把AI放進遊戲式學習:練習與判斷仍要由學生參與
文章從遊戲式學習研究出發,探討大型語言模型如何支援練習與人的判斷。作者指出,辨別AI答案需要學科知識,但過度依賴工具又可能減少建立知識的機會。文中提出以探索、試驗和比較安排學習,再透過遊戲中的挑戰及回饋維持練習意願,AI則可協助製作遊戲或改編材料。文章屬理論討論,沒有以新實驗驗證某款AI遊戲的學習成效。
論文原文
Leveraging the Potential of Large Language Models in Education Through Playful and Game-Based Learning研究及來源資料
研究來自哪裏?
University of Graz(奧地利)、Tampere University(芬蘭)、University of Potsdam(德國)、Australian Catholic University(澳洲)、Ewha Womans University(韓國)、University of Augsburg(德國)、University of Tübingen(德國)
- 地域視角
- 世界各地研究 · 跨地區理論
- DOI
- 10.1007/s10648-024-09868-z
- 期刊/研討會
- Educational Psychology Review
- 類型
- 理論觀點;結合遊戲式學習及動機研究
- 地區說明
- 作者跨國合作的理論文章,沒有國別實證樣本。
- 原文日期
- 2024-02-27
- 最近核實
- 2026-09-11
- 研究來源分類
- 期刊
- 作者
- Stefan E. Huber、Kristian Kiili、Steve Nebel、Richard M. Ryan、Michael Sailer、Manuel Ninaus
- 學習階段
- 跨學段
- 研究領域
- 教學與評估、人工智能素養
- 研究對象
- 文獻及資料
- 分類說明
- 理論觀點文章,運用既有研究討論教學方向。
發現資料有誤?提供更正資料