64、高中人工智能教育游戏与未来混合创意学习空间设计分析

高中人工智能教育游戏与未来混合创意学习空间设计分析

高中人工智能教育游戏研究

在一项针对高中学生的人工智能教育游戏研究中，共有1274名学生参与，其中1014名完成了课后调查，研究团队成功匹配了764名学生的课前、课后调查和游戏日志。参与学生平均年龄为16岁，各年级分布为：12年级占18%，11年级占30%，10年级占23%，9年级占29%。性别方面，46%为男性，48%为女性，6%为其他类别或不愿透露。语言使用上，27%的学生在家只说英语，67%说英语和另一种语言，6%只说非英语语言（主要为西班牙语）。有趣的是，尽管游戏和调查有英语和西班牙语两种版本，但所有学生都选择了英语版本。

描述性统计

学生在游戏中的错误数量在不同学生和不同游戏模块之间差异很大。例如，在广度优先搜索（BFS）树扩展活动中，有学生犯错超过1700次。考虑到学生可能多次重复访问特定模块，研究将游戏中的错误定义为错误率，即错误数量除以错误和正确操作的总和。

对学习BFS、深度优先搜索（DFS）和贪心算法的模块中，学生在游戏测验、搜索树扩展和转移谜题中的错误情况进行分析。重复测量方差分析（ANOVA）显示，在BFS学习模块中，学生在测验、树扩展和转移谜题中的错误率有显著差异（p < .001）。同样，在学习DFS和贪心算法的模块中也有类似显著结果。此外，比较不同算法学习模块中同一类型活动（如游戏测验）的学生错误，也得到显著结果。从数据可以看出，学生在学习DFS时比学习BFS和贪心算法更容易犯错。

活动类型	PreAI知识	PreMath知识