多维剧目网格作为实施数字游戏的图形组织者，以促进学生的学习表现和行为

多维剧目网格作为实施数字游戏的图形组织者，以促进学生的学习表现和行为

（A multidimensional repertory grid as a graphic organizer for implementing digital games to promote students’ learning performances and behaviors）

2021年

一、概念解析

基于数字游戏的学习(Digital game-based learning，简称DGBL)：是一种经常被采用的促进教学和学习的模式，在这种模式中，学习者沉浸在游戏情境中，参与游戏玩法，构建有意义的知识。

多维剧目网格教育游戏(MDRG game)：在本研究中，提出了一种多维存储网格作为角色扮演游戏(RPG)中基于组织者的图形反馈。

二、研究内容

1.研究背景：基于数字游戏的学习(Digital game-based learning，简称DGBL)是一种经常被采用的促进教学和学习的模式，在这种模式中，学习者沉浸在游戏情境中，参与游戏玩法，构建有意义的知识。然而，如果没有指导，学生可能很难组织他们在游戏环境中的经历。为此，本研究提出了一种多维剧目网格(MDRG)方法，并据此实现了一个数字游戏。此外，还在地理课程中进行了实验，以检验该策略的有效性。

2.研究目的：本研究开发了一种多维剧目网格教育游戏(MDRG game)，旨在使学生更好地获取知识，构建所学概念，并激发他们进行高阶思维。以往的研究除了采用考试成绩来衡量学生的学习成绩外，多采用自述式问卷来分析学生的学习动机、自我效能感、元认知意识和认知负荷。

3.研究方式：本研究采用前测法和后测法对学生的学习成绩进行检验，采用自述式问卷对学生在学习活动前后的学习动机、自我效能感和元认知意识进行测量。

此外，本研究采用自述问卷评估学生在体验活动后的认知负荷。因此，通过回答几个研究问题，进行了一个准实验来评估所提出方法的有效性。

4.研究问题：

（1）与传统的DGBL相比，MDRG游戏是否能更好地提高学生的学习成就、动机和自我效能感?

（2）与传统的DGBL相比，MDRG游戏是否能更好地增强学生的元认知意识?

（3）与传统的DGBL相比，MDRG游戏是否会降低学生的认知负荷?

（4）那些通过MDRG游戏学习的人的行为模式和传统的DGBL有什么不同吗?

5.研究结果：分析结果显示，实验组学生的学习成绩较好，学习动机、自我效能感和元认知意识也较高。此外，行为分析和访谈结果显示，采用该策略学习的学生更倾向于促进高阶思维。

三、实验设计

本实验旨在从学习成就、学习动机、个体自我效能感、元认知意识和认知负荷等方面评价该方法的有效性。此外，访谈和学生的游戏学习行为也被检验。

1.实验对象：本研究采用试验组和对照组的准实验设计。参与研究的台湾学生共83人，来自所选城市高中的两个班级，经济背景接近台湾平均水平。学生的平均年龄为15.5岁。这两个班被随机分为实验组和对照组。实验组(EG)包括43名使用MDRG游戏学习的学生，而对照组(CG)包括40名使用未提出方法的游戏学习的学生。

2.实验流程：实验进行了三周。第一周，老师做了200分钟的全球气候基础知识讲座，之后学生完成了70分钟的前测和前问卷。第二周，EG用MDRG游戏学习，CG用传统教育游戏学习，时间为150分钟。第三周，学生完成了后测和后问卷，时间为80分钟;此外，还进行了60分钟的访谈。

图1.实验流程

四、结果

（一）学习成绩

学习成绩前测：为了检验EG和CG的先验知识，对前测结果进行t检验。（EG组学生接受的是基于多维剧目网格的反馈，而CG组学生接受的是传统的反馈。）EG的均值和标准差分别为57.07和15.58,CG的均值和标准差分别为56.75和16.81。结果显示，两组间差异无统计学意义(t = - 0.09, p > 0.05)。EG和CG在参加学习活动前的先验知识水平相当。

采用协方差分析(ANCOVA)和Bonferroni校正来考察该方法对学生学习成绩的影响。方差齐性的Levene检验未被违反(F = 0.74, p = 0.39 > 0.05)，回归斜率的齐性得到证实(F = 2.84, p = 0.10 > 0.05)。因此，进行了ANCOVA。

原始数据：

分析：

表1：学习成绩分析

组别	N	Mean	SD	SE	调整平均值	F	η2
实验组	43	73.49	6.02	0.78	73.49	187.46	0.69
对照组	40	58.10	3.91	0.81	58.10

*p<0.001.

结果：

学习成绩后测：EG组的校正均数和标准误差分别为73.49和0.78,CG组的校正均数和标准误差分别为58.10和3.91(见表1)。ANCOVA结果显示，两组的后测得分差异有统计学意义(F = 187.46, p = .000 < .001)。EG的后测分数为在统计学上高于CG。此外，该方法的效应量(η2)为0.69，表明该方法具有较大的效应量。

Cohen’s d是最常用的标准化效应量之一，其定义为两组平均值之差除以标准差(方程1)，可应用于两组样本均数比较的效应量计算。Cohen’s d的评价标准为：小效应(≥0.2且＜0.5)；中等效应(≥0.5且＜0.8)；大效应(≥0.8)

原始数据：

分析：

表2:不同类型后测题的t检验结果

后测题类型	分组	N	M	SD	t
多项选择题（40%）基本理解	EG	43	27.56	4.44	0.343
	CG	40	27.23	4.42
多项选择题（40%）高阶思维理解	EG	43	31.77	3.93	9.573
	CG	40	25.63	1.05
简答题（20%）高阶思维理解	EG	43	12.00	1.15	11.843
	CG	40	6.50	2.80

***p < .001.

结果：

如表2所示，本研究进一步采用t检验考察两组在“基本理解选择题”、“高阶思维理解选择题”和“高阶思维理解简答题”三个不同后测部分的差异。

（1）根据t检验结果，EG的“基本理解选择题”得分均值和标准差分别为27.56和4.44,CG的得分均值和标准差分别为27.23和4.42。两组间差异无统计学意义(p = 0.92 > 0.05)。

（2）在“高阶思维理解选择题”方面，EG的平均值和标准差分别为31.77分和3.93分，CG的平均值和标准差分别为25.63分和1.05分。结果表明两组之间存在统计学差异(p = .000 < .001)。

（3）在“高阶思维理解短答题”方面，EG的平均值和标准差分别为12.00和1.15分，CG的平均值和标准差分别为6.50和2.80分。结果表明两组之间存在统计学差异( p = .000 < .001)。

也就是说，通过MDRG游戏学习的学生比那些通过传统教育游戏学习的学生在高阶思维理解方面表现得更好。

（二）学习动机

前测：学习动机为了检验EG和CG的先验学习动机，我们对前问卷的结果进行t检验。问卷前EG的均值和标准差分别为2.62和0.56,CG的均值和标准差分别为2.59和0.39。结果显示，两组间差异无统计学意义(t = - 0.31, p > 0.05)。EG和CG在参加学习活动前的学习动机水平相当。

采用ANCOVA和Bonferroni校正来检验该方法在控制问卷前得分的情况下对学生学习动机的影响。方差齐性的Levene检验未被违反(F = 0.19, p = .66 > .05)，回归斜率齐性得到证实(F = 0.003, p = .96 > .05)。因此，进行了ANCOVA。

原始数据：

分析：

表3：学习动机分析

组别	N	Mean	SD	SE	调整平均值	F	η2
实验组	43	3.72	2.15	0.291	3.72	9.43	0.10
对照组	40	3.37	1.61	0.302	3.35

*p<0.001.

结果：

后测：EG组调整后的均数和标准误差分别为3.72和0.29,CG组调整后的均数和标准误差分别为3.37和0.302(见表3)。ANCOVA结果显示，两组学习动机得分差异有统计学意义(F = 9.43, p = 0.002 < 0.01)。EG组的学习动机得分显著高于CG组。此外，提出的方法的η2为0.10，表明中等效应大小。

（三）自我效能

前测：为了检验EG和CG的先前自我效能感，对前问卷的结果进行t检验。问卷前EG的均值和标准差分别为2.79和0.75,CG的均值和标准差分别为2.57和0.59。结果表明，无显著性差异

两组差异有统计学意义(t = - 1.50, p > 0.05)。EG和CG在参加学习活动前的自我效能感水平相当。采用ANCOVA和Bonferroni校正来检验该方法对控制问卷前得分的学生自我效能感的影响。方差齐性的Levene检验未被违反(F = 0.28, p = .60 > .05)，回归斜率的齐性得到证实(F = 0.28, p = .60 > .05)。因此，进行了ANCOVA。

原始数据：

分析：

表4：自我效能分析

组别	N	Mean	SD	调整平均值	F	η2
实验组	43	3.97	2.41	3.97	11.19	0.023
对照组	40	3.35	1.61	3.35

*p<0.001.

结果：

后测：EG组调整后的均数和标准误差分别为3.97和0.314,CG组调整后的均数和标准误差分别为3.35和0.326(见表4)。ANCOVA结果显示，两组自我效能评分差异有统计学意义(F = 11.19, p = 0.001 < 0.01)。EG组自我效能感评分明显高于CG组。此外，该方法的η2为0.12，表明具有中等效应。

（四）元认知意识

为了检验EG和CG的先验元认知意识，对前问卷的结果进行t检验。问卷前EG的均值和标准差分别为3.31和0.67,CG的均值和标准差分别为2.90和0.81。结果显示，两组间差异有统计学意义(t = - 2.54, p < 0.05)。EG和CG在参加学习活动前没有相当的元认知意识水平。

采用ANCOVA和Bonferroni校正来检验所提出的方法对控制问卷前得分的学生元认知意识的影响。方差齐性的Levene检验未被违反(F = 0.80, p = .37 > .05)，回归斜率的齐性得到证实(F = 1.62, p = .21 > .05)。因此，进行了ANCOVA。

（Bonferroni 校正法可以称作是“最简单粗暴有效”的校正方法，它拒绝了所有的假阳性结果发生的可能性，通过对p值的阈值进行校正来实现消除假阳性结果。Bonferroni 校正的公式为p*(1/n)，其中p为原始阈值，n为总检验次数。）

原始数据:

分析：

表5：元认知意识分析

组别	N	Mean	SD	调整平均值	F	η2
实验组	43	3.79	2.11	3.79	7.232	0.014
对照组	40	3.35	1.61	3.35

*p<0.001.

结果：虽然t检验显示两组在参加学习活动前的元认知意识水平并不相等，但ANCOVA结果显示了去除协变量(元认知意识预问卷得分)的影响后自变量的影响。调整后EG组均数和标准误差分别为3.79和0.08,CG组均数和标准误差分别为3.35和0.08(见表5)。ANCOVA结果显示，两组元认知意识得分差异有统计学意义(F = 7.232, p = 0.009 < 0.01)。EG组元认知意识评分高于CG组。此外，该方法的η2为0.014，表明效应量较小。

• 认知负荷

本研究采用t检验考察两组在认知负荷方面的差异，包括“心理负荷”和“心理努力”。结果显示，EG的“心理负荷”得分均值为3.40，标准差为1.01,CG的“心理负荷”得分均值为3.12，标准差为0.84。两组间差异无统计学意义(t = - 1.39, p = .17 > .05)。在“精神努力”方面，EG的平均值和标准差分别为3.31和0.94,CG的平均值和标准差分别为3.03和0.80。结果显示两组间差异无统计学意义(t = - 1.46, p = .15 > .05)。

五、结论

因此，本研究提出的学习方法有助于提高学生的学习效率，促进他们的高阶思维能力。相反，传统的图形或表格主要帮助学生记忆和理解CG中全球气候的特征，而不是他们的高阶思维能力。Jonassen, Carr, and Yueh(1998)认为，适当使用知识组织工具可以培养学生的高阶思维能力。这可能是为什么使用MDRG游戏学习的学生比使用传统教育游戏学习的学生表现出更好的学习成绩和元认知意识的原因。

在学生的学习感知方面，研究发现，采用本研究提出的方法，学生的学习动机和自我效能感可以在不增加认知负荷的情况下得到提高。内在动机的提高意味着该方法有助于学生在学习过程中更好地了解学习教学内容的意义;外在动机是指他们想要在这种方法的帮助下获得更高的考试成绩。

此外，自我效能感的提高意味着使用MDRG游戏学习的学生比使用常规方法学习的学生更有信心学好课程，这也可以从访谈结果中发现。这些发现与Keynan等人(2014)的报告相呼应，他们采用储备网格技术来帮助学生进行生态学习，并发现学生普遍对该方法表现出积极的看法。

局限：

本研究受到一些局限性的制约。首先，研究对象为83名台湾某高中的十年级学生;因此，将研究结果推广到其他年级不同文化背景的学生可能是不合适的。此外，需要注意的是，所探索的能力，如学习动机和元认知，一般需要较长的时间来培养。本研究采用自我报告的方式收集数据问卷调查和访谈。也许将来可以进行其他学习行为或内容分析，以提供更有力的论据来证明所提出的方法是有效的。因此，建议今后进行长期试验。

展望：

在开发其他课程(如科学或社会学科)的教育游戏时，可以考虑使用多维资源库网格方法进行一些后续研究，以提高学生的学习成绩和动机，以及他们的更高层次思维能力，如创造力和解决问题的能力。

原文链接：

A multidimensional repertory grid as a graphic organizer for implementing digital games to promote students’ learning performances and behaviors - Hwang - 2021 - British Journal of Educational Technology - Wiley Online Libraryhttps://bera-journals.onlinelibrary.wiley.com/doi/abs/10.1111/bjet.13062