyet-fayda sağlaması ve yaratıcılık ile anlamsal ilişkiler temelinde oluşturduğumuz ontoloji türüne daha uygun olması nedeniyle seçtik.
Sınıfları, özellikleri, kısıtlamaları tanımlanma ve örnekleri oluşturma: İlk yapılandırma ve biçimlendirme ile ilgili dört adım, kavramları ilgili nesnelere ve özelliklere haritalandırarak anlamsal(semantics) ve işaret bilimi(semiotic) teknikleri kullanılarak gerçekleştirildi (Pástor ve diğ., 2018; Peirce, 1991; Santaella, 2017). Bu adımlar önce sınıfların kavramsal haritasını oluşturarak, ardından birbirleriyle ilişkili özelliklerini, kısıtlamalarını ve örneklerini belirleyerek gerçekleştirildi; bu, Şekil 3’te görülebilir.
Şekil 3. Ontolojideki her bir arketip ilişkisi için Modelleme Grafiği şablonu
Ontoloji değerlendirmesi
Bu bölüm, ontolojiyi değerlendirmek için kullanılan metodolojiyi ve bu seçimin arkasındaki nedeni sunmaktadır. Bir ontolojiyi modelleme görevi karmaşık ve zaman alıcıdır ve bu nedenle ontolojinin kalitesi ne kadar düşükse, yeniden kullanılabilirliği o kadar azdır. Bu nedenle, ontolojinin inşası için sağlam bir metodoloji kullanmak ve yapılanların belirli kalite kriterleri içinde olup olmadığını doğrulamak için bir yöntem kullanmak esastır (Bandeira ve diğ., 2016). Ayrıca, değerlendirme süreci, her zaman ontolojilerde uzman olmayan alan uzmanlarına erişilebilir olmalıdır. Bu nedenle, bu çalışmada sunulan ontolojiyi değerlendirmek için, üç ana ilkeyi dikkate alan ve uzman olmayanlar için ontolojileri nasıl değerlendireceklerine dair adım adım bir kılavuz sunan FOCA metodolojisini (Bandeira ve diğ., 2016) kullanmayı seçtik:
- Basili’nin (1992) deneysel değerlendirmeleri için Hedef, Soru, Ölçüt (Goal, Question, Metric-GQM) yaklaşımına dayanmaktadır;
- Davis ve diğerleri (1993) tarafından önerilen beş bilgi temsili rolüne dayalı metodolojilerin hedeflerine ve Vrandečić (2009) tarafından önerilen değerlendirme kriterlerine dayalı metriklerine sahiptir;
- Her değerlendirmeyi Guarino (1998) tarafından tanımlanan ontolojinin türüne göre ele alır
FOCA metodolojisi GQM Tablo 3’te gösterilmektedir.
Değerlendirme adımları şu şekilde özetlenebilir: değerlendirici ontoloji türünü tanımlar ve ardından GQM yaklaşımını yinelemeli olarak gerçekleştirir. Bundan sonra, ontolojinin kalitesi metodoloji tarafından belirlenen ölçütlere göre hesaplanır. Bu araştırma amacıyla, ontoloji eğitimde uygulanan oyunlaştırmada üç alan uzmanı tarafından değerlendirildi. Daha sonra, ontolojimizi değerlendirmek için gerçekleştirilen her adımı sunuyoruz.
- Ontoloji Türü Doğrulaması: Belirli bir alana bağlı olan kavramları tanımlayan ve uygulama amaçlı bir ontoloji olarak, üç uzmanın tümü, türünün ikinci tür, bir Uygulama ontolojisi olduğunu ve bu nedenle FOCA’nın GQM’sinden 5. sorunun doğrulanmaması gerektiğini tanımlamıştır.
- Soru Doğrulaması: Bu adımda, 5. soru hariç 13 sorunun tamamı değerlendiriciler tarafından yanıtlandı ve Tablo 4’te görülen her soru için bir not belirlendi.
Tablo 3.FOCA metodolojisi GQM (Bandeira ve diğerleri, 2016)
| Hedef | Soru | Metrik | |||||||||||
| 1.Ontolojinin Yerine Koyma ile uyumlu olup olmadığını kontrol edin | S1.Yeterlilik soruları tanımlandı mı?S2. Yeterlilik soruları cevaplandı mı? S3. Ontoloji diğer ontolojileri yeniden kullandı mı? | 1.Tamamlanma(Completeness)1. Tamamlanma2. Uyarlanabilirlik | |||||||||||
| 2.Ontolojinin Ontolojik Taahhütlere uygunluğunu kontrol edin. | S4. Ontoloji minimum ontolojik taahhüt mü dayattı? S5. Ontoloji maksimum ontolojik taahhüt mü dayattı? S6. Ontoloji özellikleri etki alanıyla tutarlı mı? | 3.Özlülük3. Özlülük4. Tutarlılık | |||||||||||
| 3.Ontolojinin Akıllı Muhakeme (Intelligent Reasoning) ile uyumlu olup olmadığını kontrol edin | S7. Çelişkili aksiyomlar var mı? S8. Gereksiz aksiyomlar var mı? | 4. Tutarlılık3. Özlülük | |||||||||||
| 4.Ontolojinin Verimli Hesaplama ile uyumlu olup olmadığını kontrol edin | S9. Muhakemeci modelleme hataları getirdi mi? S10.Muhakemeci hızlı performans gösterdi mi? | 5. Hesaplama verimliliği5. Hesaplama verimliliği | |||||||||||
| 5. Ontolojinin İnsan İfadesi(Human Expression) ile uyumlu olup olmadığını kontrol edin | S11. Dokümantasyon modelleme ile tutarlı mı? S12. Kavramlar iyi yazılmış mıydı? S13. Kavramların tanımlarını gösteren ontolojide açıklamalar var mı? | 6. Netlik 6. Netlik6. Netlik | |||||||||||
| A. | S. | AS. | Sınıf | Soru Notu Ortalama | Hedef Not Ortalaması | ||||||||
| D1 | D2 | D3 | D1 | D2 | D3 | D1 | D2 | D3 | |||||
| 1 | S1 | AS1.1 | 100 | 100 | 100 | ||||||||
| 1 | AS1.2 | 100 | 100 | 100 | 100 | 100 | 100 | ||||||
| 1 | AS1.3 | 100 | 100 | 100 | 66,667 | 66,667 | 66,667 | ||||||
| 1 | S2 | 100 | 100 | 100 | 100 | 100 | 100 | ||||||
| S3 | 0 | 0 | 0 | 0 | 0 | 0 | |||||||
| 2 | S4 | 100 | 75 | 100 | 100 | 75 | 100 | 100 | 87,5 | 100 | |||
| 2 | S6 | 100 | 100 | 100 | 100 | 100 | 100 | ||||||
| 3 | S7 | 75 | 75 | 100 | 75 | 75 | 100 | 87,5 | 75 | 100 | |||
| 3 | S8 | 100 | 75 | 100 | 100 | 75 | 100 | ||||||
| 4 | S9 | 100 | 100 | 100 | 100 | 100 | 100 | 100 | 100 | 100 | |||
| 4 | S10 | 100 | 100 | 100 | 100 | 100 | 100 | ||||||
| 5 | S11 | AS11.1 | 100 | 100 | 100 | 75 | 100 | 87,5 | |||||
| 5 | AS11.2 | 50 | 100 | 75 | 58,333 | 91,666 | 58,333 | ||||||
| 5 | S12 | 100 | 100 | 100 | 100 | 100 | 100 | ||||||
| 5 | S13 | 0 | 75 | 0 | 0 | 75 | 0 | ||||||
A. =Amaç; S.= Soru; AS. = Alt Soru; D = Değerlendirici
- Kalite Doğrulaması: Bu adımda, ontolojinin kalitesi iki şekilde doğrulandı: Tablo 5’te görüldüğü gibi, İkame (Substitute), Ontolojik Taahhütler (Ontological Commitments), Akıllı Muhakeme, Hesaplama Verimliliği ve İnsan İfadesi rollerinde toplam kalite ve kısmi kalite. Bu notlar, farklı hedeflerin ağırlıklı doğrusal bir kombinasyonudur ve FOCA metodolojisindeki formüle göre hesaplanmıştır (Bandeira vd., 2016).
Metodoloji, İnsan İfadesi için notların atfedilmesi için ölçütler sağlasa da bu hedef formülde hesaplama girdisi için değişkenlere sahip değildir. Yazarlara göre bunun iki nedeni vardır: insan ifadesinin diğer rollere yerleştirildiğini varsayan ontolojik neden ve metodolojiyi doğrulayan bir deney gerçekleştirdikten sonra formülü elde ettikleri için matematiksel neden (Bandeira vd., 2016).
Sonuçlar
Bu bölüm ontoloji sınıflarını, nesne özelliklerini, veri özelliklerini ve örnekleri ve değerlendirme sonuçlarını ayrıntılı olarak açıklamaktadır.
Tablo 5.Ontoloji Kalite Değerlendirmesi Final Notları
| D | Toplam Kalite | İkame | Ontolojik Taahhütler | Akıllı Muhakeme | Hesaplama Verimliliği | İnsanİfadesi |
| D1 | 0.998 | 0.826 | 0.826 | 0.607 | 0.826 | 0.391 |
| D2 | 0.997 | 0.826 | 0.787 | 0.576 | 0.826 | 0.391 |
| D3 | 0.998 | 0.826 | 0.826 | 0.636 | 0.826 | 0.391 |
D= Değerlendirici.
Bu makalede geliştirilen ve sunulan ontoloji, genellikle bir alanın veya üst düzey ontolojinin uzmanlıklarından oluşan, belirli bir alan veya göreve bağlı kavramları tanımlayan bir Uygulama Ontolojisidir (Bandeira vd., 2016). Bu çalışmada, bu uygulama ontolojisinin genel alanı eğitimdir ve bizim özel görevimiz, eğitim amaçlı oyunlaştırma tasarımlarını kişiselleştirmektir.
Dahası, bu, davranış profilleri, eğitim bağlamı ve içeriği ile ilgilenen, oyunlaştırmayı kişiselleştirmenin belirli bir yolunun bilgi modellemesidir. Bu nedenle, çalışmamız oyunlaştırma alanındaki ontolojilerle (örneğin OntoGamif (Bouzidi vd., 2018)) ve eğitimle ilişkilendirilebilir.
Bu modelleme sürecine bağlı üç farklı çekirdek vardır: i) Jung’un oyunlaştırılmış eğitim ortamlarını kişiselleştirme yaklaşımı (Palomino, Toda, Oliveira, Rodrigues ve Isotani, 2019); ii) TGEEE (Toda, Klock, vd., 2019) ve iii) Bloom’un Revize Edilmiş Taksonomisi (Krathwohl, 2002). Ontolojinin sınıfları, Şekil 4’te gösterildiği gibi öğretilecek dersler, öğretim görevlisi ve öğrencidir.
Nesne özellikleri, iki veya daha fazla sınıf arasındaki ilişkileri ve bu modelleme için aktörlerin uygulayabileceği eylemleri, örneğin ‘öğretmek’ ve ‘çalışmak’ gibi eylemleri tanımlar. Veri özellikleri, örnekler, bireyler veya diğer veri özellikleri arasındaki ilişkileri tanımlar.
Ontolojimizde, Jung’un 12 arketipi ve hangi motivasyon grubuna ait oldukları (örneğin, Ruhsal Yolculuk arayışı, dünyada bir iz bırakma ihtiyacı, diğer insanlarla bağlantı kurma ve yapı sağlama gerekliliği); hangi özelliklerin onlarla ilişkili olduğu (bu arketiplerden insanların ne aradıkları, neye değer verdikleri ve nasıl davrandıkları); TGEEE taksonomisinden hangi oyun boyutlarına (örn, ekolojik, sosyal, kişisel, kurgusal ve performans boyutları) daha duyarlı oldukları ve Bloom’un revize edilmiş taksonomi bilgi ve bilişsel boyutlarının, örneğin bir sınıf araçsal tasarımında veya bir GES’i kişiselleştirmek için her bir arketipe nasıl uyarlanabileceği.
Şekil 4. Ontolojiden sınıflar ve alt sınıflar
Bu niteliklerin alt özellikleri arketipin özellikleri olarak tanımlanmıştır (bu ontolojide kullanılan kavramlar, Palomino, Toda, Oliveira ve diğerlerinin (2019) semiyotik haritalamaya dayalı çalışmasından çıkarılan kavramlardır); Büyük Beş Kişilik Modeli’nden hangileriyle ilişkili oldukları ve her bir oyun öğesiyle; her bir LAT’ın öğrenme hedefleri ve bilgi boyutlarıyla ilişkili olduğu (bu haritalamada kullanılan fiiller ve dijital araç örnekleri, Krathwohl (2002) ve Churches (2010)’dan çıkarılan Bloom’un revize edilmiş taksonomi örneklerine dayanmaktadır). Tam OWL sürümü ek materyalde görülebilir. Sonra, bu ontolojinin belirli hedeflerine dayalı ayrıntılı sonuçlar sunuyoruz.
Her arketipe hangi özellikler aittir ve bunlar Büyük Beş Kişilik Modeli ile nasıl ilişkilendirilebilir?
Arketipler ile Büyük Beş Kişilik Modeli arasındaki ilişki Tablo 6’da görülebilir.
Ontolojimiz, Bizden Biri, Soytarı, Aşık, Kahraman, Sihirbaz, Bakıcı, Yaratıcı, Kaşif, Saf ve Bilge arketiplerinin Uyumluluk özelliğine daha yatkın olduğunu, genel olarak sosyal uyum kaygısında bireysel farklılıkları yansıttığını, kişiliğin daha uyumlu veya uyumsuz olduğu bir ölçekte ölçüldüğünü göstermektedir. Öğrenme perspektifinden bakıldığında, bu arketipler sosyal etkileşimi ve grup aktivitelerini seven insanları yansıtır. Bizden Biri, Aşık, Kahraman, Sihirbaz, Asi, Anne, Yaratıcı, Hükümdar, Kaşif, Saf ve Bilge arketipleri, öz disiplin gösterme, görev bilinciyle hareket etme ve ölçütlere veya dış beklentilere karşı başarıya ulaşma eğilimi olan Vicdanlılık özelliğiyle ilişkilidir. Bu öğrenciler performanslarını ölçmek ve kişisel hedeflere sahip olmak için meydan okumaya ve baskıya ihtiyaç duyarlar.
Duygusal Denge özelliği, bir kişinin istikrarlı ve dengeli kalma yeteneğini ifade eder ve ölçeğin diğer tarafında bu, nevrotikliğe dönüşür. Bu özellik ile ilişkili arketipler, Bizden Biri, Soytarı, Aşık, Kahraman, Sihirbaz, Asi, Anne, Yaratıcı, Hükümdar, Kaşif, Saf ve Bilge’dir. Öğrenme perspektifinden bakıldığında, bu deneyimin dengelenmesiyle ilgili bir özelliktir. Görevler iyi bir zorluk seviyesine sahip olmalı ancak öğrencinin hayal kırıklığına uğramasına neden olacak kadar da fazla olmamalıdır. Ayrıca, öğrenme ortamı kullanıcının öğrenmeye odaklanabilmesi için etkili ve güvenli bir yer olmalıdır.
Dışadönüklük özelliği, dış dünyayla belirgin bir etkileşimle tanımlanır ve buna daha yatkın olan arketipler, Bizden Biri, Soytarı, Aşık, Kahraman, Sihirbaz, Asi, Anne, Yaratıcı, Hükümdar, Kaşif, Saf ve Bilge’dir. Bu özelliğe sahip öğrencilerin, forumlar, sohbetler ve tartışma grupları gibi diğer meslektaşlarıyla konuşup tartışabilecekleri yerlere ihtiyaçları vardır.
Son olarak, Deneyime Açıklık özelliğiyle ilişkili arketipler, Soytarı, Aşık, Kahraman, Sihirbaz, Asi, Yaratıcı, Hükümdar, Kaşif, Saf ve Bilge’dir ve sanata, duyguya, maceraya, sıra dışı fikirlere, hayal gücüne, meraka ve çeşitli deneyimlere genel bir takdir duymaya daha yatkındırlar. Öğrenme açısından bakıldığında, bu özelliğe sahip kişiler tamamlayıcı içeriklerle ve yeni zorluklarla ilgilenebilirler.
Tablo 6.Jung’un Arketipleri, Palomino’nun arketipsel özelliklerin semantik haritalaması ve OCEAN modeli özellikleri arasındaki ilişki
| Arketip | Arketipsel özellikler | OCEAN özellikleri |
| Bizden Biri | EmpatiGerçekçilikSahtelik EksikliğiAit Olma | UyumlulukVicdanlılıkDuygusal İstikrarDışadönüklük |
| Soytarı | NeşeZevkHafiflikŞakacılık | UyumlulukDuygusal İstikrarDışadönüklükDeneyime Açıklık |
| Aşık | Zayıf Kimlik YakınlıkMinnettarlıkBağlılıkTutku | UyumlulukVicdanlılıkDuygusal İstikrarDışadönüklükDeneyime Açıklık |
| Kahraman | UstalıkYetkinlikKibirCesaret | UyumlulukVicdanlılıkDuygusal İstikrarDışadönüklük Deneyime Açıklık |
| Sihirbaz | ManipülasyonKararlılıkGüç | UyumlulukVicdanlılıkDuygusal İstikrarDışadönüklük Deneyime Açıklık |
| Asi | ÖzgürlükKurtuluşİdealizmÇirkinlik | VicdanlılıkDuygusal İstikrarDışadönüklük Deneyime Açıklık |
| Anne | HizmetŞehitlikCömertlikMerhamet | UyumlulukVicdanlılıkDuygusal İstikrarDışadönüklük |
| Yaratıcı | Hayal GücüYaratıcılıkYenilikMükemmeliyetçilik | UyumlulukVicdanlılıkDuygusal İstikrarDışadönüklük Deneyime Açıklık |
| Hükümdar | OtoriterlikLiderlikSorumluluk | VicdanlılıkDuygusal İstikrarDışadönüklük Deneyime Açıklık |
| Kaşif | Özerklikİçsel BoşlukHırsÖzgürlük | UyumlulukVicdanlılıkDuygusal İstikrarDışadönüklük Deneyime Açıklık |
| Saf | GüvenlikÖzgürlükMutlulukSaflık | UyumlulukVicdanlılıkDuygusal İstikrarDışadönüklük Deneyime Açıklık |
| Bilge | TitizZekaBilgiBilgelik | UyumlulukVicdanlılıkDuygusal İstikrarDışadönüklük Deneyime Açıklık |
Hangi oyun öğesi boyutu her bir arketip motivasyon grubuyla ilişkilendirilebilir?
Ontolojimizde, beyin fırtınası teknikleri gibi gereksinim çıkarma yöntemlerini kullanarak (Brennan vd., 2009), Toda’nın TGEEE taksonomisine göre (Toda, Klock, vd., 2019) hangi motivasyon grubunun hangi oyun öğesi boyutuna daha yatkın olacağını analiz ettik ve haritaladık. Bu ilişkiler Şekil 5’te görülebilir.
12 arketip, dört motivasyon grubuna veya Jung’un bakış açısına göre arketipin en büyük misyonuna veya evrensel insan motivasyonuna ayrılmıştır (Jung, 2014). Palomino’nun kullanıcı türü yaklaşımında (Palomino, Toda, Oliveira, Rodrigues ve Isotani, 2019), bu grupları içsel motivasyon grupları olarak kabul ederler (yani, bir kişiyi bir şey yapmaya motive edecek en derin arzusu nedir). İlk grup başkalarıyla bağlantı kurma gerekliliğiyle ilgilenir (ve Bizden Biri, Soytarı ve Aşık’ı içerir). Bu gruptaki insanlar bağlantı kurmayı, birbirlerini kendileriyle karşılaştırmayı, bir şeyin parçası olmayı isterler ve bu nedenle performans boyutuyla (İlerleme, Seviye, Puan, İstatistikler ve Onay unsurlarını içerir) ilişkilendirilebilirler. Dünyada bir iz bırakmak isteyen kişilerden oluşan grup Kahraman, Sihirbaz ve Asi arketiplerinden oluşur ve akranlarını etkilemek, bir yerde tanınmak ve bir isim bırakmakla ilgilenen kişilerdir. Sosyal boyutla ve İtibar, İş birliği, Rekabet ve Sosyal Baskı unsurlarıyla ilişkilidirler. Sonra, Bakıcı, Yaratıcı ve Hükümdar arketipleriyle temsil edilen dünyaya yapı ve anlam kazandırmak isteyen kişiler, kendilerini çevreleyen çevreyle, onu nasıl kontrol edip daha iyi hale getirebilecekleriyle ilgilenirler ve ekolojik boyut ve Zaman Baskısı, Şans, Dayatılan Seçim, Ekonomi ve Nadirlik oyun öğeleriyle ilişkilidirler. Son olarak, içsel yolculukları ve ruhsal deneyimleri konusunda endişe duyan, hayata bütünsel bir bakış açısına sahip kişiler, benlikle ve bir çevrenin bağlamıyla (anlamıyla) ilgili oyun öğeleriyle çalışanlar gibi kişisel ve kurgusal boyutlarla ilişkilidirler. Kurgusal boyut, Anlatı ve Hikaye Anlatımının öznel oyun öğelerini içerirken, kişisel boyut His (Sensation), Amaç (Objective), Bulmaca, Yenileme (Renovation) ve Yenilik (Novelty) öğelerini içerir.
Bu özellikler Öğrenme Hedefleri ve Öğrenme Aktivitesi Türleri ile nasıl ilişkilidir?
Ontoloji ayrıca arketipleri Bloom’un altı öğrenme hedefi, öğrenme aktiviteleri ve bunların fiilleri (eylemi temsil eden) ile ilişkilendirmiştir (Krathwohl, 2002; Kiliseler, 2010) ve bunlar Tablo 7’de görülebileceği gibi her davranış profili için daha uygun olacaktır.
Bu ilişkiler, öğrenme hedeflerinde zaten var olan ilişkilere, Bloom’un revize edilmiş taksonomisinin eylem fiillerine (Kiliseler, 2010; Krathwohl, 2002) ve bilişsel ve bilgi boyutlarına dayanarak kurulmuştur. Bu ilişkiler, anlambilim(semantik) ve semiyotik teknikler kullanılarak 12 arketipin her biriyle kullanılacak en makul fiillerin belirlenmesiyle daha da geliştirilmiştir (Pástor vd., 2018; Peirce, 1991; Santaella, 2017).
Tablo 7. Bloom’un Öğrenme Hedefleri (ÖH) ve Jung’un Arketiplerine Dayalı Öğrenme Aktiviteleri Türleri (ÖAT’ler) ile İlişkileri
| Arketip | ÖH | ÖAT | Arketip | ÖH | ÖAT |
| Masum | Yaratmak (Create)DeğerlendirmekAnaliz etmekUygulamakAnlamakHatırlamak(Remember) | YaratmakSeçmekFarklılaştırmak (Differentiate)KullanmakSınıflandırmakTanımak | Bizden Biri | YaratmakDeğerlendirmekAnaliz etmekUygulamakAnlamakHatırlamak | BirleştirmekBelirlemekBütünleştirmekYanıtlamakAçıklamakTanımlamak (Identify) |
| Bilge | YaratmakDeğerlendirmekAnaliz etmekUygulamakAnlamakHatırlamak | TasarlamakYansıtmakFarklılaştırmakYanıtlamak (Respond)Tahmin etmekListelemek | Soytarı | YaratmakDeğerlendirmekAnaliz etmekUygulamakAnlamakHatırlamak | TasarlamakYargılamakYapı söküme uğratmak (Deconstruct)Gerçekleştirmek(Carry out) ÖzetlemekTanımak (Recognize) |
| Kaşif | YaratmakDeğerlendirmekAnaliz etmekUygulamakAnlamakHatırlamak | BirleştirmekSeçmekSeçmekSağlamakSınıflandırmakTanımlamak | Aşık | YaratmakDeğerlendirmekAnaliz etmekUygulamakAnlamakHatırlamak | Oluşturmak (Generate)SeçmekYapı söküme uğratmak Sağlamak (Provide)SınıflandırmakTanımlamak |
| Asi | YaratmakDeğerlendirmekAnaliz etmekUygulamakAnlamakHatırlamak | TasarlamakBelirlemekYapı söküme uğratmak YanıtlamakAçıklamakListelemek | Yaratıcı | YaratmakDeğerlendirmekAnaliz etmekUygulamakAnlamakHatırlamak | YaratmakSeçmekYapı söküme uğratmak SağlamakSınıflandırmakTanımlamak |
Sihirbaz | YaratmakDeğerlendirmekAnaliz etmekUygulamakAnlamakHatırlamak | YaratmakSeçmekSeçmekGerçekleştirmekAçıklamakTanımlamak | Hükümdar | YaratmakDeğerlendirmekAnaliz etmekUygulamakAnlamakHatırlamak | OluşturmakBelirlemekFarklılaştırmakKullanmakSınıflandırmakListelemek |
| Kahraman | YaratmakDeğerlendirmekAnaliz etmekUygulamakAnlamakHatırlamak | BirleştirmekBelirlemekBütünleştirmekGerçekleştirmekÖzetlemekHatırlamak (Recall) | Anne | YaratmakDeğerlendirmekAnaliz etmekUygulamakAnlamakHatırlamak | BirleştirmekYansıtmakEntegre etmekSağlamakAçıklamakTanımak |
Bu özellikler eğitim bağlamlarını ve etkinliklerini kişiselleştirmek için nasıl kullanılabilir?
Sonuçlarımız, Jung’un evrensel arketipleri ve kişilik özellikleriyle ilgili eğitim stratejileri için oyunlaştırılmış bir tasarım oluşturmak için kullanılabilecek ilk kılavuzu önermektedir. Ontoloji, öğreniciyi kendi arketipiyle ilişkilendirme ve bu birincil ilişkiden sapma gibi farklı durumlara, tüm kişiselleştirilmiş oyunlaştırılmış stratejilere izin verir. Çoğu kişiselleştirme yaklaşımı, kullanıcı/oyuncu profilini ve her profil için hangi oyun öğelerinin kullanılabileceğini belirlemeye dayanır. Araştırmamız, Bloom taksonomisini bir öğretim tasarımı çerçevesi olarak kullanırken farklı soyutlama ve akıl yürütme düzeyleriyle başa çıkarak, öğrenme deneyimini sürecin başından sonuna kadar kişiselleştirmenin bir yolunu sunarak daha da ileri gider. Dahası, ontoloji bağlantısız(unplugged) senaryolarında ve GES geliştirmede kullanılabilir. Sınıfta çok fazla kişi varsa geleneksel sınıfların her öğrencinin deneyimini kişiselleştirmesi zor olsa da eğitmenler öğrencileri benzer özelliklere sahip olarak gruplandırabilir ve her gruba göre kişiselleştirilmiş etkinlikler sunabilir. Bununla birlikte, ontolojinin GES bağlamında tam potansiyelini ortaya koyma olasılığı daha yüksektir çünkü benzer özelliklere sahip öğrencilerin varlığından bağımsız olarak bireyselleştirilmiş kişiselleştirmeye izin verir.
Ontoloji uygulaması
Bu bölüm, ontolojinin gerçek bir senaryoda, yani Şekil 6’da görülebileceği gibi bir örnekte uygulanmasına dair bir örnek sunar.
Bu örneğe dayanarak, Yaratıcı arketipinden insanlar için bir eğitim görevini kişiselleştirmek gibi bir örneği (önerilen bir senaryoda ontolojinin bir uygulaması olarak) ayrıntılı olarak açıklayabiliriz. Bu insanlar yapı sağlamayı özler ve yenilikçi, yaratıcı, hayal gücü kuvvetli ve mükemmeliyetçidirler. Kendilerinden (i) arama motorlarını dijital araçlar olarak kullanarak bilgileri tutma stratejilerini belirlemeleri (hatırlama); ii) bu stratejileri madde işaretli araçları (bullet pointing) kullanarak sınıflandırmaları (anlama); iii) bu stratejileri bir grup ağında (group networking) sağlamaları (uygulama) istenebilir; iv) ve tersine mühendislik kavramlarını kullanarak bu stratejilerden birini parçalamak (analiz etmek) ve v) bu kavramlar arasında en iyi seçeneği seçmek (değerlendirmek) ve bununla vi) bunun üzerine bilgiyi tutmak için yepyeni bir strateji yaratabilirler (yaratmak). Bu öğretim tasarımının oyunlaştırılması şu şekilde olabilir: öğrencinin stratejileri belirlemek için 30 dakikası ve yeni bir strateji tasarlamak için bir haftası vardır (Zaman Baskısı oyun öğesi). Bu sırada, tüm dünya stratejilerini haritalayamazlar ve 30 dakikalık bir zaman sınırı içinde arama motorunda ne bulacaklarına dair şans öğesine tabidirler (Şans oyun öğesi). Parçalayacakları(deconstruct) stratejiler arasında seçim yapmaları (Dayatılmış Seçim) ve son olarak kendi başına nadir olan (Nadirlik öğesi) ve diğer öğrencilere en iyi maliyet-fayda ile dağıtılabilecek yeni bir şey önermeleri gerekir (Ekonomi öğesi).
Bu örnek, bağlantısız bağlamlardaki küçük sınıflara uygulanabilir, ancak öğretmenin önce öğrencilerinin arketiplerini bilmesi ve ardından kağıt tabanlı rozetler, pano tabanlı liderlik tabloları, hedef birikimi veya ilerleme çubuğu ve takım tabanlı ödevler vb. gibi varlıkları kullanarak her bir sınıf arketipi için kişiselleştirilmiş etkinlikler tasarlaması gerekir.
Bu örnek ışığında, ontolojimizi kullanırken dikkate alınması gereken üç nokta vardır. Birincisi, ontolojimiz, eğitime uygulanan oyunlaştırmanın zararlı, istenmeyen etkilerini (örneğin, performans kaybı ve sistemi oyunlaştırma (Toda, Valle, vd., 2018)) azaltmak için öğrenme etkinliklerine bağlı oyunlaştırılmış deneyimlerin tasarımını bilgilendirir. Ancak, pedagojik bir bakış açısından, anlamlı öğrenme deneyimleri, öğrencileri hatırlama boyutundan yaratılmış boyuta kadar uzanan etkinliklerde yönlendirecektir (Bloom, 1956). Sonuç olarak, ontoloji öneriler sunarken, belirli bir öğrenci için belirli bir öğrenme etkinliğini belirtmez. Benzer şekilde, örneğimizin gösterdiği gibi (bkz. Şekil 6) her bir aktivitenin nasıl ağırlıklandırılacağını belirlemez. Bunun yerine, ontoloji eğitmenlerin ve tasarımcıların oyunlaştırma tasarımlarını ve öğrenme aktivitelerini birbirine bağlamasına yardımcı olurken, hedeflerine ve tercihlerine göre talimat tasarlamalarına (örneğin, hangi aktiviteler ve bunların ilgili ağırlıkları) olanak tanır.
Şekil 6: Yaratıcı arketipine atıfta bulunan ontolojinin örneğinin görsel temsili
İkinci olarak, bu bölümün örneği bir kullanıcı arketipi ile sınırlı olsa da ontolojimiz oyunlaştırılmış tasarımların kişiselleştirilmesini 12 Jung arketipine göre bilgilendirir. Özellikle, eğitmenler ve tasarımcılar, Şekil 5’te her arketipe hangi tür oyunlaştırmanın daha uygun olduğuna dair basit öneriler bulabilirler. Örneğin, şekil ontolojinin Bilgeler için Kişisel (örn. hedefler) ve Kurgusal (örn. anlatı) oyun öğelerini önerdiğini gösterir. Farklı olarak, ontoloji Asiler için Sosyal (örn. rekabet) öğeleri ve Anneler için Ekolojik (örn. zaman baskısı) öğeleri önerir. Bazı arketipler için önerilerin aynı olduğunu unutmayın, örneğin Herkes, Soytarı ve Aşık için olanlar. Bu tür benzerlikler, kişilik özellikleri, öğrenme hedefleri, öğrenme etkinliği türleri ve oyun öğeleriyle ilişkilendiren düşünce analizlerinden sonra bulunan arketipin benzerliklerine dayanmaktadır (örneğin, Tablo 6 ve 7’ye bakın). Bu nedenle, anlamlı, oyunlaştırılmış öğrenme deneyimleri için ilgili kaynakları birbirine bağlayarak ontolojimiz, oyunlaştırma tasarımlarının nasıl kişiselleştirileceğine dair somut rehberlik sağlar.
Bu bağlamda, üçüncü nokta oyunlaştırılmış deneyimleri kişiselleştirmek için ontolojiyi pratik olarak kullanmakla ilgilidir. Pratikte, önceki tartışmamıza göre, eğitmen hangi öğrenme etkinliklerinin kullanılacağını ve her birinin ağırlığını tanımlama özerkliğine sahip olacaktır. Daha sonra, öğretim tasarımlarını oyunlaştırma tasarımına bağlamak için ontolojimizin rehberliğine güveneceklerdir. Şekil 5’teki önerileri izleyerek, eğitmen her öğrenci için oyunlaştırmanın kişiselleştirilmesini sunabilir.
Örneğin, Bilgeleri hikayeye dayalı hedeflerle (kurgusal ve kişisel unsurlar), Asileri akranlar arası rekabetle (sosyal unsurlar) vb. motive etmek. Bunu yaparken, eğitmen öğrencilere, kullanım bağlamına ve eldeki göreve göre kişiselleştirilmiş bir oyunlaştırma tasarımı uygulayacaktır. Kişiselleştirilmiş oyunlaştırma ile ilgili önceki araştırmalara dayanarak, böyle bir yaklaşımın tek tip yaklaşıma kıyasla etkinliği en üst düzeye çıkarmada büyük bir potansiyeli vardır (örn. Lopez ve Tucker, 2021; Rodrigues, Palomino, vd., 2021). Bu önemlidir çünkü araştırmalar tek tip yaklaşımın performans kaybı, sistemde oyun oynama ve kıskançlık gibi farklı eksikliklerden muzdarip olduğunu göstermektedir (Bai vd., 2020; Toda, Valle, vd., 2018). Bu nedenle, ontolojimiz eğitmenler ve tasarımcıların pratikte keşfetmeleri için değerli, teoriye dayalı bir araç sunmakta ve birkaç ilgili kaynaktan gelen bilgileri tek bir eserde yoğunlaştırarak önceki araştırmaları genişletmektedir.
Tartışma ve sınırlamalar
Önceki bölümde açıklandığı gibi, ontoloji kalite değerlendirmesi aşamalar halinde yapıldı ve sonuçlar düzenli bir İkamemiz (Substitute) olduğunu gösterdi, bunun başlıca nedeni ontolojiyi hala diğerlerine bağlamamış olmamız ve onların modellerini yeniden kullanmamamızdı. Ancak, ontolojik taahhütleri en üst düzeye çıkarılmış, yani ontoloji özlü ve nesneldir. Akıllı Muhakeme ve İnsan İfadesi’nde iyi bir puana sahiptir, yani hiçbir fazlalığı yoktur ve iyi belgelenmiştir. OWL sürümü bilgisayar verimliliğinde maksimum notlara sahipti, yani hesaplamalı görevlerde kullanılmaya hazırdır (bu, GES ile uğraşmanın uzun vadeli hedeflerinden biridir).
Bu çalışma aracılığıyla, bu kavramların birbirleriyle nasıl ilişkili olduğunu, yani bir arketipin özelliklerine, içsel motivasyon grubuna nasıl ilişkili olduğunu ve belirli bir oyun boyutunun oyun öğelerine nasıl daha duyarlı olduğunu somutlaştırdık. Bu arketipe yönelik araçsal tasarım, bu nedenle, her biriyle ilişkili fiillerle temsil edilen ve bilgi boyutlarından birinin parçası olan altı öğrenme hedefi ve ilgili LAT’leri dikkate alınarak gerçekleştirilmelidir. Bu modelle, öğretmenler sınıfları için oyunlaştırılmış stratejiler tasarlayabilir ve tasarımcılar ile geliştiriciler bu stratejileri GES tasarımında uygulayabilirler.
Eğitime odaklanan oyunlaştırma tasarımı, öğrenci, öğretmen ve oyunlaştırılmış sistemler açısından aşılması gereken bazı zorluklara sahiptir. Öğrencinin bakış açısından: i) öğrenmenin kendisine odaklanmayı kaybetmeden, öğrenciyi meşgul eden oyunlaştırılmış bir deneyimi nasıl sağlayabiliriz; ii) öğrenmeyi nasıl kolaylaştırabiliriz ve iii) içeriği profillerine uygun şekilde nasıl sunabiliriz. Bu zorluklar, eğitimde oyunlaştırmanın neden bu kadar özel bir alan haline geldiğinin en büyük nedenlerinden biridir ve genel oyunlaştırma stratejileri her zaman bu sorunları çözemez. Palomino’ya (Palomino, Toda, Oliveira, Cristea ve Isotani, 2019) göre, bu sorunla başa çıkmanın bir yolu, öğrencilerin neden meşgul olmaları, ancak öğrenmeye odaklanmaları gerektiği bağlamını ve nedenini yaratmak için Anlatı ve Hikaye Anlatımı gibi daha öznel oyun öğeleriyle çalışmaktır (yani, meşguliyetin nedeninin öğrenme sürecinin kendisinden gelmesi gerekir, böylece etkinliklerin öğretim tasarımının oyunlaştırma stratejilerinin tasarımına içsel olarak bağlı olması gerekir). Altmeyer ve diğerleri (2021) ve Mora ve diğerleri (2018) için, oyun tasarımının algılanmasındaki kişilerarası farklılıkları hesaba katmak için stratejileri kişiselleştirmek gerekir. Yine de bu kullanıcı tipleri mutlak olmamalıdır, çünkü bir kişi mutlaka tek bir tipe uymayacaktır (Tondello, Arrambide ve diğerleri, 2019). Ancak, öğrencinin davranış profillerini bilmek yeterli değildir. O profile uygun içeriği sunmak gerekir. Hallifax, Serna, Marty ve Lavoué (2019), kişiselleştirmenin yönlerini eğitim içeriği veya etkinliğiyle ilişkilendiren çalışmaların eksik olduğunu belirtmektedir. Rodrigues, Toda ve diğerlerinin (2022) araştırması, kullanıcıyı değil bağlamı kişiselleştiren bu yolu izleyen en son çalışmalardan biridir ve Klock ve diğerlerine (2020) göre, öğrencilerin oyun deneyimini kişiselleştirirken aynı anda birkaç faktörü dikkate almak gerekir.
Öğretmenin bakış açısından, zorluklar şunlardır: i) derslerin nasıl oyunlaştırılacağı; ii) başlangıçta farklı olan iki tasarım süreciyle (oyunlaştırma tasarımı ve öğretim tasarımı) nasıl başa çıkılacağı ve iii) oyunlaştırmanın etkinliğinin nasıl ölçüleceği. Öğretmenlerin oyunlaştırma stratejilerine büyük bir ilgisi olmasına rağmen (Dermeval, Lima ve diğerleri, 2019), bilgi eksikliği ve kaynak eksikliği gibi bazı yönler benimsenmesini etkilemektedir (Martí-Parreño ve diğerleri, 2016). Toda, do Carmo ve ark. (2018) öğretmenlerin derslerini oyunlaştırmalarına ve çift tasarım süreciyle başa çıkmalarına yardımcı olmak için araştırma tasarım stratejileri geliştirmiştir ve son araştırmalar eğitimde oyunlaştırmanın etkinliğini ölçmek için veri madenciliği tekniklerini ve ilişki kurallarını kullanmaktadır (Barata ve Gama, 2014; Palomino, Toda, Oliveira, Rodrigues, Cristea ve ark., 2019; Toda, Palomino, Rodrigues ve ark., 2019).
Sistemsel bakış açısından: i) Anlamlı ve değerli bir kullanıcı deneyimi nasıl sağlanır ve ii) Oyunlaştırma tasarımı gerçek zamanlı olarak nasıl uyarlanır. Son yıllarda, UX alanında, onu oyunlaştırma ile ilişkilendiren araştırmalar ortaya çıkmıştır, örneğin kişisel, işlevsel, psikolojik, zamansal, eğlenceli, uygulanabilir ve değerlendirici özellikleri dikkate alan kullanıcı merkezli bir çerçeve geliştiren Klock ve ark. (2019) ve oyun sistemlerinin değerlendirilmesiyle ilgilenen Tondello, Kappen ve ark. (2019), Oyunsal Tasarım Sezgileri’ni (Gameful Design Heuristics) geliştirmiştir. Uyarlanabilir oyunlaştırma uygulamalarının geliştirilmesi için bir tasarım çerçevesi öneren Böckleet al. (2017) ve eğitim amaçlı uyarlanabilir oyunlaştırma için bir ontoloji öneren Dermeval ve diğerleri (Dermeval, Albuquerque, et al., 2019) gibi diğer araştırmalar gerçek zamanlı uyarlanabilir oyunlaştırmaya odaklanmaktadır.
Bu ontoloji, daha önce sunulan tüm zorluklarla başa çıkmayı amaçlayarak oluşturulmuştur. Öğrencinin bakış açısından, kişiselleştirilmiş bir oyunlaştırma tasarımının, bu profile daha uygun farklı hedeflere ve öğrenme etkinliği türlerine zaten bağlı olarak oluşturulabilmesi, öğrenme sırasında katılımı destekler ve korur. Hangi öğrenme hedefine ulaşmak istendiğini ve hangi etkinlik ve araçların daha uygun olacağını bilmek, öğrenmenin kendisini de kolaylaştırır. Evrensel ve mutlak olmayan arketiplerin varlığı (yani, süreç boyunca profilin değişmesine izin vererek), gerçek zamanlı olarak kişiselleştirilmiş bir deneyim getirir. Öğretmenin bakış açısından, ontoloji iki tasarım sürecini tek bir çerçevede birleştirerek, sunulan ilişkileri takip ederek doğrudan sınıfların oyunlaştırılmasını sağlar. Son olarak, sistemik bir bakış açısından, ontoloji kullanıcı tercihlerini açık ve nesnel bir şekilde sağlayarak daha zengin kullanıcı deneyimleri düşünmeyi sağlar. Ayrıca, hesaplamalı versiyonu arketipler (ve bunlarla ilgili içerikler) arasında geçiş yapabilen, kullanıcının kendi davranış değişikliklerini takip eden ve böylece öğrenme süreci boyunca öğrencinin duygusal durumuna ve psikolojik yönlerine saygı duyan uyarlanabilir oyunlaştırma sağlayan akıllı anlamsal sistemlerin oluşturulmasına olanak tanır.
Bu çalışma tarafından üretilen diğer bazı önemli içgörüler şunlardır: i) eğitim alanında oyunlaştırma tasarımının öğretim tasarımıyla nasıl bütünleştirileceğine dair daha derinlemesine çalışmalar yürütme ihtiyacı, eğitim alanında mevcut alanların özelliklerini ve aralığını hesaba katarak (yani, Matematik dersleri için geçerli olan aynı yapı Sanatlar için kullanılamaz) ve ii) GES perspektifinden, kullanıcı deneyimini iyileştirmek için oyunlaştırmada daha az kullanılan diğer unsurları düşünmek gerekir (yani, anlatı) (Palomino, Toda, Oliveira, Cristea ve Isotani, 2019). Dolayısıyla bu ontolojinin gelecekte hem diğer teorik ve uygulamalı araştırmaların ilerlemesine yardımcı olmasını, hem de akademi dışında öğretim bağlamında da yararlı olmasını bekliyoruz.
Bu ontolojiye dayanarak, gelecekteki çalışmalar için i) dijital derslerde uzun vadeli deneyler yoluyla ontolojiyi deneysel olarak doğrulamayı; ii) diğer öğretim tasarımları çerçeve seçeneklerini (ADDIE (Branch, 2009) ve Tasarımsal Düşünme (Brown ve Katz, 2019) gibi) ve diğer oyunlaştırma taksonomilerini (Marczewski’nin Periyodik Tablosu (Marczewski, 2015) gibi) ve oyuncu(gamer)/kullanıcı türlerini (Hexad (Tondello ve diğerleri, 2016) gibi) böylece diğer genel oyunlaştırma stratejilerine kıyasla eğitime özel stratejilerin etkinliğini ölçmenin yanı sıra bu iyi kullanılan yaklaşımları eğitim bağlamına daha fazla uyarlamak; ve iii) temeli bağlam ve kullanıcı deneyimi olan içerik tabanlı bir oyunlaştırma çerçevesi geliştirmek ve bu ontolojiyi bir bütün olarak uygulamak.
Bu çalışmanın sınırlamaları olarak, kendi kavramlarının soyutlamalarına ve ontolojinin henüz daha yüksek alanların diğer ontolojilerine bağlanmamış olmasına işaret ediyoruz. Dahası, insan doğasının son derece zengin ve karmaşık olduğunu ve psikolojik bir bakış açısından, özelliklere göre kategorize edilmesinin zor olduğunu anlıyoruz. Bu çalışmayla amacımız bunu yapmak değil, belirli arketiplerin kullanıcılarına uygulanabilecek olası öğeler ve aktivitelere ilişkin öneriler olarak kullanılabilecek yönergeler sağlamaktır. Ayrıca, hesaplamalı bir bakış açısından, ontolojiyi temel alarak geliştirilen sistemlerin uyarlanabilir bir şekilde çalışabilmesi için bu kategorileştirme gereklidir.
Ayrıca, uzmanlar tarafından bir değerlendirme yapıldı (FOCA metodolojisi kullanılarak (Bandeira ve diğerleri, 2016)), ancak ontolojinin gerçek bir öğrenme ortamında uygulaması yapılmadı.
Gelecekteki çalışmalarda, örneğin deneysel doğrulama elde etmek için bunu bir sınıf ortamında veya bir GES’te uygulamak gereklidir.
Diğer olası yollar, tasarımın anlamsal olarak yaratımdan nasıl farklılaştığı gibi olası soyutlamaları daha iyi belirlemek ve aynı öğrenme faaliyetlerinin farklı arketipler üzerinde nasıl kullanılacağına ilişkin yönergeleri derinleştirmektir; örneğin, tasarımcıların öğrencilerin arketipine göre her faaliyete farklı ağırlıklar verebilmesi için öğrenme faaliyetlerine öncelik vermek gibi.
Bu çalışma alanı, daha farklı tanımları ve kavramları benimseyerek ve uygulama alanını açıklamak için farklı görüşler ekleyerek ontolojilerin genişletilmesi ve derinleştirilmesi için olası evrim yollarından biridir (Mizoguchi, 2003).
Son sözler
Bu çalışma, ilk kez, kullanıcı profillerinin bir sınıflandırmasını, eğitim kapsamına odaklanan bir oyun öğeleri taksonomisine bağlayan ve bu kavramları bir öğrenme taksonomisiyle ilişkilendiren bir uygulama ontolojisi sunmuştur. İyi yapılandırılmış bir oyunlaştırma tasarımının uygulamasında başarılı olması için önemi ve bu süreçte çerçevelerin ve yönergelerin ne kadar kritik olduğu göz önüne alındığında, bu ontolojinin oluşturulması, doğası gereği bir ontoloji olması nedeniyle olası uygulama örneklerini ayrıntılı olarak haritalayan ve öğrenme sürecinin kişiselleştirilmesinin çeşitli farklı yönlerini dikkate alan daha eksiksiz öğretim stratejileri ve tasarımlarının oluşturulmasına olanak tanıyan ilk ontoloji olması nedeniyle bir ilerleme sağlar.
Literatür taramamıza göre, Jung’un arketipleri, oyun öğeleri, öğrenme hedefleri ve öğrenme aktiviteleri arasındaki ilişkileri haritalayan bir davranış profilini kapsayan ilk modeli oluşturduğumuza inanıyoruz. Bu anlamda, en büyük katkılarımız şunlardır: i) herhangi bir öğretim görevlisinin(lecturer) eğitim amaçlı oyunlaştırılmış stratejiler oluşturmak için kullanabileceği kavramsal bir temsil modeli sunmak; ii) gelişmiş ve uyarlanabilir eğitim sistemlerinin geliştirilmesinde kullanılabilecek OWL dilinde bir ontoloji sunmak; iii) diğer yaklaşımlar eklenerek çoğaltılabilen ve genişletilebilen öğrenme sürecini haritalamak için bir model önermek. Gelecekteki çalışmalarda, bu profillerin öğrencilerin motivasyonunu ve katılımını etkileyip etkilemediğini doğrulamak ve mevcut oyuncu profilleriyle karşılaştırmak için bu ontolojiyi bir GES’te örneklendirmeyi hedefliyoruz. Bu sonuçlara dayanarak, içerik tabanlı bir oyunlaştırma çerçevesi geliştireceğiz.
References
Altmeyer, M., Lessel, P., Jantwal, S., Muller, L., Daiber, F., & Krüger, A. (2021). Potential and effects of personalizing gameful fitness applications using behavior change intentions and hexad user types. User Modeling and User-Adapted Interaction, 31, 675–712. https://doi.org/10.1007/s11257-021-09288-6
Bai, S., Hew, K. F., & Huang, B. (2020). Is gamification “bullshit”? Evidence from a meta-analysis and synthesis of qualitative data in educational contexts. Educational Research Review, 30, 100322. https://doi.org/10.1016/j.edurev.2020.100322
Baldeón, J., Rodríguez, I., & Puig, A. (2016). LEGA: A LEarner-centered GAmification Design Framework. In L. Moreno, E. J. d. l. R. Cuestas, V. M. R. Penichet & F. J. García-Peñalvo (Eds.), Proceedings of the XVII International Conference on Human Computer Interaction (pp. 45:1–45:8). Association for Computing Machinery. http://doi.acm.org/10.1145/2998626.2998673
Bandeira, J., Bittencourt, I. I., Espinheira, P., & Isotani, S. (2016). Foca: A methodology for ontology evaluation. arXiv, arXiv:1612.03353. https://doi.org/10.48550/arXiv.1612.03353
Barata, G., & Gama, S. (2014). Relating gaming habits with student performance in a gamified learning experience. In Proceedings of the first ACM SIGCHI annual symposium on Computer-human interaction in play (pp. 17–25). https://doi.org/10.1145/2658537.2658692
Bartle, R. (1996). Hearts, clubs, diamonds, spades: Players who suit muds. Journal of MUD Research, 1(1), 19. Basili, V. R. (1992). Software modeling and measurement: The goal/question/metric paradigm. University of Maryland.
Bloom, B. S. (1956). Taxonomy of educational objectives: The classification of educational goals. Longman. Böckle, M., Novak, J., & Bick, M. (2017). Towards adaptive gamification: A synthesis of current developments. In Proceedings of the 25th European Conference on Information Systems (ECIS) (pp. 158–174). AIS. https://aisel.aisnet.org/ecis2017_rp/11
Bouzidi, R., De Nicola, A., Nader, F., & Chalal, R. (2018). Ontogamif ontology: A modular ontology for the gamification domain. Mendeley.
Bovermann, K., & Bastiaens, T. J. (2020). Towards a motivational design? Connecting gamification user types and online learning activities. Research and Practice in Technology Enhanced Learning, 15, 1. https://doi.org/10.1186/s41039-019-0121-4
Branch, R. M. (2009). Instructional design: The addie approach (Vol. 722). Springer Science & Business Media.
Brennan, K., et al. (Eds.) (2009). A guide to the Business Analysis Body of Knowledger. International Institute of Business Analysis.
Brown, T., & Katz, B. (2019). Change by design: How design thinking transforms organizations and inspires innovation (Vol. 20091). Harper Business New York, NY.
Chalco, G., & Isotani, S. (2019). Gamification of collaborative learning scenarios: An ontological engineering approach to deal with motivational problems in scripted collaborative learning. In Proceedings of the workshop of the Brazilian congress on informatic in education (Vol. 8, p. 981). https://doi.org/10.5753/cbie.wcbie.2019.981
Churches, A. (2010). Bloom’s digital taxonomy. Australian School Library Association NSW Incorporated. Palomino et al. Research and Practice in Technology Enhanced Learning (2023) 18:18 Page 32 of 35
Davis, R., Shrobe, H., & Szolovits, P. (1993). What is a knowledge representation? AI Magazine, 14(1), 17–33. https://doi.org/10.1609/aimag.v14i1.1029
Dermeval, D., Albuquerque, J., Bittencourt, I. I., Isotani, S., da Silva, A. P., & Vassileva, J. (2019). GaTO: An ontological model to apply gamification in intelligent tutoring systems. Frontiers in Artificial Intelligence, 2, 13. https://doi.org/10.3389/frai.2019.00013
Dermeval, D., Lima, I., Castro, M., Couto, H., Gomes, D., Peixoto, A., & Bittencourt, I. I. (2019). Helping teachers design gamified intelligent tutoring systems. In Proceedings of 2019 IEEE 19th International Conference on Advanced Learning Technologies (ICALT) (Vol. 2161, pp. 60–62). https://doi.org/10.1109/ICALT.2019.00024
Deterding, S., Björk, S. L., Nacke, L. E., Dixon, D., & Lawley, E. (2013). Designing gamification: Creating gameful and playful experiences. In Proceedings of CHI EA ’13: CHI ’13 Extended Abstracts on Human Factors in Computing Systems (pp. 3263–3266). Association for Computing Machinery. https://doi.org/10.1145/2468356.2479662
Deterding, S., Dixon, D., Khaled, R., & Nacke, L. (2011). From game design elements to gamefulness: Defining gamification. In Proceedings of the 15th International Academic MindTrek Conference: Envisioning Future Media Environments (pp. 9–15). Association for Computing Machinery. https://doi.org/10.1145/2181037.2181040
Dichev, C., & Dicheva, D. (2017). Gamifying education: What is known, what is believed and what remains uncertain: A critical review. International Journal of Educational Technology in Higher Education, 14, 9. https://doi.org/10.1186/s41239-017-0042-5
Digman, J. M. (1990). Personality structure: Emergence of the five-factor model. Annual Review of Psychology, 41(1), 417–440.
Dignan, A. (2011). Game frame. Free Press.
Fitz-Walter, Z., Johnson, D., Wyeth, P., Tjondronegoro, D., & Scott-Parker, B. (2017). Driven to drive? Investigating the effect of gamification on learner driver behavior, perceived motivation and user experience. Computers in Human Behavior, 71, 586–595. https://doi.org/10.1016/j.chb.2016.08.050
Francisco-Aparicio, A., Guti ́errez-Vela, F. L., Isla-Montes, J. L., & Sanchez, J. L. G. (2013). Gamification: Analysis and application. In V. M. R. Penichet, A. Peñalver & J. A. Gallud (Eds.), New trends in interaction, virtual reality and modeling (pp. 113–126). Springer, London. https://doi.org/10.1007/978-1-4471-5445-7_9 Gobin, B. A. (2014). An agile and modular approach for developing ontologies. In K. J. Bwalya (Ed.), Technology development and platform enhancements for successful global e-government design (pp. 118–138). IGI Global.
Guarino, N. (1998). Formal ontology in information systems: Proceedings of the first international conference (fois’98). IOS Press.
Hallifax, S., Serna, A., Marty, J.-C., & Lavoué, E. (2019). Adaptive gamification in education: A literature review of current trends and developments. In M. Scheffel, J. Broisin, V. Pammer-Schindler, A. Ioannou & J. Schneider (Eds.), Transforming learning with meaningful technologies (pp. 294–307). Springer International Publishing.
Hallifax, S., Serna, A., Marty, J.-C., Lavoué, G., & Lavoué, E. (2019). Factors to consider for tailored gamification. In Proceedings of the Annual Symposium on Computer-Human Interaction in Play (pp. 559–572). Association for Computing Machinery. https://doi.org/10.1145/3311350.3347167
Huotari, K., & Hamari, J. (2012). Defining gamification: A service marketing perspective. In Proceeding of the 16th International Academic MindTrek Conference (pp. 17–22). Association for Computing Machinery. https://doi.org/10.1145/2393132.2393137
Isotani, S., & Bittencourt, I. I. (2015). Dados abertos conectados: Em busca da web do conhecimento. Novatec Editora.
Jung, C. G. (2014). The archetypes and the collective unconscious. Routledge.
Kapp, K. M. (2012). The gamification of learning and instruction: Game-based methods and strategies for training and education. John Wiley & Sons.
Klock, A. C. T., Gasparini, I., & Pimenta, M. S. (2019). User-centered gamification for e-learning systems: A quantitative and qualitative analysis of its application. Interacting with Computers, 31(5), 425–445.
Klock, A. C. T., Gasparini, I., Pimenta, M. S., & Hamari, J. (2020). Tailored gamification: A review of literature. International Journal of Human-Computer Studies, 144, 102495. https://doi.org/10.1016/j.ijhcs.2020.102495 Krathwohl, D. R. (2002). A revision of bloom’s taxonomy: An overview. Theory into Practice, 41(4), 212–218. https://doi.org/10.1207/s15430421tip4104_2
Landers, R. N., Tondello, G. F., Kappen, D. L., Collmus, A. B., Mekler, E. D., & Nacke, L. E. (2019). Defining gameful experience as a psychological state caused by gameplay: Replacing the term ‘gamefulness’ with three distinct constructs. International Journal of Human-Computer Studies, 127, 81–94. https://doi.org/10.1016/j.ijhcs.2018.08.003
Liu, D., Santhanam, R., & Webster, J. (2017). Toward meaningful engagement: A framework for design and research of gamified information systems. MIS Quarterly, 41(4), 1011–1034. https://doi.org/10.25300/MISQ/2017/41.4.01
Lopez, C. E., & Tucker, C. S. (2021). Adaptive gamification and its impact on performance. In Proceedings of International Conference on Human-Computer Interaction (pp. 327–341). Association for Computing Machinery. https://doi.org/10.1007/978-3-030-77277-2_25
Marczewski, A. (2015). Even ninja monkeys like to play: Gamification, game thinking and motivational design. Gamified UK.
Martí-Parreño, J., Seguí-Mas, D., & Seguí-Mas, E. (2016). Teachers’ attitude to-wards and actual use of gamification. Procedia-Social and Behavioral Sciences, 228, 682–688. https://doi.org/10.1016/j.sbspro.2016.07.104 Palomino et al. Research and Practice in Technology Enhanced Learning (2023) 18:18 Page 33 of 35
McCrae, R. R., & Costa, P. T. (1987). Validation of the five-factor model of personality across instruments and observers. Journal of Personality and Social Psychology, 52(1), 81.
Metwally, A. H. S., Nacke, L. E., Chang, M., Wang, Y., & Yousef, A. M. F. (2021). Revealing the hotspots of educational gamification: An umbrella review. International Journal of Educational Research, 109, 101832. https://doi.org/10.1016/j.ijer.2021.101832
Mezirow, J. (2000). Learning as transformation: Critical perspectives on a theory in progress. Jossey-Bass Publishers.
Mizoguchi, R. (2003). Part 1: Introduction to ontological engineering. New Generation Computing, 21(4), 365–384.
Mora, A., Riera, D., Gonzalez, C., & Arnedo-Moreno, J. (2015). A literature review of gamification design frameworks. In Proceedings of 7th International Conference on Games and Virtual Worlds for Serious Applications (VS-Games) (pp.1–8). The Institute of Electrical and Electronics Engineers. https://doi.org/10.1109/VS-GAMES.2015.7295760
Mora, A., Riera, D., Gonz ́alez, C., & Arnedo-Moreno, J. (2017). Gamification: A systematic review of design frameworks. Journal of Computing in Higher Education, 29(3), 516–548. https://doi.org/10.1007/s12528-017-9150-4
Mora, A., Tondello, G. F., Nacke, L. E., & Arnedo-Moreno, J. (2018). Effect of personalized gameful design on student engagement. In Proceedings of 2018 IEEE Global Engineering Education Conference (EDUCON) (pp. 1925–1933). The Institute of Electrical and Electronics Engineers. https://doi.org/10.1109/EDUCON.2018.8363471
Nacke, L. E. (2017). Games user research and gamification in human-computer interaction. XRDS: Crossroads, The ACM Magazine for Students, 24(1), 48–51. https://doi.org/10.1145/3123748
Nacke, L. E., Bateman, C., & Mandryk, R. L. (2014). Brainhex: A neurobiological gamer typology survey. Entertainment Computing, 5(1), 55–62. https://doi.org/10.1016/j.entcom.2013.06.002
Noy, N. F., & McGuinness, D. L. (2004). Ontology development 101: A guide to creating your first ontology. http://protege. stanford.edu/publications
Oliveira, W., & Bittencourt, I. I. (2019). Tailored gamification to educational technologies. Springer Nature.
Oliveira, W., Bittencourt, I. I., & Vassileva, J. (2018). Design of tailored gamified educational systems based on gamer types. In Proceedings of the Workshop of the Brazilian Congress on Informatic in Education (Vol. 7, p. 42).
Oliveira, W., Bittencourt, I., Isotani, S., Silveira, F., & Marques, L. (2015). Challenges of flow theory applied to computers in education. In IV Workshop of Challenges of Computer in Education. recife–pe, brazil.[gs search]. Orji, R., Oyibo, K., & Tondello, G. F. (2017). A comparison of system-controlled and user-controlled personalization approaches. In Adjunct Publication of the 25th Conference on User Modeling, Adaptation and Personalization (pp. 413–418). Association for Computing Machinery. https://doi.org/10.1145/3099023.3099116 Orji, R., Tondello, G. F., & Nacke, L. E. (2018). Personalizing persuasive strategies in gameful systems to gamification user types. In Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems (pp. 1–14). Association for Computing Machinery. https://doi.org/10.1145/3173574.3174009
Palomino, P. T., Toda, A. M., Oliveira, W., Cristea, A. I., & Isotani, S. (2019). Narrative for gamification in education: Why should you care? In Proceedings of 2019 IEEE 19th International Conference on Advanced Learning Technologies (ICALT) (pp. 97–99). The Institute of Electrical and Electronics Engineers. https://doi.org/10.1109/ICALT.2019.00035
Palomino, P. T., Toda, A. M., Oliveira, W., Rodrigues, L., & Isotani, S. (2019). Gamification journey: A novel approach for classifying gamer types for gamified educational systems. In Simp ́osio brasileiro de jogos e entretenimento digital 2019 (sbgames 2019).
Palomino, P., Toda, A., Oliveira, W., Rodrigues, L., Cristea, A., & Isotani, S. (2019). Exploring content game elements to support gamification design in educational systems: Narrative and storytelling. In Brazilian symposium on computers in education (simp ́osio brasileiro de inform ́atica na educa ̧c ̃ao-sbie) (Vol. 30, p. 773). Pástor, D., Jiménez, J., Gómez, O. S., & Isotani, S. (2018). New perspectives in instructional design using semantic web technologies: a systematic literature review. Ingenier ́ıa y Desarrollo, 36(1), 215–239.
Peirce, C. S. (1991). Peirce on signs: Writings on semiotic. UNC Press Books.
Pink, D. H. (2011). Drive: The surprising truth about what motivates us. Penguin.
Rodrigues, L., Oliveira, W., Toda, A., Palomino, P., & Isotani, S. (2019). Thinking inside the box: How to tailor gamified educational systems based on learning activities types. In Proceedings of the Brazilian Symposium of Computers on Education (pp. 823–832). Brazilian Computer Society.
Rodrigues, L., Palomino, P. T., Toda, A. M., Klock, A. C. T., Oliveira, W., Avila-Santos, A. P., Gasparini, I., & Isotani, S. (2021). Personalization improves gamification: Evidence from a mixed-methods study. In Proceedings of the ACM on Human-Computer Interaction, 5(CHI PLAY) (pp. 1–25). Association for Computing Machinery. https://doi.org/10.1145/3474714
Rodrigues, L., Pereira, F., Toda, A., Palomino, P., Oliveira, W., Pessoa, M., Carvalho, L., Oliveira, D., Oliveira, E., Cristea, A., & Isotani, S. (2022). Are they learning or playing? moderator conditions of gamification’s success in programming classrooms. ACM Transactions on Computing Education, 22(3), 1–27. https://doi.org/10.1145/3485732
Rodrigues, L., Toda, A. M., Oliveira, W., Palomino, P. T., & Isotani, S. (2020). Just beat it: Exploring the influences of competition and task-related factors in gamified learning environments. In Anais do simpósio brasileiro de informática na educação (pp. 461–470). https://doi.org/10.5753/cbie.sbie.2020.461
Rodrigues, L., Toda, A. M., Oliveira, W., Palomino, P. T., Vassileva, J., & Isotani, S. (2022). Automating gamification personalization to the user and beyond. IEEE Transactions on Learning Technologies, 15(2), 199–212. https://doi.org/10.1109/TLT.2022.3162409
Rodrigues, L., Toda, A. M., Palomino, P. T., Oliveira, W., & Isotani, S. (2020). Personalized gamification: A literature review of outcomes, experiments, and approaches. In F. J. García-Peñalvo & A. García-Holgado (Eds.), Proceedings of Eighth International Conference on Technological Ecosystems for Enhancing Multiculturality (pp. 699–706). Association for Computing Machinery. https://doi.org/10.1145/3434780.3436665
Ryan, R. M., & Deci, E. L. (2000). Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being. American Psychologist, 55(1), 68–78. https://doi.org/10.1037/0003-066X.55.1.68 Sailer, M., & Homner, L. (2019). The gamification of learning: A meta-analysis. Educational Psychology Review, 32, 77–112. https://doi.org/10.1007/s10648-019-09498-w
Santaella, L. (2017). O que é semiótica. Brasiliense.
Smith-Robbins, S. (2011). This game sucks: How to improve the gamification of education. Educause Review, 46(1), 58–59.
Snow, E. L., Allen, L. K., Jackson, G. T., & McNamara, D. S. (2015). Spendency: Students’ propensity to use system currency. International Journal of Artificial Intelligence in Education, 25(3), 407–427. https://doi.org/10.1007/s40593-015-0044-1
Toda, A. M., do Carmo, R. M. C., da Silva, A. P., Isotani, S. (2018). GAMIFY-SN: A meta-model for planning and deploying gamification concepts within social networks – A case study. In Á. Rocha, H. Adeli, L. Reis & S. Costanzo (Eds.), Trends and Advances in Information Systems and Technologies. WorldCIST’18 2018. Advances in Intelligent Systems and Computing, vol. 746 (pp. 1357–1366). Springer. https://doi.org/10.1007/978-3-319-77712-2_130
Toda, A. M., Klock, A. C. T., Oliveira, W., Palomino, P. T., Rodrigues, L., Shi, L., Bittencourt, I., Gasparini, I., Isotani, S., & Cristea, A. I. (2019). Analysing gamification elements in educational environments using an existing gamification taxonomy. Smart Learning Environments, 6(1), 16. https://doi.org/10.1186/s40561-019-0106-1
Toda, A. M., Oliveira, W., Klock, A. C., Gasparini, I., Bittencourt, I. I., & Isotani, S. (2018). Frameworks para o planejamento da gamifica ̧c ̃ao em contextos educacionais-uma revis ̃ao da literatura nacional. RENOTE, 16(2). Toda, A. M., Oliveira, W., Klock, A. C., Palomino, P. T., Pimenta, M., Gasparini, I., Shi, L., Bittencourt, I., Isotani, S., & Cristea, A. I. (2019). A taxonomy of game elements for gamification in educational contexts: Proposal and evaluation. In Proceedings of 2019 IEEE 19th International Conference on Advanced Learning Technologies (ICALT) (Vol. 2161-377X, pp. 84–88). Institute of Electrical and Electronics Engineers. https://doi.org/10.1109/ICALT.2019.00028
Toda, A. M., Palomino, P. T., Oliveira, W., Rodrigues, L., Klock, A. C. T., Gasparini, I., Cristea, A. I., & Isotani, S. (2019). How to gamify learning systems? An experience report using the design sprint method and a taxonomy for gamification elements in education. Educational Technology and Society, 22(3), 47–60.
Toda, A., Palomino, P., Rodrigues, L., Oliveira, W., Shi, L., Isotani, S., & Cristea, A. (2019). Validating the effectiveness of data-driven gamification recommendations: An exploratory study. In Proceedings of Anais do XXX Simpósio Brasileiro de Informática na Educação (SBIE 2019). https://doi.org/10.5753/cbie.sbie.2019.763 Toda, A., Pereira, F. D., Klock, A. C. T., Rodrigues, L., Palomino, P., Oliveira, W., Oliveira, E. H. T., Gasparini, I., Cristea, A. I., & Isotani, S. (2020). For whom should we gamify? Insights on the users intentions and context towards gamification in education. In Proceedings of Anais do XXX Simpósio Brasileiro de Informática na Educação (SBIE 2020) (pp. 471–480). https://doi.org/10.5753/cbie.sbie.2020.471
Toda, A. M., Valle, P. H. D., & Isotani, S. (2018). The dark side of gamification: An overview of negative effects of gamification in education. In A. I. Cristea, I. I. Bittencourt & F. Lima (Eds.), Higher education for all. From challenges to novel technology-enhanced solutions (pp. 143–156). Springer. https://doi.org/10.1007/978-3-319-97934-2_9
Tondello, G. F., Arrambide, K., Ribeiro, G., Cen, A. J.-l., & Nacke, L. E. (2019). “I don’t fit into a single type”: A trait model and scale of game playing preferences. In D. Lamas, F. Loizides, L. Nacke, H. Petrie, M. Winckler & P. Zaphiris (Eds.), Human-Computer Interaction – INTERACT 2019 (pp. 375–395). Springer. https://doi.org/10.1007/978-3-030-29384-0_23
Tondello, G. F., Kappen, D. L., Ganaba, M., & Nacke, L. E. (2019). Gameful design heuristics: A gamification inspection tool. In M. Kurosu (Ed.), Human-computer interaction. Perspectives on design (pp. 224–244). Springer. https://doi.org/10.1007/978-3-030-22646-6_16
Tondello, G. F., Mora, A., & Nacke, L. E. (2017). Elements of gameful design emerging from user preferences. In Proceedings of the Annual Symposium on Computer-Human Interaction in Play (pp. 129–142). Association for Computing Machinery. https://doi.org/10.1145/3116595.3116627
Tondello, G. F., Wehbe, R. R., Diamond, L., Busch, M., Marczewski, A., & Nacke, L. E. (2016a). The gamification user types hexad scale. In Proceedings of the 2016 Annual Symposium on Computer-Human Interaction in Play (pp. 229–243). Association for Computing Machinery. https://doi.org/10.1145/2967934.2968082
Tuunanen, J., & Hamari, J. (2012). Meta-synthesis of player typologies. In Proceedings of 2012 International DiGRA Nordic Conference. The Digital Games Research Association.
Van Roy, R., & Zaman, B. (2018). Need-supporting gamification in education: An assessment of motivational effects over time. Computers & Education, 127, 283–297. https://doi.org/10.1016/j.compedu.2018.08.018 Vrandečić, D. (2009). Ontology evaluation. In S. Staab & R. Studer (Eds.), Handbook on ontologies. International handbooks on information systems (pp. 293–313). Springer. https://doi.org/10.1007/978-3-540-92673-3_13
Xara-Brasil, D., Miadaira Hamza, K., & Marquina, P. (2018). The meaning of a brand? An archetypal approach. Revista de Gestão, 25(2), 142–159. https://doi.org/10.1108/REGE-02-2018-0029
Yee, N. (2016). Gaming motivations align with personality traits. https://quanticfoundry.com/2016/01/05/personality-correlates/
Zichermann, G., & Cunningham, C. (2011). Gamification by design: Implementing game mechanics in web and mobile apps. O’Reilly.
Bu makale Gamfed Türkiye gönüllülerinden Büşra Gökçe’nin katkılarıyla Türkçe’ye çevrilmiştir.
