教育游戏开发螺旋模型构建

最新推荐文章于 2025-10-19 16:18:40 发布

原创最新推荐文章于 2025-10-19 16:18:40 发布 · 388 阅读

10 ·

CC 4.0 BY-SA版权

文章标签：

#教育游戏 #螺旋模型 #游戏化学习 #SEO #案例研究

建立一个教育游戏开发模型：来自教学搜索引擎优化的体验

摘要

本文描述了不同文献如何指出教育游戏在学生学习中的积极作用，但很难找到适合学生学习的现有游戏。一些教师可能会尝试为其课程开发游戏，但目前缺乏有效的教育棋盘游戏开发模型。作者组建了一个团队，旨在为本科课程开发一款用于教学搜索引擎优化（SEO）的游戏，并观察了设计会议和游戏试玩课程。基于这些观察和游戏成果，他们开发了一个螺旋式教育游戏开发模型，并根据学生和设计师的反馈，提出了其他关于开发教育游戏的建议。

关键词

桌游，案例研究，电子营销，游戏化学习，信息系统教育，严肃游戏开发模型，严肃游戏设计

引言

先前的文献已证实了游戏在学习过程中的作用，但尚未充分探讨教育游戏的开发、设计、试用及效能追踪所采取的具体步骤。缺乏经验的教师可能难以为其课程开发合适的游戏（Wu，2015）。另一方面，一些学者强调了建立基于游戏的学习（GBL）科学的必要性（Sanchez，坎农‐鲍尔斯，& Bowers，2010）。现有的关于教育游戏开发的文献大多集中在游戏应包含的高层次要素上。然而，对于实际的开发流程、设计权衡以及实施问题的讨论较少。

我们与一些研究生合作开发了一款与搜索引擎优化相关的教育游戏，这些研究生担任游戏设计师。该游戏由一组本科生在数字营销课程中进行体验。游戏结束后，我们开展了一项调查，以收集学生对基于游戏的学习过程的反馈。根据我们对设计负责人进行的游戏后访谈、对游戏设计会议的观察以及来自学生的反馈，我们建立了一个教育游戏开发模型。

教育的游戏在教学信息系统（I.S.）课程中的作用已被先前的研究强调，并且教育的游戏被用于不同I.S.子领域的教学和学习，诸如项目管理、数字营销、知识管理和信息安全等学科（Lui & Au, 2017；Au, Fung 和 Xu, 2016；Lui 和 Kong, 2017；Lui, Lee 和 Ng, 2015；Lui 等, 2015）。作为数字营销中的一个重要组成部分，搜索引擎优化是研究基于游戏的学习以及建立教育的游戏开发模型的合适背景。

本文结构如下：在引言和研究价值之后，我们将介绍文献综述，接着阐述研究方法并展示游戏。然后我们将展示结果，这些结果将成为下一节建立游戏开发模型及其他关于开发教育的游戏的建议的基础。最后，我们将进行总结并提出未来的研究方向。

研究价值

我们的模型将通过提供一个用于开发教育游戏的综合过程模型（Annetta，2010），回应这些游戏开发中的复杂性和所需时间（Felicia，2013），从而促进基于游戏的学习科学。

以往关于教育游戏开发的文献更多关注应包含的要素。而我们的模型更侧重于从开发者的角度出发，详细探讨教育游戏开发中的问题与过程。未来的教育游戏开发者可采用我们的模型，以优化开发流程并提升学习成果。

文献综述游戏化学习与教育游戏开发方法论

基于游戏的学习的优势包括促进参与度、学习态度和交流技能（Sprengel，1994）。其他优势还包括增强对某些关键概念的理解（加内什，2014年），以及填补学校教学中的空白（Crockett，2015）。这种优势在需要多学科知识以及理论与现实联系的领域中尤为突出（福地，奥福特，萨克斯，& 曼恩，2000；霍尔，2014年），例如信息系统（区，冯，& 徐，2016）。然而，现有的教育游戏可能并不总是很好地契合课程。因此，教师可能需要从零开始创建自己的游戏（Bazil，2012）。

教育游戏的开发可能始于其目的和目标，然后是游戏创意、硬件设计和软件设计。（Hussain 等，2010；Bazil，2012）。不同的来源，如案例研究、课堂练习和理论模型，可提供游戏创意。基于这些创意，开发者可以确定游戏结构以及所涵盖的概念与理论范围（Hussain 等，2010；McDaniel、Fiore 和 Nicholson，2010）。开发应从一个简单的游戏设计开始，而不是一开始就采用复杂的机制，之后再逐步扩展游戏创意。游戏中涉及的经济计算（如果有的话）可以简化，但应保持现实的比例（Bazil，2012）。

教育游戏的要素与特征

在开发过程中需要考虑的游戏元素（游戏目的、创意、硬件和软件）包括游戏系统、概念与现实的抽象、目标、规则、参与度、奖励结构、兴趣曲线、进程、叙事、投入、成就感和重玩（Freeman & Freeman, 2013；Hussain 等, 2010）。表1展示了教育游戏中一些常见的游戏特性。

游戏特性	文献
挑战	(Su, Cheng, & Lin, 2014; Malone & Lepper, 1987; Sweetser & Wyeth, 2005; Garris, 阿勒斯、德里斯克尔，2002)
控制	（Roozeboom，Visschedijk 和 O prins，2015；Malone 和 Lepper，1987；Sweetser 和惠氏，2005；加里斯，阿勒斯，& 德里斯克尔，2002)
参与度	（Roozeboom，Visschedijk 和 O prins，2015；Au，Lam，Fung 和 Xu，2016；Sweetser 与惠氏, 2005)
社交互动	(Roozeboom, Visschedijk, & Oprins, 2015; Sweetser & 惠氏, 2005)
好奇心	（Malone和Lepper，1987）
幻想	（马龙和莱珀，1987；加里斯、阿勒斯和德里斯克尔，2002）
竞争	（Malone和Lepper，1987）
沉浸	（Sweetser & 惠氏，2005）
随机性	(Zagal, Rick, & Hsi, 2006)
平衡	(Salen & Zimmerman, 2004)
自主性（在游戏中的）	（坦博里尼，鲍曼，伊登，& 格里兹德，2010；金等，2015）

搜索引擎优化（SEO）

搜索引擎优化（SEO）是一系列使网页更容易被搜索引擎抓取、索引和理解的技术（Zilincan, 2015）。对于在线商业的可见性而言，SEO至关重要，因为用户很少点击超出第一个搜索结果页面的链接（Gudivada, Rao, & Paris, 2015）。SEO主要关注网站链接、关键词和内容的优化（Wang, Li, & Zhang, 2011）。SEO已成为学者和信息系统实践者的研究兴趣，尤其是在电子营销中的作用方面（Li, Lin, Lin, & Xing, 2014）。表2列出了一些常见SEO技术的示例。

SEO技术	定义	参考文献
页面优化	它指的是在搜索引擎抓取时有助于其理解网站的措施，以便更好地抓取网站，例如改进元描述和标题标签。 meta描述和标题标签。	（Parikh & Deshmukh，2013)
链接建设	它描述了旨在增加指向某个网页的入站链接数量和网页传入链接的质量，目标是提高该网页或网站在搜索引擎中的排名	(Malaga, 2008)
链接建设	它描述了通过使用可能被视为垃圾性质的实践来创作反向链接的过程。被视为垃圾性质。	(Malaga, 2008)
着陆页优化	它是一种优化网页的实践，该网页出现在对点击搜索引擎优化搜索的响应结果。	（Ash，Ginty，& Page，2012
内容创作	它指的是添加有用的网站内容，这些内容	(Kent, 2012)

研究方法

在我们的指导下，一组研究生开发了一款用于教学和学习搜索引擎优化的教育游戏。该小组由一名有游戏设计师经验的学生领导。在开发过程中，组织了设计会议，并开发和评估了原型以改善游戏体验。游戏设计完成后，数字营销课程中的本科生将通过该游戏进行学习。

我们的研究采用了混合方法，包含以下组件
• 设计会议观察：在游戏设计过程中，我们观察了设计会议。
• 调查：在本科生完成游戏后，我们使用调查来测量学生对不同游戏功能的反馈和体验。
• 与设计师负责人的访谈：课程结束后，我们还将对设计团队负责人进行访谈，以获取他更深入的见解。

之所以采用定量与定性方法相结合的方式，是因为它有助于深入了解各种仅用单一方法无法完全理解的现象（Venkatesh & Davis, 2000）。基于观察以及调查和访谈的反馈，我们将建立用于教育游戏开发的过程模型。

设计会议观察

一般来说，观察为了解该组织的人类、社会和组织方面提供了丰富的见解（De Massis & Kotlar, 2014年）。在我们的案例中，我们将观察游戏设计团队的行为，例如在会议中讨论和展示想法以及决策过程。

调查

游戏结束后，数字营销课程中的本科生将通过游戏进行学习。在游戏结束后，向游戏参与者发放了一份游戏后调查，用于衡量学生基于不同游戏特征的反馈和体验。调查问题（见表3）是根据以往文献并结合本研究情境修改而来的。问题采用5点量表（1=强烈不同意，5=强烈同意）。计算了构念的克朗巴哈阿尔法系数，以确保问题的信度。我们还引入了控制变量，包括性别、学习年限、自我报告的棋盘游戏体验以及自我报告的GPA（平均绩点，表示学生的整体学业表现，最高值为4.0）。

与设计师负责人的访谈

一般来说，访谈使研究人员能够收集到可能并不明显显现的更深层次见解（Rubin & Rubin, 2005）。在我们的研究中，访谈中的主要问题是，
• 教育的游戏开发体验与他之前设计非教育游戏的体验有何不同？
• 在开发该游戏时面临哪些挑战和获得了哪些见解？

根据受访者的回答，我们将提出后续问题以澄清或获取更多详情。

游戏设计

名为“SEO战争”，我们的游戏面向没有或仅有有限搜索引擎优化体验的本科生。游戏有3到4名玩家，持续时间约为一小时。

游戏背景

A国政府规定，只允许一所大学保持开放，其余所有大学都必须关闭。这一决定将根据各大学的学生准入条件结果来做出。因此，所有大学都必须通过优化其网站以吸引更多访问者并增加学生准入条件，在搜索引擎的结果页面上竞争更高的排名。于是，搜索引擎优化之战开始了。

游戏详情

在这个游戏中，玩家扮演其大学的网站广告经理，通过应用不同的搜索引擎优化策略来提升其网站（从而提高其在搜索引擎结果页面中的排名）并攻击对手的网站，以此制定策略赢得搜索引擎优化之战。获得最多学生准入条件的大学将赢得游戏。

有一个主面板，显示即时的搜索引擎结果页面排名和录取学生人数（见图1），每位玩家将获得一个仪表盘（见图2）。

有两种类型的游戏卡片——策略卡片和事件卡片。玩家通过使用策略卡片来应用搜索引擎优化策略。策略卡片的一个示例（包含相应策略的描述）显示在图3的左侧。在玩家完成各自回合后，

示意图0

示意图1

示意图2

策略，玩家抽取一张事件卡片。这些事件卡片可能会带来正面或负面的结果。事件卡片的一个示例如图3右侧所示。

表4显示了游戏中玩家需要管理的四个维度，包括排名因素（RF）、内容得分（CS）、转化率（CR）和垃圾信息得分（SS）。玩家需要尽可能提高RF、CS和CR的分数，但尽可能降低SS的分数。不同玩家在这些维度上的初始分数各不相同，因此不同玩家的策略也不同。这些维度被许多文献广泛用于解释搜索引擎优化的概念（Kent, 2012；Malaga, 2008）。

游戏属性	定义
排名因素（RF）	衡量各种搜索引擎优化策略在网站上的应用程度。较高的RF可能导致在搜索引擎结果页面中排名更高，从而带来更多网站访问者。页面和因此更多的网站访客。
内容得分（CS）	网站中有用且独特的内容的数量。
转化率（CR）	网站访问者中在网站上采取行动的百分比（例如，进行购买）
垃圾评分（SS）	由于使用黑帽SEO策略而导致网站出现垃圾行为的衡量指标较高的SS可能导致搜索引擎惩罚。

结果设计会议观察

在第一次会议之前，讲师招募了一个由三名已完成电子营销课程的研究生组成的学生团队，协助进行游戏设计和开发。在第一次会议之前，这些学生根据他们对搜索引擎优化的知识，设计了一个基本的游戏设计方案和原型。

在第一次会议中，讲师首先介绍了背景信息，随后学生们展示了游戏设计。该游戏设计灵感来源于开发者们之前在研究生课程中的体验。初始游戏设计中包含的概念如图4中的因果模型所示。第一个因果模型将排名因素（RF）和转化率（CR）作为游戏属性。具有更高RF和CR的玩家将在每回合吸引更多访问者并获得更多学生。

讲师建议，仅包含两个属性可能无法充分反映现实世界的情况。经过讨论，大家同意增加两个额外的游戏属性（内容分数和垃圾分数）。扩展后的因果模型如图5所示。玩家的内容分数可以通过创建独特且吸引人的网站内容来提高。从长期来看，这会吸引反向链接到网站，并提升整体排名因素。一些策略卡片包含了黑帽SEO技术，这会同时提高排名因素和垃圾分数。这类方法可能在短期内改善SEO表现。然而，如果玩家的垃圾分数过高，则会受到惩罚。在这种情况下，玩家在该回合无法招收学生。

然而，在添加新的游戏属性后，观察到纳入额外属性/概念与学习/游戏时间之间存在权衡。在我们的案例中，我们决定纳入额外的游戏概念，以更准确地反映现实情况，并与课程的学习目标保持一致。

在早期的会议中，会制作原型用于展示和评估游戏创意。如果有重大修改，则会制作一个新的原型和一个新的因果模型图。例如，在第一次会议中展示了一个原型。第一次会议后，玩家的仪表盘被重新设计，以添加游戏属性（在本例中即内容分数和垃圾信息分数）。

然而，如果修改较小或仅与游戏卡片相关，则不一定需要制作全新的原型。此外，游戏卡片的信息已被整合到一个电子表格中，以方便讨论和优化（参见图6）。

完成第一个游戏设计后，开发团队尝试试玩了原型。在最初的设计中，玩家需要招收100名学生才能赢得游戏，但在首次测试中，没有人能在预期时间（1小时）内达到游戏目标。因此，对规则和流程进行了调整。例如，将目标学生人数减少至50名。

示意图3

示意图4

示意图5

在后续的会议中，由于变更不那么彻底，因此制作了新的卡片而非新的原型。早期原型的一些物理组件可能仍会被使用。例如，根据之前的结果调整了卡片效果和一些规则，以优化游戏。与之前的修改相比，后期阶段的变更规模较小，但花费了更多时间来完成。

随后的会议以试玩和评估游戏原型开始，接着进行调整。例如，我们观察到玩家在游戏过程中专注于使用战术卡片以提高游戏表现，但很少使用攻击卡片（一种通过采用负面搜索引擎优化策略来攻击其他玩家的策略卡片）。因此，调整了游戏规则，并增强了攻击卡片的功能，以促进玩家之间的互动。有时也会调整卡片效果，以优化游戏平衡性和游戏进程。每轮游戏试验大约持续一小时，每位玩家进行七个回合。

除了讨论游戏设计外，团队成员还集思广益，尝试了不同的游戏策略，并讨论了游戏制作中的问题。数字营销课程的班级规模约为100名学生，需要制作约30套游戏。为了提高质量，团队已将游戏卡片的生产外包给外部供应商。其他游戏组件将由开发团队在三名学生助理的协助下完成。

调查

81名学生参与了该游戏。其中80.2%为男性。他们自报的GPA范围为2.40至3.90（最高 GPA = 4），平均值为2.96，涵盖从低到高的学术表现。各项指标的平均值见表5。

除了玩家自我报告的表现外，所有测量指标的克朗巴哈阿尔法值均高于0.7。学生报告了较高的参与度和社会互动水平，以及较高的学习成果达成度（平均值>4.00）。总体而言，学生沉浸在游戏中，并认为游戏具有挑战性。他们还享受到了较高程度的控制感和自主性，并对其表现感到满意。游戏结束后，他们报告在知识方面有所收获，并对学习搜索引擎优化的动机有所增加。

鉴于学生的性别比例，已针对上述指标按性别进行了独立样本t检验，但未发现显著差异。

与设计师负责人的访谈

设计师团队的负责人（吴先生）一直从事电脑游戏设计工作，接受采访以深入了解游戏设计过程。他强调，尽管他在设计各类电脑游戏和玩各种类型的棋盘游戏方面经验丰富，但设计教育游戏还是第一次，这是一次独特的体验。他指出，设计教育游戏与非教育游戏之间存在很大差异，尤其是学习与趣味性之间的平衡。在非教育游戏设计中，主要考虑的是整体的趣味性。

他指出了主要与调整相关的挑战和见解。他透露，由于自己之前有游戏设计师的工作经验，因此能够很快提出最初的概念设计和游戏设计。此外，他在闲暇时间经常玩各种类型的棋盘游戏，因此熟悉不同的游戏机制。他超过一半的开发时间都花在精细调整上，以确保玩家的运气与策略之间，以及玩家策略之间的良好平衡。例如，他曾花费大量时间调整玩家在四个属性上的初始位置以及战术卡片的强度。最后，游戏规则的调整也可能非常耗时，因为一些规则冲突只有在多次试玩原型并进行评估后才能发现。

模型建立

我们的游戏开发经历了类似于Bazil的(2012)模型前三个阶段（目的和目标设定、创意设计和硬件设计）的阶段，而在发现一些问题后，我们重新审视了之前的各个阶段。对游戏的整体概述和基本信息的重新调整，类似于Bazil模型中的目的和目标设定阶段。游戏创意源于以往的体验，并从一个简单的想法开始扩展游戏设计，这与Hassain的(2010)建议相似。

我们的观察在以往建议的基础上提出了一些新的见解。尽管Bazil（2012）简要提及了规则和流程的调整，但我们发现此类调整可能占据开发过程相当大一部分时间。结合先前的文献与我们的观察，我们提出了一个用于教育游戏开发的新模型，如图7所示。

该模型从学习目标和目的设置的定义开始，接着识别游戏需求和目标，然后进入迭代阶段。设计阶段作为迭代的第一阶段，包括概念设计和游戏设计。在设计阶段之后，制作游戏原型，并在评估阶段进行测试。评估之后，开发团队会确定所提出问题的解决方案。

有时团队需要重新审视学习目标和目的设置阶段。第一次迭代后，游戏将基于之前阶段所创建的设计进行优化和调优。游戏设计过程也可能被称为游戏调优。

这样一个模型允许通过螺旋的每一次迭代逐步优化交付成果。随着开发的推进，调优的规模将逐渐减少。当开发团队认为原型可以接受时，团队将结束迭代并开始准备学习课程。在学习课程之前可能会有多次迭代，因为在完成初始的概念设计或游戏设计后，调整规则、设计和卡片内容可能耗时较长。每个过程的步骤将结合搜索引擎优化战争（SEO War）的开发过程进行说明。

学习目标和目的设定

游戏开发始于目的设定和学习目标的定义。开发团队应首先确定基于游戏的学习需求，例如激发学生参与或提升学生的知识获取。根据所确定的需求，应明确学习目标。

搜索引擎优化战争的学习目标如表6所示。在我们的开发过程中，并非所有学习目标一开始就被确定下来。最初，我们确定了学习目标1‐4，而学习目标5和6是在一些开发工作之后才被确定的。随着对游戏了解的深入，我们对已有的学习目标进行了优化。虽然不常见，但并非不可能在开发开始后调整学习目标。有时如果问题太难解决，或发现初始设置存在问题，团队可能需要重新从学习目标和目的设定开始。

学习目标	描述
1	了解页面内和页面外优化策略在搜索引擎优化中的作用。
2	了解用于优化网站以实现转化的常见策略。
3	比较并评估在搜索排名中优化网站的不同策略引擎结果页面
4	了解搜索引擎优化中的常见错误、黑帽SEO策略以及搜索引擎惩罚。
5	了解内容创作在搜索引擎优化中的作用。
6	比较链接建设和链接赢得之间的异同

确定游戏需求和目标

根据既定的学习目标和目的，团队确定了游戏的需求和目标。在开发SEO War时，我们设计了一个与政府决定关闭城市中除一所大学外所有其他大学相关的故事，这引发了各大学在招收学生数量方面的竞争。

概念设计

概念设计涉及创建学生需要掌握的概念的表征，这些概念与游戏的不同学习目标相对应。图形化表示有助于在概念设计过程中进行直观展示（Lurie & Mason, 2007）。开发团队可以绘制因果模型，以帮助呈现概念与游戏属性之间相对于游戏学习目标的关系。

Ifenthaler（2010）也推荐了这种方法。在调整游戏属性或学习目标时，该模型可以相应扩展或修订。

第一个SEO战争的因果模型包含了两个游戏属性，即排名因素和转化率，对应表6中的学习目标1至4。在尝试并评估初始原型后，又确定了两个额外的学习目标，因此因果模型相应地扩展为包含内容得分和垃圾信息得分。这些因果模型如前文图4和图5所示。

在开发主要依赖游戏卡片的教育游戏时，整合卡片信息的电子表格有助于讨论，尤其是在初次迭代之后，因为调整卡片内容可能非常耗时。此外，游戏卡片可以被归类为不同的学习类别。在我们的游戏中，搜索引擎优化策略被分为五个学习类别：“页面内优化”、“链接建设”、“链接获取”、“着陆页优化”和“内容创作”。各项对游戏属性的影响均写入所有游戏卡片中。表7展示了游戏中示例策略及其效果。

策略	示例卡片	排名因子	转化 Rate	内容得分	Spam 得分
页面内优化	- 在H1标签中添加关键词 - 提高加载速度的网页	增加			May 增加
链接建设	- 目录提交 - 付费购买反向链接	增加			增加
链接获取	- 在社交媒体上分享 - 博主推广	增加
Landing Page 优化	- Call for actions - 用于着陆页的A/B测试		增加
内容创作	- 创建博客文章 - 创建位置特定的着陆页			增加

先前文献（Su，Cheng，& Lin，2014年）建议在教育游戏的卡片中纳入描述性内容以及随机因素。在游戏中，玩家在打出策略卡片后应抽取一张事件卡片，这可能会带来正面或负面的结果。它反映了玩家在进行搜索引擎优化操作时可能会有额外收获或出现错误。

与策略卡片类似，事件卡片也被分为不同的学习类别。表8展示了《搜索引擎优化战争》中事件卡片的示例。

类别	示例	排名因子	转换 Rate	内容得分	Spam 得分
页面内优化	- 登陆页面内容单薄 - 重复内容	减少			增加
Link Building	- 获取低质量反向链接 - 反向链接多样性低				增加
着陆页优化	- 过多的自我宣传内容 - 弹出式广告		增加
内容创作	- 创建博客文章 - 创建位置特定的着陆页			增加

游戏设计与调优

在确定学习目标和概念模型后，应将概念模型中的游戏属性映射到游戏组件上。此外，还需定义游戏规则和机制。在游戏设计过程中，也应考虑用于教育游戏的游戏元素和特征（参见表1）。

在我们的案例中，游戏属性、棋盘游戏组件及其在游戏中的关系如表9所示，而游戏规则如表10所示。一些游戏特性的考虑及其相应的规则如表11所示。

开发者 may 考虑在游戏卡片中添加学习类别，以增强学生的学习效果。在我们的案例中，游戏卡片包含了学习类别以及对不同游戏属性的影响。此外，我们在开发初期增加了新的游戏属性，而在后期阶段则专注于调整卡片内容，这是一种小规模的调优。然而，增加新的学习目标和属性可能会提高游戏的复杂性以及学习游戏规则所需的持续时间。

在主要回合期间，玩家可以对其网站应用不同的SEO策略并攻击其他玩家，随后抽取事件卡片。玩家在回合结束时获得的学生数量取决于其网站的SEO表现。如果玩家的垃圾评分过高，其网站将不会被列入搜索引擎中，因此在该回合无法获得任何新学生。在回合结束时，玩家可以根据其内容得分获得额外的相关性分数。此步骤模拟了现实世界中SEO的链接获取过程。

游戏的调优可以包括但不限于调整游戏规则；改善游戏平衡；以及游戏因素。随着时间的推移，调优或优化的规模将减少。游戏调优是为了应对之前发现的不同问题而进行的。

游戏属性	桌游组件	详情
学生准入条件	游戏棋盘	每位玩家的学生准入条件数量由其在游戏棋盘上的准入轨道中的位置表示游戏棋盘
学生准入条件	转化图	将玩家的搜索引擎排名和转化映射每个回合的学生准入条件数量的比率。
搜索引擎结果页面位置	游戏棋盘链接板	玩家的链接板被放置在棋盘上16个位置中的一个游戏棋盘上的16个位置之一。
排名相关性分数(RF)	仪表盘	仪表盘会跟踪每个玩家的当前状态排名因素、转化率、内容得分和垃圾信息分数.
转化率（CR）	-	仪表盘会跟踪每个玩家的当前状态排名因素、转化率、内容得分和垃圾信息分数.
内容得分 (CS)	-	仪表盘会跟踪每个玩家的当前状态排名因素、转化率、内容得分和垃圾信息分数.
垃圾评分 (SS)	-	仪表盘会跟踪每个玩家的当前状态排名因素、转化率、内容得分和垃圾信息分数.
搜索引擎优化策略和错误	游戏卡片	策略卡：玩家使用这些卡片来优化其网站的 RF、CR、CS 和 SS。攻击卡：玩家使用这些卡片进行攻击其他玩家。事件卡：代表在过程中发生的任何错误执行搜索引擎优化策略（如果有）或其他运气好坏的事件
N/A	游戏卡片	特殊卡牌：获得一些优势，例如抽牌更多卡片，以及立即获得准入条件

游戏阶段	游戏规则
游戏设置	玩家应选择一个大学并将大学标记放入默认位置位置。 2. 为不同大学初始化链接板位置。
主回合	玩家将轮流执行以下步骤（从玩家从搜索引擎结果页面排名最高的玩家到搜索引擎结果页面排名最低的玩家）。 1. 使用攻击卡片对抗其中一个其他玩家 2. 战术卡片并调整其仪表盘中的RF、CR、CS和SS。 3. 调整搜索位置：如果使用了具有相关性分数效果的策略卡，则玩家的搜索引擎结果页面中的位置。玩家可以“跳转”并替换对手的位置如果他的相关性分数高于对手。 4. 抽取事件卡并立即使用它。
回合结束	玩家将轮流执行以下步骤（从玩家）从搜索引擎结果页面排名最高的玩家到排名最低的玩家。如果玩家的垃圾信息评分超过预设值，该玩家将受到处罚（Penguin state）并将跳过以下步骤。 1) 通过检查转换图来增加准入条件跟踪。 2) 抽取新的策略卡片。 3) 链接获取：根据内容得分获得额外的相关性分数。 4) 调整搜索位置（类似于主回合）
游戏完成	第一个获得预设准入条件的玩家将成为游戏的赢家

游戏特性	游戏设计/机制
竞争（马龙和莱珀，1987）	玩家可以使用攻击卡片对抗其他玩家，从而使对手发送垃圾信息分数可能增加，或排名因素/转化率/内容分数可能减少
竞争（马龙和莱珀，1987）	玩家在游戏棋盘上为搜索引擎结果位置而竞争。玩家如果他的相关性分数高于对方，他可能会“跳跃”并替换对手的位置五月对手。
游戏平衡（Salen & Zimmerman，2004	由于只有一个大学能在游戏的搜索引擎结果页面上占据一个位置棋盘，不同玩家的初始搜索引擎位置是不同的。排名因素、转化率、内容得分的初始值不同玩家应进行调整以平衡游戏的公平性在⋯⋯之中 players. 此外，不同学习类别中策略卡片的效果也应被考虑。自适应调整以符合学习目标和玩家游戏需求体验。例如，用于链接获取的卡片应对效果产生更大的影响相关性分数高于链接建设卡片。由于链接建设卡片可能会增加垃圾信息得分，我们通过要求玩家拥有特定内容来平衡游戏在积分卡可使用之前获得的链接积分
社交互动（Roozeboom，Visschedijk & Oprins，2015；Sweetser 和惠氏，2005）	在主要回合期间，玩家应讨论所使用卡片的内容，这将促进游戏过程中玩家之间的交流和学习。玩家在游戏过程中。
随机性 (Zagal, Rick, & Hsi, 2006)	玩家在游戏中会抽到不同的策略卡片，这引入了随机性。如果玩家能抽到更好的卡片，他们可能会更容易获胜。一种改善运气与策略平衡的方法是调整每回合抽取的新每回合抽取的卡片以及每位玩家持有的最大卡片数量玩家

原型设计

在此阶段，将创建游戏的一个原型，或修改之前的原型。如果变更相对较小，则不一定需要准备一个新的原型，因为当卡片和组件较多时，制作原型可能会耗费大量时间。

在我们的案例中，由于需要调整卡片内容，因此制作了新的卡片，而之前迭代中创建的一些其他游戏组件则可以重复使用。我们的游戏每套包含超过100张卡片，每次从头开始创建原型都很困难。Bazil（2012）建议在其提出的硬件设计阶段制作原型。然而，在我们的模型中，原型也可以在更早的创意设计阶段制作，以促进讨论。

评估

在制作或修改原型后，开发团队和潜在用户将从可用性、游戏体验和学习影响方面对原型进行评估。开发团队还应考虑游戏元素/特性以及游戏与教学场景的契合度。评估过程应被观察记录，并收集玩家的反馈意见，进而确定解决方案。

在我们的案例中，第一个原型仅包含两个用于确定玩家表现的属性，不足以实现学习目标。在评估游戏卡牌内容时，发现一些规则和卡牌描述存在歧义，并进行了改进。相应的解决方案在下一阶段得以确定。

解决方案识别

应在评估过程中发现的问题确定解决方案，并对问题进行优先级排序，以便在后续迭代中进行游戏调优。表12展示了我们针对早期原型中发现的不同问题所进行的一些游戏调优。

例如，在下一轮迭代的游戏调优过程中，我们调整了不同类型卡片的比例和数量，以使所有玩家遇到正面和负面结果的概率相当（Zagal, Rick, & Hsi, 2006）。我们还通过调整游戏设计来确保公平性，使每位玩家都能在相同的起点上竞争。游戏规则可进行调整以加快游戏进度，或重新编写以提高理解性。后期阶段的调优可能规模较小，但可能比初始阶段的游戏设计开发耗费更多时间。

在开发开始后，由于在前期阶段发现了主要问题，确定新的学习目标和概念范围是很常见的。在我们的案例中，在试用了第一个原型之后，我们确定了额外的学习目标，并在下一轮的游戏设计过程中增加了两个游戏属性（内容分数和垃圾信息分数）。然而，增加学习目标可能会影响游戏的平衡性和趣味性，因此在后期阶段可能需要进一步的游戏调优。