许多人都有这样的设想:学习者通过沉浸在激励性的学习环境(如游戏)中,将学习者的掌握程度提高到新的水平,从而获得STEM科目。STEM(科学、技术、工程和数学)的概念是复杂和困难的,需要在更深的层次上学习,而不仅仅是记住事实、规则和程序。在理想情况下,学习者会受到挑战和激励,在掌握传统培训方法可能无法获得的复杂课题方面有所提高。他们将花费数百个小时来寻找一个很少有人解决的问题的解决方案,寻找两个或更多因素之间的权衡点,或解决一组不相容的约束。这正是21世纪培训的进步愿景。如何在一个激励性的学习环境中实现深度学习?游戏提供了一个寻找答案的好地方,因为设计良好的游戏是有激励作用的,而且一些元分析已经报告了游戏对学习的积极影响(Mayer, 2011; O'Neil & Perez, 2008; Ritterfeld, Cody, & Vorderer, 2009; Shute & Ventura, 2013; Tobias & Fletcher, 2011; Wouters, van Nimwegen, van Oostendorp, & van der Spek, 2013)。

本章探讨了将游戏与智能辅导系统(ITSs)整合的前景。希望能有这样的学习环境,通过游戏优化学习动机,通过ITS技术优化深度学习。深度学习指的是获得布卢姆(1956)分类法或知识-学习-教学(KLI)框架(Koedinger, Corbett, & Perfetti, 2012)中较高层次的知识、技能、策略和推理过程,如将知识应用于新案例、知识分析和综合、问题解决、批判性思维以及其他困难的认知过程。相比之下,浅层学习涉及感知学习,记忆明确的材料,以及掌握简单的僵化程序。浅层的知识可能足以应付知识/技能的近距离转移测试,但无法应付具有一定复杂性的新情况的远距离转移测试。

已经有一些人尝试开发游戏-ITS混合体(Adams & Clark, 2014; Halpern等人, 2012; Jackson & McNamara, 2013; Johnson & Valente, 2008; McNamara, Jackson, & Graesser, 2010; McQuiggan, Robison, & Lester, 2010; Millis等人, 2011; Sabourin, Rowe, Mott, & Lester, 2013)。然而,要知道游戏和ITS之间的“结合”是最终庆祝数十年的纪念日,还是因为两个世界之间不相容的限制而以“分离”告终,现在还为时过早。深度学习需要努力,往往令人沮丧,通常被视为工作而不是游戏(Baker, D'Mello, Rodrigo, & Graesser, 2010; D'Mello, Lehman, Pekrun, & Graesser, 2014)。事实上,在目前没有游戏属性的ITS研究中,喜欢和深度学习之间的关联往往是负面的(Graesser & D'Mello, 2012; Jackson & Graesser, 2007)。也许游戏属性可以通过足够的娱乐性、学习者自由和自我调节的活动将这项工作变成游戏(Lepper & Henderlong, 2000),从而将相关性从负数转为正数(Sabourin等人,2013)。如果不是这样,那么游戏可能是为获取浅显的知识和技能而保留的,如记忆事实、简单的技能和僵硬的程序。相反,游戏可能不适合获取深层次的知识和策略,如理解复杂系统、推理因果心理模型和应用复杂的定量算法。

本章不会揭开在游戏环境中建立一个成功的ITS的秘密。现在讲这个故事还为时过早。相反,我们希望实现三个目标。首先,我们将回顾ITS研究和开发中的成功和挑战。第二,我们将描述通用智能辅导框架(GIFT)中的ITS的组成部分。GIFT最近由美国陆军研究实验室开发,作为未来开发ITS的稳定蓝图和指南(Sottilare, Graesser, Hu, & Holden, 2013; Sottilare, Graesser, Hu, & Goldberg, 2014)。第三,我们将反思这些工作如何与游戏相结合。对ITS组件和基础研究的充分理解是制定ITS和游戏之间有意义的求爱的必要前提。

有必要指出本章不会涉及的两个研究和应用领域。本章不涉及游戏在获得和掌握浅层学习方面的作用。经验证据使我们相信,设计良好的游戏可以有效地提高浅层学习,而对于深层学习是否可以从游戏中获益,文献中还没有确定的说法。本章也不涉及团队背景下的学习和问题解决。我们的重点是与ITS互动的个人的深度学习。

成为VIP会员查看完整内容
38

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
万字长文|《现代战斗评估》2023最新报告
专知会员服务
52+阅读 · 2023年3月29日
美陆军2022最新发布《美国陆军数据计划》,17页报告
专知会员服务
152+阅读 · 2022年10月17日
《人工智能与作战艺术》美国陆军57页技术报告
专知会员服务
220+阅读 · 2022年9月11日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
23+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
A Survey of Large Language Models
Arxiv
378+阅读 · 2023年3月31日
Domain Representation for Knowledge Graph Embedding
Arxiv
14+阅读 · 2019年9月11日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
23+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员