王廣新 王悅

【摘 要】智慧教育的核心是分析學生的各種信息使之產(chǎn)生意義，據(jù)此為學生提供個性化的學習服務。自適應游戲將是實現(xiàn)智慧教育的重要資源之一。本研究認為，以追蹤學生知識結構為特點的語境化敘事游戲，比采用動態(tài)難度調整的定制化服務游戲更能有效辨別學生的認知特征。以互動敘事理論和知識空間為指導開發(fā)了語境化敘事游戲的整體模型，并用Unity 3D作為游戲開發(fā)平臺制作了“拯救牛頓”游戲，以建構的“游戲化發(fā)現(xiàn)學習過程模型”把游戲融入初中生的摩擦力概念學習之中。實證研究的結果顯示，學生對語境化敘事有較高的體驗，顯著提高了概念的認知細化、理解和遷移。回歸分析的結果顯示，游戲體驗的適應性、內容適切度和注意力能顯著預測學生對概念的認知細化、理解和遷移。

【關鍵詞】? 智慧學習;教育游戲;語境化敘事;人工智能;自適應;互動敘事;發(fā)現(xiàn)式學習;認知細化

【中圖分類號】? ?G434? ? ? ? 【文獻標識碼】? B? ? ? ?【文章編號】? 1009-458x（2019）10-0020-09

一、引言

智慧教育是指通過技術融合的生態(tài)化學習環(huán)境來培植數(shù)據(jù)智慧、教學智慧和文化智慧，其目的是讓學生獲得適宜的個性化學習服務和美好的發(fā)展體驗，培養(yǎng)他們具有較好的思維品質、較深的創(chuàng)造潛能等（祝智庭， 等， 2012）。智慧教育的理念超越了學校信息化建設中關注信息技術基礎設施建設、強調媒體的一般教學應用狀態(tài)，走向反思和探索信息化教育應用的新的教育生態(tài)，它的實現(xiàn)必須依靠“人類智慧與機器智慧的結合”（馬小強， 等， 2017）。所謂用機器智慧構建智能的學習環(huán)境，就是用人工智能、大數(shù)據(jù)等學習分析技術來改善的使學習活動變得更好和更快的學習環(huán)境。因此，學習環(huán)境是否具有適當?shù)倪m應性是智慧行為的標志，它的最顯著特征是“智能化、適應性、個性化、自主性等”（Spector， 2014）。

Koper（2011）認為，許多基于計算機技術的工具和軟件（如游戲和測試等）是智慧學習環(huán)境最有效的解決方案。學者把游戲作為智慧學習環(huán)境的有效解決方案，是與他們對智能化游戲開發(fā)的積極嘗試有關。從技術視角來看，這些學者開發(fā)的游戲原型能夠把學習情境、內容和智能算法進行有效的集成，實現(xiàn)了動態(tài)評估學生學習風格、知識和技能的水平等個體特征的目的，可以據(jù)此安排和調整游戲敘事，提供個性化的學習策略。從學習效果的視角來看，融入自適應技術的智能化游戲提供“做中學”的交互式學習環(huán)境，學生在環(huán)境中解決問題的同時，系統(tǒng)監(jiān)控學生解決問題的步驟并根據(jù)需要提供指導、提示等反饋，不僅能顯著地提高學習效率，同時也促進了個別化學習的實現(xiàn)（張志禎， 等， 2019）。

從國內外現(xiàn)有的自適應游戲開發(fā)成果來看，學者已從學習心理學、教學設計理論、人工智能技術等方面建立了一些有效的自適應模型，它們是根據(jù)測量的學生變量（如學習風格和認知能力等）來調整內部的參數(shù)，以適應學生需求和偏好所表現(xiàn)出的教學變量，如內容排序、支架和學習資源呈現(xiàn)方式等，為學生提供個性化的適當干預，如故事情節(jié)、學習步調或者難度。目前，國內外學者已經(jīng)建立了許多旨在適應學習風格、能力發(fā)展水平等個體差異的游戲原型，其實“每個學生個體差異不僅表現(xiàn)在學習風格和能力發(fā)展水平上，也體現(xiàn)在學生的知識結構上，這早已被教育學家認可，隨著諸如計算機輔助學習系統(tǒng)的流行，相關研究認同了適應學生知識結構為其定制學習內容的好處”（Vandewaetere， Desmet， & Clarebout， 2011）。國外學者近幾年逐步展開了游戲學習情境適應學生知識結構提高學習體驗的初步研究，而國內學者對該類游戲則鮮有研究。因此，建立該類游戲開發(fā)原型對充實我國自適應教育游戲的研究領域有十分重要的參考價值。

二、研究問題的提出

數(shù)字化教育游戲產(chǎn)生于計算機技術和網(wǎng)絡技術的發(fā)展與普及之中，大數(shù)據(jù)、學習分析以及人工智能等技術的發(fā)展使得游戲向智慧化方向發(fā)展，游戲化學習越來越適應學生的個性化要求。

（一）教育游戲智慧化的基本發(fā)展軌跡與要求

智慧教育中描述的個性化特征或原則一直是教學設計領域的核心概念。早在20世紀初，傳統(tǒng)課堂教學就開始嘗試一對一的教學方法，這是早期經(jīng)典的個性化學習設計，最有代表性的系統(tǒng)是布魯姆的掌握式學習，它是基于固定的主要的教學組件（如教育目標和經(jīng)典的知識評價等）來調整教學的宏觀適應。用機器實現(xiàn)個性化學習的嘗試始于20世紀60年代的程序教學，它是基于教師的直覺進行設計，而不是完善的學生學習模型或者教育理論，其適應水平是簡單的。20世紀70年代以后，計算機技術逐步代替程序教學機器而進入智能化時代，開始引入人工智能技術和自適應算法測量學生的績效，用于精確地優(yōu)化教學序列，使學習活動的體驗更加個性化，因其是對學習系統(tǒng)內部的任務進行測量和干預而被稱為微觀適應，并因具有智能化特征，也被稱為自適應系統(tǒng)。

教育游戲在追求滿足學生個性化學習要求的教學設計中，適應性經(jīng)歷了從被動適應到自適應的漸進發(fā)展過程。20世紀90年代的游戲是根據(jù)學生的喜好和水平等預先設置游戲的適應方式或水平，如提供“簡單—普通—困難”選擇模式，這是一種讓學生來決定游戲運行路徑的宏觀適應方式，不具有智能化的微觀調節(jié)功能。21世紀初，一些學者嘗試把網(wǎng)絡學習系統(tǒng)使用人工智能的成果引入到游戲的開發(fā)之中，這種自適應機制能對學生的學習過程進行有效的干預，自動引導學生獲取知識（Kickmeier-Rust & Albert， 2010）。

人工智能技術融入教育游戲使得它具有自適應的智能化特征，可以自動捕捉學生和游戲之間的相互作用，并對自動調整之前的交互歷史進行分析，用智能化的適應來提供學生不可預見的微觀策略，或拓展學生表現(xiàn)出的能力，可使學生創(chuàng)建豐富的學習體驗，使游戲更具挑戰(zhàn)性和樂趣。Soflano等人（2015）對非適應、適應性（宏觀的被動適應模式）、動態(tài)的自適應三種教育游戲的研究顯示，自適應游戲相比普通教育游戲和適應性教育游戲有更好的學習結果。目前，人工智能已成為教育游戲發(fā)展的一個重要的技術支撐點，它的目標是以高成本效益的自動方法提供個性化的學習方法。

（二）智能化教育游戲的自適應模式類型與研究取向

智慧學習體現(xiàn)著人工智能在學習領域的應用，基本思路都是追蹤學生不同的個性特質，為其提供適應個性的學習策略等。Charles等人（2005）認為自適應教育游戲的“適應”是用四種方式融入其中的：玩家角色、非玩家角色、游戲環(huán)境、反饋/學習支架。而綜觀國內外教育游戲的研究發(fā)現(xiàn)，“游戲環(huán)境”的自適應是被廣泛采用的最能體現(xiàn)智能化的模式。Melis等人（2004）根據(jù)游戲環(huán)境適應學生的特色將其分為三類：人格化設置、定制化服務和語境化敘事。

人格化設置游戲的自適應機制是根據(jù)學生的學習風格、人格特質等調整呈現(xiàn)的內容、敘事等要素，以適應學生的學習偏好。有些游戲前端提供學習風格量表直接測量學生的學習風格傾向，或者通過設計特定任務間接評估學生的學習風格傾向，以引導學生進入到定制的游戲進程。這種方法主要表現(xiàn)出以下特征：一是它對學生特質的測量粒度比較大，游戲故事情節(jié)變化的平滑度表現(xiàn)得較低;二是它關注的是學生本身的特質，自適應提供的結果是表現(xiàn)在內容呈現(xiàn)和組織方式形式的差異方面。

定制化服務游戲的自適應機制思想源自Prensky的“挑戰(zhàn)—技能平衡”的觀點，它根據(jù)量化的學生對特定學習內容的掌握水平最大限度地調整游戲參數(shù)，為其匹配適應其能力挑戰(zhàn)的學習內容或開啟新的權限。常見的教育游戲多是采用項目反映理論的評估算法計算學生能力水平值，進行動態(tài)難度的調整。這種方法主要表現(xiàn)出以下特征：一是許多評估學生技能的算法能精確量化學生能力值，游戲故事情節(jié)變化的平滑度是比較高的;二是它只診斷學生能力表現(xiàn)出的“分數(shù)”，無法判斷學生出現(xiàn)的知識結構缺陷。

語境化敘事游戲的自適應機制是根據(jù)玩家在游戲中的學習績效和經(jīng)歷，或對特定任務的反應，為其匹配要傳遞的內容。國外的經(jīng)典案例主要是基于能力的知識空間理論對學生達到某種能力所需掌握知識點結構的評估，利用二分法和決策樹法等資源匹配算法定制游戲敘事，逐漸從能力水平的發(fā)展路徑上分離出學生知識結構的適應方向。這種方法主要表現(xiàn)出以下特征：一是使用評價學生的學習績效和學習內容兩個參數(shù)來創(chuàng)建自適應教育游戲，為深入和準確診斷學生的能力提供了更好的支持;二是它是針對相同的學習主題為學生推送豐富的游戲故事情節(jié)，能有效提高學生的學習動機。

梳理國內外研究文獻的結果發(fā)現(xiàn)，學者已經(jīng)嘗試開發(fā)了大量人格化設置、定制化服務類型的游戲原型，而對語境化敘事游戲理論建構和游戲原型開發(fā)僅見國外學者如Augustin等人（2011）開發(fā)的“80Days”游戲等案例，國內學者對語境化敘事游戲鮮有研究。因此，本研究希望引進知識結構評價技術開發(fā)語境化敘事游戲，以優(yōu)化學生的認知結構評估，使所開發(fā)的游戲更加有效地匹配學生的學習需求。

三、教育游戲互動敘事結構與技術

路線的選擇

本研究選擇初中物理教材中摩擦力知識作為游戲化學習內容，設計一個多場景的教育游戲，它用“互動敘事”方式實現(xiàn)對語境敘事游戲的內核構建，達到有效追蹤學生摩擦力知識結構的目的。

（一）語境化敘事游戲中互動敘事設計的要求

Kiili的流理論提出為學生生成最優(yōu)學習體驗而設計游戲的思想，動機被看作是為達到流體驗狀態(tài)的一個關鍵因素，而游戲產(chǎn)生動機的主要源泉是它的敘事語境。因此，游戲開發(fā)中非常重視敘事方式的設計。目前的游戲開發(fā)常采用互動敘事的方式，這種敘事方式不僅能提高學生的內、外動機，更重要的是增加了探索的機會，促進了知識的遷移（G?bel， et al.， 2009）。

最早嘗試理解交互式敘事的歷史可以追溯到20世紀70年代Schank的研究項目，以及80年代早期Liebowitz開發(fā)的“宇宙”互動系統(tǒng)，直至90年代Crawford才提出了“互動敘事”術語，逐漸被學者引入到數(shù)字游戲的開發(fā)之中。互動敘事是指一種動態(tài)的過程，學生能調整和操縱它，從而與它發(fā)生交互活動（Crawford， 2013， p.38）。在游戲的開發(fā)中，互動敘事是整合游戲學、文化敘事學和游戲設計的思想，發(fā)展和形成的互動式娛樂開發(fā)方法是一種特殊的敘事藝術表現(xiàn)形式，專注于故事的結構或文學符號的創(chuàng)作。

互動故事體驗的成功取決于戲劇結構和用戶代理的平衡（Arinbjarnar， Barber， & Kudenko， 2009），也就是說游戲互動敘事設計是否成功與兩個要素密切相關：故事敘事和交互技術。第一個要素是故事敘事，意味著如何利用數(shù)字媒體來產(chǎn)生豐富和沉浸式的故事，并用不同的敘事結構來闡述故事，敘事結構決定著是否能滿足學習內容特點的要求;第二個要素是交互技術，它決定是否能為每個學生量身定制游戲的故事情節(jié)和故事節(jié)奏。目前開發(fā)的游戲常采用人工智能技術自動使故事適應學生的需求，使學生能夠根據(jù)個人興趣、認知特征等影響故事的敘事進程。

（二）游戲故事的敘事結構選擇與設計

游戲的互動敘事方式主要有三種：嵌入式敘事、應變式敘事和節(jié)點式敘事（G?bel， et al.， 2009）。嵌入式敘事指的是由設計者預先編好的故事，學生沒有改變故事情節(jié)的權力，這常表現(xiàn)為線性的故事結構;應變式敘事可以理解為學生“掌控”的故事，學生可以在游戲既定的規(guī)則內通過與游戲的交互而演繹出故事情節(jié)，這種敘事常采用非線性的故事結構;節(jié)點式敘事可以被看作是介于嵌入式敘事和應變式敘事之間的敘事類型，是一種學生擁有一定自主選擇設計空間的劇情。

本研究的游戲采用節(jié)點式敘事，它把線性敘事和非線性敘事結構融合起來，以關卡為基本的組成單位，在每個關卡中學生需合理應用摩擦力解決任務困境才能通關。游戲的開端采用線性敘事引導學生融入游戲，用影音模塊創(chuàng)設游戲情境，授予學生學習任務;接受任務后進入關卡庫，這是學生要學習的內容，它以故事的方式敘述，根據(jù)知識點的特征和學生的特點描述成幾個故事，游戲的智能化評價技術將根據(jù)每個學生學習表現(xiàn)導入一個獨特的游戲路徑，整體的游戲敘事將呈現(xiàn)出非線性特征，如圖1所示。

“拯救牛頓”游戲的核心是采用非線性敘事結構組織和表達知識。認知主義理論認為，如果按照學生的認知規(guī)律合理地組織知識，它可以有結構、網(wǎng)絡、嵌套，由此可以組成層次，形成網(wǎng)絡結構或等級結構，向學生呈現(xiàn)合乎邏輯的教學內容，容易理解和記憶，也易于提取這些知識，能較好地實現(xiàn)知識的遷移。教育實踐中不僅把認知結構視作表征知識的工具，也常常把它當作一種認知手段（靳玉樂， 2001， pp.34-37）。因此，體現(xiàn)認知結構的游戲可以視作有效促進學習效果的認知工具。

“拯救牛頓”游戲是從學生知識結構出發(fā)，提供與其知識結構相適應的關卡、反饋及支架等構成的游戲敘事，使游戲化學習路徑符合學生的認知特點。首先，游戲敘事的非線性結構體現(xiàn)在關卡匹配上，學生參與的后繼關卡取決于游戲自適應機制推算出的知識結構，而學生的知識結構的推算有賴于之前參與的所有關卡的任務完成情況，即不同學生在游戲中參與的關卡種類和順序都是因人而異的;其次，游戲敘事的非線性結構還體現(xiàn)在由游戲反饋和支架形成的故事描述也因人而異，它們是根據(jù)學生知識結構的不足提供的補救性指導，共同構成游戲故事描述，起到銜接前后關卡、保持游戲敘事連續(xù)性的作用。

（三）游戲互動敘事的技術路線選擇

Mateas等人（2003）根據(jù)設計與開發(fā)智能游戲的經(jīng)驗認為，游戲的交互式敘事最好被理解為互動劇場，因為它的主要目標是戲劇意義而不是樂趣，它的設計更要依賴交互式系統(tǒng)創(chuàng)建有明確意義的參與式體驗。根據(jù)以往教育游戲開發(fā)的經(jīng)驗，人工智能技術能有效地評估學生的技能發(fā)展水平和認知特征等，游戲引擎根據(jù)這些數(shù)據(jù)自動做出決策，以此實現(xiàn)按照學生的個性化要求觸發(fā)游戲故事的目的。因此，用人工智能技術控制的游戲敘述機制能產(chǎn)生一個“有凝聚力的敘事”，既能確保敘事的復雜性和逼真性，也能實現(xiàn)學生對敘事事件的知識意義上的理解。

為了在保證游戲樂趣的同時賦予游戲明確的學習體驗，應當使知識在游戲情境中得到有效的組織與表達。因此，本研究采用知識空間理論作為實現(xiàn)語境化敘事組織的指導思想，它的核心思想是如何有效地實現(xiàn)組織領域知識點，并提供相應的學生知識結構的自適應評估方法（Doignon & Falmagne， 1985）。

知識空間理論最初應用于以試題為基本單位的學習測評系統(tǒng)中，在知識內容的組織方法上先后歷經(jīng)了基于試題、知識點、技能三種知識空間表達方法?；谠囶}的知識空間表示方法是以單個知識點作為測評的基本單位進行知識結構的診斷，忽略了現(xiàn)實中知識點之間存在的多種前提關系;基于技能的知識空間方法描述問題與能力的關系，關注學生的技能結構，以測量學生的能力為主;基于知識點的知識空間理論在考慮知識點的邏輯結構的同時，也考慮了現(xiàn)實中問題情境與知識結構的多種對應關系。從知識空間理論的三種知識內容的組織方法看，基于知識點的知識空間理論在知識結構的表達上更具科學性，其測評學生知識結構的特點也更適用于實現(xiàn)教育游戲中的語境化敘事過程設計。因此，本研究選擇基于知識點的知識空間理論組織學習內容。

用基于知識點的知識空間理論可以實現(xiàn)智能化評價關卡內游戲故事包含的知識點結構，以自動匹配關卡庫內的敘事故事，引導學生進入新的關卡。目前，對學生知識結構的評估常采用“二分法”的資源匹配算法，孫貝（2009）針對這種算法計算成本過高、效益低下的問題，提出了“診斷決策樹算法”，實現(xiàn)的基礎是根據(jù)知識結構設計理論推演出游戲的關卡邏輯結構，用于評估學生的知識結構和后續(xù)關卡的匹配，以此規(guī)避了“二分法”中反復計算知識空間引起的過量系統(tǒng)開銷。本研究采用的算法能實現(xiàn)高效的自適應敘事資源推送，避免過重的認知負荷和過低的自我效能感。

四、語境化敘事游戲的設計與開發(fā)

本研究是針對初中物理中有關摩擦力的學習內容進行的游戲化設計，將從有關學習內容提煉知識點，設計與之結構相契合的能促進知識點理解和應用的敘事場景，多個場景銜接搭建闖關游戲“拯救牛頓”。

（一）語境化敘事游戲的整體設計

根據(jù)前面的分析可以發(fā)現(xiàn)，語境化敘事游戲反映了人工智能的思想，要求游戲能夠像有人類智慧的教師一樣通過與學生的對話和行為互動判斷他們的狀態(tài)，并及時做出適當?shù)囊龑В虿氖┙獭；诖?，許多學者提出了這類游戲開發(fā)的模型框架，如Ismailovi 等人（2012）曾指出游戲中的適應包括玩家評估和自適應干預兩大模塊;Hodhod（2010， pp. 66-80）從智能導師角度完善了自適應教育游戲模型，明確了知識庫對玩家評估和自適應干預的基礎作用，即“領域模型—學生模型—教師模型”相互配合，完成學生知識技能診斷和適應性游戲敘事的匹配。語境化敘事除了強調自適應機制的構建外，還十分關注對游戲故事的安排。本研究在以往游戲開發(fā)思想的基礎上改進游戲互動敘事結構的設計，使自適應機制以故事形式反映在游戲敘事發(fā)展中，實現(xiàn)在游戲語境中嵌入式的自適應敘事。支持智慧學習的語境化敘事游戲模型如圖2所示。

圖2所示的語境化敘事游戲模型是根據(jù)游戲化學習特征從引導層和呈現(xiàn)層兩個層面來構建的。引導層是游戲的后臺系統(tǒng)，它應用人工智能實現(xiàn)自適應的互動敘事;呈現(xiàn)層是游戲敘事結構得以表現(xiàn)的前臺系統(tǒng)，學生在其中和游戲直接參與互動，包括依靠聲畫、交互等安排游戲故事，通過設計關卡和反饋建立游戲場景等。兩個層之間信息互通，呈現(xiàn)層將學生的游戲表現(xiàn)數(shù)據(jù)輸出給引導層，引導層接收參數(shù)后生成智能化教學策略，控制呈現(xiàn)層的互動敘事順序。

引導層的設計思想源自Hodhod模型體現(xiàn)的人工智能觀念，它采用模塊化方式構建語境化敘事的自適應核心機制，建立了以領域模型、學生模型和教師模型三大關鍵模塊相互作用的自適應機制。領域模型為游戲語境化敘事提供底層數(shù)據(jù)支持，包含關卡知識庫、學生知識結構庫和關卡關系庫。關卡知識庫存儲游戲的每個關卡與知識內容的對應關系，聯(lián)合呈現(xiàn)層的游戲行為數(shù)據(jù)共同輸入到學生模型，用以診斷學生知識結構;學生知識結構庫儲存、記錄學生模型的學生知識結構計算結果，聯(lián)合呈現(xiàn)層的游戲行為數(shù)據(jù)共同輸入到教師模型，以提供自適應的游戲反饋和敘事推薦;關卡關系庫存儲關卡樹結構，提供給教師模型用以計算自適應游戲敘事資源匹配。引導層中的各模塊共同承擔后臺計算工作，保證在不破壞游戲敘事連貫性的基礎上實現(xiàn)語境化敘事功能。

呈現(xiàn)層主要起展現(xiàn)游戲敘事效果的作用，承載游戲和學生的直接交互，使得節(jié)點式的游戲敘事結構得以直接體現(xiàn)，即通過“故事背景—玩法介紹—接受任務”構成直線式游戲故事安排，由關卡庫和反饋庫構成分支式游戲敘事。自適應體現(xiàn)在分支式游戲敘事部分，即不同的學生在游戲過程中能產(chǎn)生各異的關卡學習路徑，游戲也能針對學生的差異性提供針對性的反饋。呈現(xiàn)層只表現(xiàn)而不直接控制學生的學習路徑，學習路徑的規(guī)劃取決于引導層對呈現(xiàn)層傳遞的學生行為數(shù)據(jù)的分析和計算。

在整個游戲過程中學生要不間斷地與游戲敘事進行交互，同時游戲后臺對學生進行評估并為其規(guī)劃學習路徑，實現(xiàn)了嵌入式的語境化游戲敘事。

（二）游戲故事內容的編寫和關卡設計

語境化敘事游戲將知識內容融入游戲任務中，學生才能在呈現(xiàn)層中直接參與游戲關卡而掌握知識，如何將知識內容科學、有效地組織在游戲敘事當中是需要考慮的問題。因此，教學設計的首要過程是參照教學大綱分解知識點，找出知識點的邏輯結構，并設計游戲關卡，最終建立關卡樹結構，便于互動敘事的展開。本研究選擇了摩擦力中的7個知識點進行游戲化關卡設計，共設計18個關卡，組成4棵關卡樹，利用游戲互動敘事結構將關卡串聯(lián)起來，形成連續(xù)的游戲故事敘事。

下面將以學習內容中的四個知識點為例描述游戲故事的編寫：a）摩擦力的大小與壓力有關;b）摩擦力的大小與接觸面粗糙程度有關;c）滑動摩擦力大于滾動摩擦力;d）摩擦力的方向與運動趨勢相反。為了在“拯救牛頓”游戲中測試學生知識的掌握情況，需要建立游戲行為與知識之間的聯(lián)系，本研究先設計知識點的游戲行為表現(xiàn)，再根據(jù)知識點組合構建包含復雜知識結構的游戲關卡。表1列舉了部分知識點對應的游戲行為。

前三個知識點a、b、c呈并列關系，d和前三個知識點呈現(xiàn)遞進的邏輯結構，即d是a、b、c知識點的前提，意思是掌握摩擦力的大小屬性必然掌握了摩擦力的方向，因此相對于這四個知識點學生可能擁有9種知識結構，對應掌握的知識點組合分別是?、abcd、d、ad、bd、cd、abd、acd、bcd，前兩種分別代表都沒掌握和全都掌握。在許多現(xiàn)實的知識應用情境中，往往蘊含一種或多種知識點組合的搭配，分析以上9種知識點組合可能出現(xiàn)的情境，設計了7個游戲關卡S1（abcd）、S2（acd）、S3（ad、bd）、S4（cd）、S5（d）、S6（ad）、S7（bd），例如S1表示學生需要同時調整斜面、光滑度和形狀才能通過關卡，S3表示學生可利用調整平面傾斜度或者改變墻面的光滑程度兩種方法通過關卡。由關卡鏈接的知識結構可以判斷關卡之間的三種前提關系：與（如S2和S3是S1的基礎，即S1通關必然能通過S2和S3）、或（如S6和S7分別是S3包含的兩種知識結構的基礎，即S3通關必然能通過S6或S7中至少一關）、非（如S5和S6之間無直接關系）。

（三）“拯救牛頓”游戲的開發(fā)

本研究以Unity 3D 5.3.4作為游戲開發(fā)平臺制作教育游戲“拯救牛頓”，它內嵌的NVIDA的PhysX物理引擎可實現(xiàn)在游戲中模擬如墜落、碰撞、移動等物理現(xiàn)象，渲染效果非常逼真，能夠給玩家身臨其境的感覺。另外，本研究綜合Photoshop、Premiere、Camtasia Studio等多種軟件繪制游戲UI、制作音視頻等，共同實現(xiàn)游戲的界面效果。

在Unity 3D中制作關卡場景、反饋等運行載體來構建呈現(xiàn)層。游戲敘事單元和整體結構的開發(fā)是整個游戲實例制作中最煩瑣但又至關重要的環(huán)節(jié)。本研究根據(jù)選取的7個知識點，用Unity 3D引擎共開發(fā)18個包含知識點的游戲關卡，游戲敘事機制采用基于關卡關系樹的診斷決策樹算法串聯(lián)關卡組織游戲故事，算法根據(jù)各個關卡之間不同的與、或、非前提關系，構建4棵樹形結構的關卡樹，用來表示游戲可能出現(xiàn)的敘事分支，再根據(jù)學生的游戲表現(xiàn)為不同的學生推薦差異化的敘事路徑。

游戲故事首先以直線敘事方式引入背景，描述了牛頓被外星人抓走而錯過了發(fā)現(xiàn)“力”的時機，從此世界喪失了對“力”的認識;學生在與游戲互動敘事故事的交互中接受任務，進入分支式的游戲敘事結構中;敘事單元為游戲關卡，以外星人將牛頓控制在關卡中為背景，學生通過操作場景中的物體改變蘋果的受力狀態(tài)使蘋果位置移動，例如冰凍墻面減小摩擦力，使蘋果能夠從墻面滑下，如果蘋果移動到牛頓所在位置即為成功，蘋果掉落或無法繼續(xù)移動視為失敗，學生可自行選擇認輸或者重來。

五、語境化敘事游戲的學習效果驗證

（一）語境化游戲與課程整合的教學模式建構

佩特·約翰內斯等人（2018）就“自適應學習市場加速項目”的研究結果認為，自適應學習產(chǎn)品效果與實際實施情況和質量密切相關。對國內外文獻的梳理發(fā)現(xiàn)，用模擬和游戲支持的科學概念學習都是借鑒發(fā)現(xiàn)學習方法的思想，以及探究性學習和問題式學習的理念（De Freitas & Oliver， 2006），它們都強調學生與學習情境的互動進行知識建構，由此激發(fā)學生的學習積極性，提高記憶力，有助于培養(yǎng)探究和解決問題的技能。因此，本研究將語境化敘事游戲置于發(fā)現(xiàn)學習教學設計中進行效果探究。

計算機支持的發(fā)現(xiàn)式學習結果顯示，學生開始游戲化學習前提供與學習概念相關的預教程，可以作為支持學生深刻理解概念的先行組織者來提高學習績效;根據(jù)計算機支持的科學課程中發(fā)現(xiàn)學習通常采用的“預測—觀察—解釋”學習設計思想（Monaghan & Clement， 1999），結合Kolb的體驗學習理念以及計算機游戲支持學習的特點，所建構的計算機游戲支持的發(fā)現(xiàn)學習流程是“演練—體驗—解釋—反思”的環(huán)形結構模型;學生在教師的引導下總結學習結果，以提升自己對科學概念的認識，能實現(xiàn)對所學知識的合理遷移。根據(jù)上述思想建構的游戲化發(fā)現(xiàn)學習過程模型如圖3所示。

根據(jù)圖3所示的學習過程模型，課堂教學中對“拯救牛頓”游戲應用初中物理摩擦力概念學習進行了詳細的教學活動設計。①基礎概念認識階段的學習目的是支持學生有效地解決游戲化學習中出現(xiàn)的復雜問題，教師設計的預教程提供一系列不同類型的學習支持和指導，如學習任務單包括學習目標和任務結構以及游戲操作教程等。②學生利用游戲開展的發(fā)現(xiàn)式學習是一個連續(xù)的環(huán)形探索結構，人工智能技術能讓學生在適合自己認知結構的游戲關卡中進行操作和演練;學生置身于模擬的物理場景中可通過改變環(huán)境屬性或控制游戲對象的狀態(tài)體驗這些操作引起的物理現(xiàn)象;學生可以在教師事先設計的學習活動指導表中記錄相關的模擬結果，建立游戲活動與科學概念的聯(lián)系，支持學生對科學概念做出合理、高效的解釋;學生將對獲得的這些具體知識進行反思，實現(xiàn)抽象化，能從游戲的模擬和活動推理出相關的知識點。③學生在教師的指導下對體驗到的物理現(xiàn)象和概念進行歸納，實現(xiàn)知識概念和應用之間的聯(lián)結。

（二）測量工具的編制與教學活動的實施

本研究根據(jù)自適應游戲的技術特性和游戲化學習特征編寫了評價工具，以此衡量所開發(fā)游戲的敘事質量，以及能否滿足學生學習科學概念的要求。這個評價工具主要包括兩部分內容，每個維度編寫三個題項，用雙向的李克特5點量表評價游戲化學習過程的體驗和游戲滿足學生學習科學概念的學習效果。

游戲的語境化敘事體驗量表部分主要包括四個維度：適應性體驗、控制性體驗、內容適切性體驗和注意力體驗。適應性體驗和控制性體驗兩個維度是測量游戲的技術表現(xiàn)程度，用于分析游戲的智能化特征;內容適切性體驗和注意力體驗兩個維度是測量游戲過程的質量表現(xiàn)程度。適應性體驗、控制性體驗和注意力體驗維度的題項根據(jù)Fu等人（2009）的量表編制，內容適切性體驗維度的題項根據(jù)Law等人（2012）的量表題項編制。

學生對科學概念學習效果的評價量表部分主要包括四個維度：認知努力、評價加工、概念理解和知識遷移。認知努力和評價加工兩個維度是測量游戲化發(fā)現(xiàn)學習時學生對摩擦力概念的認知細化水平，這兩個維度的題項根據(jù)Reynolds（1997）的量表編寫。概念理解維度是指建立概念之間或概念屬性之間的聯(lián)系，把所感知的知識內容抽象出來，加以概括的能力;知識遷移維度是游戲化學習時學生將所學知識應用到新的情境、解決新問題時所體現(xiàn)出的素質和能力。這個兩個維度的題項是根據(jù)薛彬（2012， pp.45-47）的量表編寫。

從濟南和煙臺選取兩所學校的八年級學生利用“拯救牛頓”游戲學習摩擦力概念，課堂學習的基本過程是依照前面建構的游戲化發(fā)現(xiàn)學習模式進行的。教師根據(jù)學習活動的特點嚴格督促學生在游戲活動中認真記錄學習指導表，鼓勵學生對學到的知識進行歸納。參與的學生共5個班，202名學生，共收回197份問卷，剔除無效問卷，有效問卷共計183份。

（三）實驗數(shù)據(jù)的統(tǒng)計與分析

本研究對學生在實驗過程中的游戲語境化敘事特征和摩擦力概念學習效果進行了均值統(tǒng)計，數(shù)據(jù)統(tǒng)計結果如表2所示。

表2的均值統(tǒng)計結果顯示，學生對語境化敘事有較高的體驗，并且用游戲化的發(fā)現(xiàn)式學習能夠有效地學習摩擦力概念，說明了游戲設計的合理性和融入教學的有效性。對學生記錄的學習指導表的分析發(fā)現(xiàn)，學生游戲化學習的路徑呈現(xiàn)出多樣化的趨勢，絕大多數(shù)學生能準確歸納自己經(jīng)歷的知識框架。同時，訪談的學生也表示游戲能準確地判斷自己的認知取向，引導的關卡知識點基本符合學習要求。這表明語境化敘事游戲具有良好的效果，即游戲能識別學生在知識結構上的差異，并提供符合學生要求的游戲敘事幫助其完善知識結構，促進學生對摩擦力概念的理解和知識的遷移。

為探究語境化敘事特征對摩擦力概念學習效果的影響，本研究以游戲屬性的四個維度對游戲化學習效果的四個維度進行了皮爾森積差相關分析，結果r值如表3所示。

表5的結果顯示，游戲的適應性、內容適切性、關注度等體驗均對認知努力、評價加工和概念理解產(chǎn)生顯著的影響;只有內容適切度和關注度等體驗對知識遷移具有較好的預測力;游戲的控制感體驗雖然與學習效果之間有顯著相關性，但沒有對任何類型的學習效果產(chǎn)生明顯的預測。

語境化敘事游戲采用自適應技術能對學習效果產(chǎn)生明顯的影響，這也在某種程度上印證了Carpenter等人（2013）的研究結果，認知努力程度和評價加工水平與感知的學習困難相關，即學生的知識結構如果能夠匹配要解決的知識難題，他們投入的認知努力程度就增高，對內容評價加工的層次就提升。游戲的自適應敘事能夠根據(jù)學生的知識結構，自動規(guī)劃符合個體認知規(guī)律的學習路徑，使學生能合理地分配認知努力，促進知識的評價加工，加深概念理解。

學生感知的內容適切度和關注度越高說明他們越認同游戲設計，將注意力集中于解決認知難題，認知努力程度就高，也能夠與游戲進行深度交互，在認知層面提高知識的評價加工水平，促進摩擦力概念的理解。同時，學生感知到的內容適切度越高，就越容易識別游戲敘事表達的知識點，能有效地和現(xiàn)實情境產(chǎn)生聯(lián)系，這符合知識遷移產(chǎn)生的“共同要素條件”（莫雷， 1997）的思想，有利于知識遷移的發(fā)生。

六、結語

學校智慧化學習的發(fā)展使得智能化資源的需求逐步增長，這需要設計和開發(fā)大量的智能化學習資源以滿足學生的學習要求。本研究應用知識空間理論探索智能化教育游戲的設計思想，為自適應教育游戲的開發(fā)積累了一定的實踐經(jīng)驗，這僅是一個自適應游戲原型的建構，有待進一步設計和完善，以及能融入課程的完整內容的開發(fā)。

[參考文獻]

[捷克]佩特·約翰內斯， [美]拉里·拉格斯多姆. 2018. 自適應學習：溯源、前景與誤區(qū)[J]. 張永勝，譯. 中國遠程教育（7）：43-53.

[美]Crawford， C. 2015. 游戲大師Chris Crawford談互動敘事[M]. 方舟，譯. 北京：人民郵電出版社.

靳玉樂. 2001. 探究教學論[M]. 重慶：西南師范大學出版社.

馬小強，施建國，程莉莉，王珠珠. 2017. 智慧教育的發(fā)展及價值取向分析[J]. 中國電化教育（12）：1-6.

莫雷. 1997. 論學習遷移研究[J]. 華南師范大學學報（社會科學版）（6）：50-75.

孫貝. 2009. 基于知識空間理論的學習診斷模型研究與實現(xiàn)[D]. 長沙：湖南大學.

薛彬. 2013. 生物教學中訓練學生知識遷移能力方法的研究[D]. 天津：天津師范大學：45-47.

張志禎，張玲玲，羅瓊菱子，鄭葳. 2019. 人工智能教育應用的實然分析：教學自動化的方法與限度[J]. 中國遠程教育（3）：1-13.

祝智庭，賀斌. 2012. 智慧教育：教育信息化的新境界[J]. 電化教育研究（12）：5-13.

Arinbjarnar， M.， Barber， H.， & Kudenko， D. （2009）. A Critical review of interactive drama systems. Proceedings of the 2009 Conference on AI & Games. Edinburgh， 15-26.

Augustin， T.， Hockemeyer， C.， & Kickmeier-Rust， M. D.， et al. （2011）. Individualized skill assessment in digital learning Games： Basic Definitions and Mathematical Formalism. IEEE Transactions on Learning Technologies， 4（2）， 138-148.

Carpenter， C. J.， & Boster， F. J. （2013）. Modeling the effects of processing effort and ability in response to persuasive message arguments. Communication Quarterly， 61（4）： 413-430.

Charles， D.， McNeill， M.， & McAlister， M.， et al. （2005）. Player-centred game design： player modeling and adaptive digital games. Proceedings of the digital games research conference. DiGRA， 100.

De Freitas， S.， & Oliver， M. （2006）. How can exploratory learning with games and simulations within the curriculum be most effectively evaluated？ Computers & Education， 46 （3）， 249-264.

Doignon， J. P.， & Falmagne， J. C. （1985）. Spaces for the assessment of knowledge. International Journal of Man-machine Studies， 23（2）， 175-196.

Fu， F. -L.， Su， R. -C.， & Yu， S. -C. （2009）. EGameFlow： A scale to measure learnersenjoyment of e-learning games. Computers & Education， 52（1）， 101-112.

G?bel， S.， de Carvalho Rodrigues， A.， & Mehm， F.， et al. （2009）. Narrative game-based learning objects for story-based digital educational games. Proceedings of the 1st International Open Workshop on Intelligent Personalization and Adaptation in Digital Educational Games.ACM， 43-53.

Hodhod， R. （2010）. Interactive narrative for adaptive educational games： Architecture and an application to character education.York： University of York.

Ismailovi ， D.， Haladjian J.， & K?hler B.， et al. （2012）. Adaptive serious game development. International Workshop on Games and Software Engineering： Realizing User Engagement with Game Engineering Techniques. IEEE， 23-26.

Kickmeier-Rust， M. D.， & Albert， D. （2010）. Micro-adaptivity： protecting immersion in didactically adaptive digital educational games. Journal of Computer Assisted Learning， 26（2）， 95-105.

Koper， R. （2014）. Conditions for effective smart learning environments.Smart Learning Environments， 1 （5）， 1-17.

Law， E. L.-C.， Sun， X. （2012）. Evaluating user experience of adaptive digital educational games with Activity Theory. International Journal of Human-Computer Studies， 70 （7）， 478-497.

Mateas， M.， & Stern， A. （2003）. Fa?ade： An experiment in building a fully-realized interactive drama. Proceedings of Game developers conference. GDC， 4-8.

Melis， E.， & Monthienvichienchai， R. （2004）. They call it learning style but its so much more. Proceedings of World Conference on e-Learning in Corporate， Government， Healthcare， and Higher Education.AACE， 1383-1390.

Monaghan， J. M.， & Clement， J. （1999）. Use of a computer simulation to develop mental simulations for understanding relative motion concepts.International Journal of Science Education， 21（9）， 921-944.

Reynolds， R. （1997）. A validation test of a message elaboration measure. Communication Research Reports， 14 （3）， 269–278.

Soflano， M.， Connolly T. M.， & Hainey， T. （2015）. An application of adaptive games-based learning based on learning style to teach SQL. Computers & Education， 86（4）， 192-211.

Spector， J. M. （2014）. Conceptualizing the emerging field of smart learning environments. Smart Learning Environments， 1 （2）， 1-10.

Vandewaetere， M.， Desmet， P.， & Clarebout， G. （2011）. The Contribution of learner characteristics in the development of computer-based adaptive learning environments. Computers in Human Behavior， 27 （1）， 118-130.

責任編輯 韓世梅