游戲化在線教育對學習效果影響的元分析*

張 敏，冉 暢，張 芳

0 引言

游戲化是指在非游戲情境中應用游戲化元素[1]，如積分、排行榜、等級、徽章、好友[2]，并在如信息素養(yǎng)教育[3]、信息系統(tǒng)設計[2]、人力資源管理[4]等行業(yè)及情境中得到廣泛應用。皮尤研究中心調查顯示，53%的受訪者對游戲化在教育、健康、職業(yè)等領域的廣泛采納和應用持積極樂觀態(tài)度[5]。游戲化研究中，從研究主題看，游戲化理論建構[6]、游戲化信息系統(tǒng)設計[2，7-8]、游戲化用戶行為及其影響因素[9-10]最受關注；從研究方法看，實驗和準實驗(quasi-experimental)方法、問卷調查方法應用較多；從研究情景看，從信息檢索、數(shù)字圖書館到在線教育均受到關注。截至2021年6月，我國在線教育用戶規(guī)模3.25億[11]。在線教育和教育信息化發(fā)展為游戲化應用創(chuàng)造了環(huán)境。“游戲化在線教育”與“嚴肅游戲”或“教育游戲”的概念存在顯著區(qū)別[1]，前者是指在線學習(E-learning)情境中對積分、排行榜、任務等常見游戲化元素的運用，本質上是教育為主、游戲為輔；后者是指以游戲界面為交互界面并在游戲中加入教育材料[12]，本質上是游戲為主、教育為輔。高輟學率是在線教育的難題，游戲化是一個積極的解決方案[13]。然而，學術界對游戲化在線教育褒貶不一。支持者認為游戲化的應用有助于提升學習者的參與度，并為在線學習中各參與方創(chuàng)造顯而易見的價值，如學習平臺能獲得更多收益，學習者能提升自身學習績效，而講授者能豐富授課內容和形式并將知識傳播給更多的學習者。批評者認為游戲化會導致“過度合理化”(over-justification)，游戲化對學生提供的外在激勵會削弱學生出于認可學習價值的內在學習動機[14]，會加重學習者的認知負荷，需謹慎進行[15]。

盡管學者們大多采用相似的實驗方法來探討游戲化在線教育對學習效果的影響，但不同實證研究得出的結論并不完全相同，可能存在較大差異甚至完全相反的結論。Yang等[16]發(fā)現(xiàn)游戲化學習中徽章的應用對英語學習有正面影響，但Brom等[15]發(fā)現(xiàn)游戲化和非游戲化在學習成果上無差異，且游戲化會加重學習者的認知負荷。針對矛盾性結論的現(xiàn)象，部分學者對游戲化與學習效果之間相關關系研究的文獻進行了元分析研究。元分析能夠對包含不同樣本的研究結果進行再統(tǒng)計來尋求一個綜合的結論，已有的元分析研究在研究對象、研究情境、效應值計算方法與結果和文獻樣本上呈現(xiàn)出以下特征：(1)研究對象。關注焦點集中在教育游戲[17]、實體課堂[18]等相對傳統(tǒng)的研究對象，突出了教育游戲或課堂游戲與傳統(tǒng)教學方式相比的優(yōu)勢，對游戲化在線學習與傳統(tǒng)在線學習相比的優(yōu)勢缺乏必要的關注。(2)研究情境。研究情境以學習者個人特征[17]或所處國家[19]進行限定，情境劃分差異導致難以歸納出統(tǒng)一的結論。(3)數(shù)據結果。出于效應值標準化及樣本數(shù)量的考慮，許多研究采用Hedge's g作為效應值，最終的元分析總體效應值結果介于0.504-1.695[17-19]，存在較大差異。(4)文獻樣本。已有元分析中實證研究的樣本大都集中于2018年之前，需要補充更新的樣本。

在線教育平臺應用游戲化的有效性是學習者繼續(xù)或終止應用游戲化的重要前提。本文的創(chuàng)新主要表現(xiàn)在：(1)在研究對象上，重點關注游戲化在線教育與傳統(tǒng)在線教育相比的優(yōu)勢，并非線下課堂游戲化與線下傳統(tǒng)課堂的對比，也非線上游戲化與線下傳統(tǒng)課堂的對比，針對特定研究對象統(tǒng)一了實證研究中的矛盾結論；(2)在研究情境上，不限定特定情境以最大化發(fā)揮元分析方法在解決爭議問題上的優(yōu)勢，提高結論在不同場景的適用性；(3)在文獻樣本上，納入2018年至今的最新研究樣本，加強結論的時效性。此外，通過得到“游戲化是否有效”這一爭議問題的統(tǒng)一結論，以及對不同條件下游戲化應用效果差異的研究，本文將為產業(yè)應用提供建設性意見。

1 研究設計

1.1 整體效應檢驗

游戲化能提高工作效率、參與度和績效[20]。既有研究中，心流理論是討論較多的基礎理論，認為當個體處于心流體驗狀態(tài)時，會完全沉浸于從事的事情，心情愉悅且感覺時間過得快[21-22]，通常采用控制感、注意力、好奇心和發(fā)自肺腑的興趣等4個狀態(tài)來呈現(xiàn)[23]。心流理論廣泛應用于解釋游戲化的正面效應，認為游戲化學習環(huán)境能夠促使心流體驗感覺的產生[24]，學習環(huán)境中的心流體驗是在學習中取得成功的重要預測因素[25]。

在已有實證研究中，部分結論證明游戲化對學習效果存在正面影響。Saran等[26]在計算機架構課程中設置游戲化組和對照組進行對比實驗，發(fā)現(xiàn)游戲化組學生的成績顯著高于對照組；Wu[27]使用英語詞匯練習系統(tǒng)進行對比實驗，結果表明游戲化組學生的學習效果更好。當然，也有一些研究認為游戲化對學習效果不存在顯著影響甚至存在負面影響。De-Marcos等[28]在本科課程中比較游戲化在線學習和傳統(tǒng)在線學習，發(fā)現(xiàn)傳統(tǒng)在線學習表現(xiàn)優(yōu)于游戲化在線學習。

本文聚焦國內外游戲化在線學習實證研究，選取游戲化在線學習高速發(fā)展的近10年文獻為數(shù)據樣本，采用元分析來系統(tǒng)探究游戲化在線學習與學習者學習效果的關系，從整體效應上探究游戲化對在線學習效果的影響強度。為此提出：

問題1：整體效應上，游戲化對在線學習效果是否存在顯著正向影響？

1.2 游戲化在不同條件下影響的差異

參考現(xiàn)有研究，從學習內容、實驗方法、學習者個體特征等方面選取對學習效果的影響有理論或實證支持的、實證樣本中有明確報告的“學科類型”“實驗周期”“學習者年齡段”三個因素檢驗游戲化在不同條件下對學習效果影響的差異。

(1)學科類型。學習者的認知負荷水平因學科類型而不同。認知負荷理論認為，認知負荷分為內在認知負荷和外在認知負荷，內在認知負荷是指與特定教學主題相關的內在難度水平，外在認知負荷是指學習內容呈現(xiàn)的方式帶來的認知負荷[29]。Stodolsky[30]發(fā)現(xiàn)，與社會研究課程相比，數(shù)學教學更具結構化、順序性，吸引力更低，但社會研究課程的多樣性導致更高的認知復雜度。游戲化元素如任務可能更容易和結構化高的學科類型進行結合，從而降低外在認知負荷。在本文元分析的研究中，學科類別主要分為計算機、語言學習、生物學、工程類、人文社科等。學科的不同特點產生不同的內在認知負荷。其次，將影響游戲化是否以學習者習慣的方式嵌入課程，導致不一致的外在認知負荷。因此，本文提出：

問題2：游戲化對在線學習效果的影響是否因學科類型不同而存在顯著差異？

(2)實驗周期。游戲化在線學習的積極效應可能來自新穎性，當新穎體驗轉為普通體驗后，游戲化在線學習的積極效應消失[31]。這可能是學習者好奇心減弱的影響。好奇心驅動理論認為，人們希望在思維過程中保持一致性或可理解的狀態(tài)，新穎或沖突會導致思維過程的不確定性，好奇心被喚起，通過學習使一致性得到復原。好奇心驅動學習過程，產生了獲取知識和技能的愿望[32-33]。本文中，游戲化作為好奇心產生的源頭之一，喚起學習動機，對在線學習效果產生正面影響。隨著實驗周期增加，學習者對游戲化的理解不斷加深，好奇心減弱，游戲化對在線學習效果的影響減弱。本文將實驗周期編碼為單次實驗、1-8周、9-18周、18周以上，并提出：

問題3：游戲化對在線學習效果的影響是否因實驗周期不同而存在顯著差異？

(3)學習者年齡段。不同年齡段的學習者，其學習經驗和能力存在差異。游戲化的引入主要是為了解決在線學習輟學率高、用戶動機不足、參與度低的問題。自我決定理論認為，個體行為由內部(intrinsic)動機和外部(extrinsic)動機同時驅動。其中，內部動機表現(xiàn)為個體基于對某行為的價值充分認可(如發(fā)自內心的熱愛、認為該行為對自己有意義)而產生的對所實施行為的強烈動機傾向，外部動機表現(xiàn)為個體基于對工作所能帶來的外部刺激(如獲得獎勵/逃避懲罰、社會認可)而產生的對所從事工作的動機傾向[34]。自我決定理論既可以解釋游戲化的正面效應，也可以解釋游戲化的負面效應。其中，正面效應體現(xiàn)在游戲化對學習者內部動機的影響上，學習者將游戲化的外部動機內化為內部動機，內部動機對學習效果有積極影響[35]；負面效應體現(xiàn)在游戲化對學習者外部動機的刺激作用上[36]。對于低齡學習者，其對學習的內部動機認識不足，往往更關注游戲化元素，導致了注意力的分散，且其將外部動機內化的能力有待提高，因此影響自主參與游戲化在線學習的意愿。本文將學習者年齡段編碼為小學、中學、大學，并提出：

問題4：游戲化對在線學習效果的影響是否因學習者年齡段不同而存在顯著差異？

2 研究過程概述

元分析是一種對多項研究目的相同的獨立實證研究進行定量綜合的方法，有增加統(tǒng)計檢驗效能、定量估計研究效應、發(fā)現(xiàn)既往研究不足等作用[37]。本研究的具體實驗步驟包括文獻檢索、文獻篩選、文獻編碼、發(fā)表偏倚檢驗、總體效應值計算、調節(jié)變量影響檢驗等。

2.1 數(shù)據獲取

中文文獻的檢索結果主要來源于中國知網和萬方數(shù)據等數(shù)據庫，檢索式為“TI=游戲AND TI=學習AND(TI=效果OR TI=成績OR TI=實驗OR TI=有用OR TI=績效OR TI=成果)”(TI表示標題)。英文文獻的檢索結果主要來源于Web of Science、ProQuest、Google Scholar、Academic research complete(EBSCO)等數(shù)據庫，并在ACM、ScienceDirect、Emerald、Sage、Springer、Wiley、Taylor&Francis等出版商網站進行搜索，檢索式為“TI=(gamification OR game-based OR gamified OR gamifying)AND TI=learning AND TI=(performance OR outcome OR achievement)”。具體操作中，在保證檢索式主要關鍵詞一致性的前提下，根據檢索平臺要求(如不同的邏輯運算符)進行微調。檢索文獻主要包括同行評議期刊文章、會議論文和碩博學位論文等類型。鑒于游戲化在線學習研究文獻主要出現(xiàn)在2010年后[1]，因而文獻檢索的時間為2010年至今，獲得中文研究文獻90篇，英文研究文獻952篇。

2.2 數(shù)據處理

數(shù)據處理過程分為數(shù)據預處理、發(fā)表偏倚檢驗、效應值提取和計算3個步驟，詳見圖1。其中，數(shù)據預處理包括去重、篩選和編碼。首先，去重。將文獻導入EndNote文獻管理軟件，對標題、作者、發(fā)表年份均相同的文獻僅保留1篇。然后，篩選。閱讀標題和摘要，剔除非實證類研究和定性類研究。進行全文閱讀，篩選符合條件的文獻，即以游戲化在線學習為研究情境，聚焦游戲化在線學習對學習效果影響，采用實驗或準實驗的研究方法，研究數(shù)據包含可計算的效應值(如實驗組和對照組的均值、標準差、樣本量)的文獻。經篩選獲得完全符合研究需求的高相關性文獻18篇，共包括18個獨立的效應值。最后，編碼。本文研究對象是游戲化在線學習，因變量為認知層面的學習成果(如考試成績)。同時，對學科、學習者年齡段、實驗周期作為調節(jié)變量進行編碼。文獻編碼結果見表1。

圖1 數(shù)據處理流程

表1 文獻編碼結果

效應值提取和計算主要采用標準化均數(shù)差(standardized mean difference，SMD)的計算方法。不同研究對學習績效的衡量采用的測量方法不盡相同，將它們報告的原始均值差進行計算是無意義的，同時也需要做小樣本的誤差糾正。鑒于上述考慮，本研究選取了比Cohen’s d更好的效應值Hedge’s g[54]。

本研究從文獻中提取的效應值是認知表現(xiàn)(如學生在考試中的成績)，而非情感表現(xiàn)(如滿意、高興)或行為表現(xiàn)(如參與度)。在游戲化在線學習與學習者學習效果的關系研究中，規(guī)范化的實驗研究設計常采取隨機分組方式，即將學習者分為游戲化實驗組和非游戲化對照組，對實驗組施加游戲化干預而對照組不進行游戲化干預，之后對組間學習效果進行測量來比較是否存在顯著性差異。隨機分組的假設和目標是各組的先驗知識無顯著差異，在這個假設前提下使用后測值進行計算方能符合本研究的目標。因此，本研究納入計算的指標為后測成績，如果研究報告了認知表現(xiàn)的前后測差值的均值和標準差，則使用該值計算效應值。有少量研究分析了復雜數(shù)據集，通常包括3種情況：(1)同一實驗組和兩個及以上控制組；(2)兩個及以上的實驗組和同一個對照組；(3)多個實驗組和對照組的配對。

針對情況1，將兩個或多個實驗組的數(shù)據進行合并，并基于Borenstein等[39]提供的公式(公式1、2、3)來計算游戲化條件下的合并平均值和標準差，然后使用對照組的數(shù)據和合并后的實驗組數(shù)據進行元分析。針對情況2，將對照組的數(shù)據進行合并。從De-Marcos等[28]和Dominguez等[38]的研究中提取到的實驗組數(shù)據相同，按照情況1進行處理，將這條數(shù)據的文獻信息編碼為“De-Marcos等”。針對情況3，本文將每一對實驗組和對照組數(shù)據視為獨立樣本納入元分析，不僅是因為各對實驗組和對照組提供了不同的信息，而且這樣做更契合研究的主要目標，即游戲化在線學習是否比非游戲化在線學習有效果。完成對復雜數(shù)據集的處理后，將所有數(shù)據導入R軟件4.0.3版本中，使用meta包(package)來進行計算分析[55]。由于不同研究的學習效果衡量和游戲化元素差異懸殊，本研究所有數(shù)據通過隨機效應模型計算且設置α=0.05，后文將通過異質性檢驗進一步驗證使用隨機效應模型的合理性。計算過程中完整保留了原文獻提供的數(shù)值精確度，對于部分研究提供的方差等數(shù)據需要通過計算轉化為標準差，以Microsoft Excel的計算精度(小數(shù)點前+小數(shù)點后共15位)作為這些數(shù)據的精確度。在所用的公式中，n表示樣本量，μ表示均值，σ表示標準差。

異質性檢驗主要是用于判斷獨立樣本之間的異質性程度。當異質性程度較高時，需要進行亞組分析，即對調節(jié)變量的取值進行分組，通過組間差異的顯著性來判斷調節(jié)變量是否存在調節(jié)作用。當亞組的組間差異顯著時，可認為調節(jié)變量存在顯著的調節(jié)作用。

發(fā)表偏倚(publication bias)是文獻往往傾向于呈現(xiàn)顯著的結果而非不顯著的結果[56]，為保證研究結論的可靠性需要進行發(fā)表偏倚檢驗。本文首先使用漏斗圖進行可視化檢查，若不存在發(fā)表偏倚，各個獨立研究的效應值將對稱分布在平均效應值兩側；若存在發(fā)表偏倚，漏斗圖將出現(xiàn)頂部對稱、中部少許不對稱，底部極不對稱的情況。漏斗圖雖然能用于直觀判斷但存在主觀性的缺點，為更準確地檢驗發(fā)表偏倚，本研究還采用了Egger’s檢驗。Egger’s檢驗是對漏斗圖的對稱性進行數(shù)值檢驗的方法，即以所有獨立樣本的標準正態(tài)離差(standard normal deviate)為因變量，估計精度(precision)為自變量來進行線性回歸分析，當回歸分析得到的顯著性p＞0.1時可認為不存在顯著的發(fā)表偏倚。

3 結果分析

3.1 發(fā)表偏倚分析

為避免發(fā)表偏倚現(xiàn)象，選取期刊文章、會議論文、碩博學位論文等多樣性的研究樣本，結合數(shù)據分析進一步驗證。使用漏斗圖對發(fā)表偏倚進行可視化(見圖2)，X軸是每項獨立研究的標準化均值差(SMD)，Y軸是每項獨立研究的標準誤差，漏斗內的中線代表本研究的平均效應值，漏斗圖整體呈現(xiàn)出對稱性。Egger’s檢驗的結果顯示，t值為1.428，自由度為15，p值為0.1738。p值大于0.1，進一步驗證研究樣本未出現(xiàn)發(fā)表偏倚[57]，所得數(shù)據具有可靠性。

圖2 發(fā)表偏倚檢驗漏斗圖

3.2 游戲化對在線學習效果的整體效應分析

元分析得到的總體隨機效應值為0.6338，置信區(qū)間為[0.3228；0.9449]，p＜0.0001，達到統(tǒng)計顯著水平。被試者總共2，983名，其中游戲化條件下的被試者有1，832名，非游戲化條件下的被試有1，151名。結果顯示，游戲化對在線學習效果具有正面影響，回答了問題1。圖3為游戲化在線學習對在線學習效果影響元分析的森林圖，該圖顯示了每個效應值對應的研究的作者和年份、效應值(Hedge’s g，根據效應值系數(shù)進行了排序)、置信區(qū)間和權重。其中，灰色的方形代表每項研究的效應值的點估計，穿過箱子的橫線代表置信區(qū)間。當置信區(qū)間包含了0時，說明該獨立研究在統(tǒng)計上不顯著，共有3項在統(tǒng)計上不顯著。

圖3 游戲化在線學習對學習效果影響森林圖

異質性檢驗的結果顯示，Q值為219.59，自由度是16。p值小于0.0001，值為92.7%，說明不同研究中的真實效應的大小不盡相同，觀察到的方差的比例反映了真實效應大小的差異，而不是抽樣誤差[54]。根據文獻[58]，值在75%左右可以解釋為高異質性，從而印證了使用隨機效應模型進行分析的合理性，也說明對可能存在的調節(jié)因素進行分析的必要性。

3.3 不同條件下游戲化影響的差異

游戲化對不同學科、不同實驗周期、不同年齡段的在線學習效果影響差異見表2。為避免單個研究在實驗設計、樣本選取上的誤差，只包含1條數(shù)據的分組未納入分析。

表2 亞組分析結果

在學科方面，游戲化對工程類(g=0.6772，p=0.0019)、語言學習類(g=1.4437，p=0.0024)、數(shù)學類(g=0.7229，p＜0.0001)、人文社科類(g=0.2724，p=0.0014)的在線學習效果存在顯著正向影響，游戲化在線學習對計算機的學習效果無顯著影響。組間差異顯著(p=0.0033)。問題2得到了回答。

實驗周期方面，游戲化對1-8周(g=0.7161，p＜0.0001)、18周以上(g=0.8151，p=0.0337)的在線學習效果存在顯著正向影響，游戲化在線學習對單次實驗、9-18周實驗周期的學習效果無顯著影響。組間差異不顯著(p=0.2029)。問題3得到了回答。

年齡段方面，游戲化對大學階段(g=0.6147，p=0.0009)的在線學習效果存在顯著正向影響，對小學(g=0.7232，p=0.0568)階段的在線學習效果無顯著影響，組間差異不顯著(p=0.7972)。問題4得到了回答。

4 討論與啟示

本文系統(tǒng)梳理游戲化在線學習領域的實證研究結論，旨在通過規(guī)范化的元分析，探討在線教育平臺應用游戲化與學習者學習效果之間的關系。通常效應值超過0.4即可認為影響學習效果[59]，本研究得到的總效應值為0.6338，表示游戲化在線學習對學習效果具有中等程度的正面影響，即在線教育平臺中游戲化元素的應用能提高學習者的在線學習效果。這一結果與李玉斌等[17]的結論一致。究其原因，一是特定的游戲元素設計能引發(fā)用戶的心理反應，滿足用戶心理需求，產生愉悅感，提高對系統(tǒng)的使用和參與度[60]。游戲化能提高學習者的動機和參與行為[52]，而態(tài)度(如動機)和行為是游戲化元素對學習效果產生影響的中介因素[6]。二是游戲化帶來沉浸感。游戲化能夠促使心流體驗的產生[24]，且學習環(huán)境中的心流體驗是在學習中取得成功的重要預測因素[25]。三是游戲化增加了學習者的興趣，而興趣是影響學習的重要因素[61]。本研究可為游戲化在線學習的應用拓展和研究提供研究基礎和發(fā)展思路。納入元分析樣本中，De-Marcos等[28]的研究報告了負效應值。該項研究中，實驗組的實踐作業(yè)成績優(yōu)于對照組，但對照組的期末成績優(yōu)于游戲化實驗組。對此，De-Marcos等[28]給出的解釋是傳統(tǒng)的在線課程模式更適合知識傳達，游戲化干預干擾了學生的注意力，學生在實踐和知識中進行取舍，即游戲化和在線學習的同時應用加重了學生的認知負荷。然而，其他納入研究的樣本未報告負效應值。本文認為游戲化是否干擾了學生注意力受到游戲化元素的設計與嵌入在線教育平臺的方式的影響，生硬而突兀地應用游戲化元素容易干擾學生的注意力，不利于學習效果的提高。

對學科種類的分析顯示，游戲化在線學習對不同學科的學習效果影響有顯著差異，對語言學習、數(shù)學、工程類、人文社科都有正面影響，其中對語言學習的正面影響最大。造成這一結果的原因可能是：對于語言學習、工程類、數(shù)學等結構化強的學科，游戲化元素比較適合與步驟清晰明確的任務相結合來更好地幫助學習者對此類學科內容的學習，外部認知負荷低，因此游戲化的積極效應影響程度被放大。

對實驗周期的分析顯示，游戲化在線學習在不同實驗周期內無顯著的組間差異。實驗周期在18周以上時，游戲化的正面影響最顯著，其次是實驗周期為1-8周時。單次實驗和9-18周實驗周期的影響不顯著。究其原因，有學者認為，當游戲化的新穎體驗轉為普通體驗后，游戲化在線學習的積極效應消失[31]。但研究結論并未呈現(xiàn)出周期增加導致影響效果減弱的趨勢，與現(xiàn)有研究[62]存在差異。本文認為，長期來看，學習者的學習經驗和學習能力趨于成熟，且學習者對游戲化及課程內容更加熟悉，認知負荷降低。

對學習者年齡段的分析顯示，游戲化在線學習對不同年齡段的影響無明顯差異，對大學的學習者有顯著正向影響，對小學階段學習者無顯著影響。究其原因，本文認為，年齡的區(qū)別主要表現(xiàn)在學習經驗和能力的差異。具體來說，游戲化和在線學習的同時應用加重了學生的認知負荷[28]，而學習經驗和能力的不足使得認知負荷對低齡學習者造成了更大的影響。另外，游戲化研究中常常將動機分為內部動機和外部動機。在線學習中的游戲化元素與外部動機有關。根據自我決定理論，能力強者能更好地將外部動機轉化為內部動機，而內部動機能產出更好的學習成果[35]。

游戲化在線教育平臺在未來的設計和實施過程中需要注意以下關鍵內容：(1)統(tǒng)籌規(guī)劃，整合平臺資源。在對納入本文的實證樣本進行分析時發(fā)現(xiàn)，各實證研究中采用的游戲化在線教育平臺大多為Moodle等國外開發(fā)平臺，國內游戲化在線教育平臺則較為缺乏。教育部2018年印發(fā)的《網絡學習空間建設與應用指南》提出針對網絡學習空間“在統(tǒng)一標準和規(guī)范指導下進行統(tǒng)籌規(guī)劃”。因此，整合與利用國際、國內已有平臺資源，在針對短缺部分進行重點建設和突破的同時杜絕重復開發(fā)的現(xiàn)象具有重要意義。(2)揚長避短，平衡游戲學習。對負效應值樣本的分析發(fā)現(xiàn)，認知負荷也是影響游戲化元素應用效果的因素之一。游戲化在線學習的應用有益于學習效果，但過度引入游戲元素會導致物化移情和失去自我[63]。因此，游戲與學習的平衡助推游戲化在線教育平臺的有效應用?？蓪⒂螒蛟匾詫W習者熟悉的方式嵌入到課程中，避免增加學習者的認知負擔。(3)積極創(chuàng)新，豐富應用場景。對學科類型的分析發(fā)現(xiàn)，目前游戲化在一些結構性強的學科中具有更好的效果。作為游戲化在線教育平臺的建設者或者課程的設計者，需要積極創(chuàng)新，探索游戲化與更多類型課程進行結合的合理方式，豐富游戲化教育的應用場景，以更大程度地發(fā)揮游戲化的正面效果。(4)動態(tài)變化，保持新穎體驗。對調節(jié)變量“實驗周期”的分析發(fā)現(xiàn)，在長期接觸游戲化元素干預時，游戲化的積極效果可能因新穎體驗轉化為普通體驗而減弱。因此，游戲化在線教育平臺需要動態(tài)化、創(chuàng)新型管理方式，可通過動態(tài)調整平臺游戲化元素的交互方式、界面展示來保持游戲化在線學習的新穎體驗。(5)重點建設，豐富學習資源。對調節(jié)效應的分析表明，內部動機是影響學生自主學習的因素之一，而學習資源起著為學習者提供內部動機的作用，高質量的學習資源是游戲化在線教育平臺有效應用的保證?？赏ㄟ^共享優(yōu)質資源，推廣典型案例的方式加強學習資源的建設。

5 結語

本研究是對游戲化在線教育研究領域已有文獻的一次系統(tǒng)梳理，研究結論顯示了游戲化對在線學習效果的積極作用，鼓勵游戲化在線教育平臺的建設方和使用方積極、主動地推動此項工作，并為研究者和從業(yè)者提供了一些可供參考的意見和建議。近年尤其是新冠疫情爆發(fā)以來，在線教育在全球范圍內的發(fā)展如火如荼，教育信息化扎實穩(wěn)步推進。游戲化在線學習依托教育信息化和在線教育的發(fā)展將有更多機會對學生成績提升做出貢獻，也更值得學者們深入探討研究。