[論文レビュー] Combining Gamification and Intelligent Tutoring Systems in a Serious Game for Engineering Education

Ying Tang, Ryan Hare|arXiv (Cornell University)|May 26, 2023

Intelligent Tutoring Systems and Adaptive Learning被引用数 4

ひとこと要約

本論文は、知能チューティングシステム（ITS）と統合された、パーソナライズ型でゲーム化されたシリアスゲームを提示する。計算知能による適応学習と、Webカメラデータからのリアルタイムの感情状態推定を組み合わせることで、学生の関与度と知識の定着が向上し、電気工学の授業において前後テストの結果、顕著な学習の向上が得られた。

ABSTRACT

We provide ongoing results from the development of a personalized learning system integrated into a serious game. Given limited instructor resources, the use of computerized systems to help tutor students offers a way to provide higher quality education and to improve educational efficacy. Personalized learning systems like the one proposed in this paper offer an accessible solution. Furthermore, by combining such a system with a serious game, students are further engaged in interacting with the system. The proposed learning system combines expert-driven structure and lesson planning with computational intelligence methods and gamification to provide students with a fun and educational experience. As the project is ongoing from past years, numerous design iterations have been made on the system based on feedback from students and classroom observations. Using computational intelligence, the system adaptively provides support to students based on data collected from both their in-game actions and by estimating their emotional state from webcam images. For our evaluation, we focus on student data gathered from in-classroom testing in relevant courses, with both educational efficacy, results and student observations. To demonstrate the effect of our proposed system, students in an early electrical engineering course were instructed to interact with the system in place of a standard lab assignment. The system would then measure and help them improve their background knowledge before allowing them to complete the lab assignment. As they played through the game, we observed their interactions with the system to gather insights for future work. Additionally, we demonstrate the system's educational efficacy through pre-post-test results from students who played the game with and without the personalized learning system.

研究の動機と目的

• 工学教育における指導者リソースの制限を解消するため、アクセスしやすくパーソナライズされた学習システムを開発すること。
• シリアスゲーム環境におけるゲーム化を通じて、学生の関与度を高めること。
• リアルタイムの感情状態モニタリングと適応チューティングを統合することで、教育的効果を高めること。
• 学生のフィードバックと教室観察に基づいて、段階的にシステムを改善すること。
• 前後テストを用いて、システムの学生の学習成果への影響を評価すること。

提案手法

• 本システムは、専門家が設計した授業構造と計算知能を組み合わせ、学習者を的確に支援する。
• ゲーム内行動データとWebカメラによる感情状態推定を用いて、学習体験をカスタマイズする。
• ゲーム化されたインターフェースが、挑戦と報酬を通じて学生のモチベーションを高め、対話を促進する。
• 基礎知識が十分に証明されるまで、実験室課題へのアクセスを延期する。
• 複数の学期にわたり、学生のフィードバックと教室観察に基づいて、デザインの反復的改善が行われた。
• 知識の習得度を測定するため、前後テストが実施された。

実験結果

リサーチクエスチョン

• RQ1 ITSとゲーム化を統合することで、工学教育における学生の関与度にどのような影響を与えるか？
• RQ2 リアルタイムの感情状態推定は、シリアスゲームにおける適応チューティングをどの程度向上させるか？
• RQ3 パーソナライズ型学習システムは、初期の電気工学コースにおける学生の知識習得にどのような影響を与えるか？
• RQ4 学生のフィードバックと教室観察は、反復的設計改善にどのように寄与するか？
• RQ5 従来の実験室課題と比較して、本システムの使用による測定可能な学習の向上は何か？

主な発見

• パーソナライズ型学習システムを活用した学生は、前後テストのスコアで顕著な向上を示し、知識習得が向上したことが示された。
• 本システムは、学生が十分な背景知識を示すまで、実験室課題へのアクセスを遅らせるのに成功した。
• 学生がシステムと対話した結果が、今後のデザイン改善に貴重なインサイトを提供した。
• Webカメラデータからの感情状態推定は、適応的支援に貢献したが、具体的なパフォーマンス指標は数量化されていなかった。
• 教室観察と学生のフィードバックは、システムの使いやすさと関与度の特徴を洗練させる上で中心的な役割を果たした。
• ゲーム化とITSの統合により、工学教育の文脈で、より関与度が高く効果的な学習体験が実現された。