ارزیابی پنهان در بازی‌های آموزشی چیست و چرا برای گیمفیکیشن مهم است؟

همانطور که بارها گفتیم، گیمیفیکیشن در آموزش و بازی جدی و مباحثی مثل یادگیری مبتنی بر بازی دو معنای متفاوت دارند. اما شما برای یادگیری گیمیفیکیشن مجبورید مباحث مربوط به بازی‌های آموزشی را نیز بلد باشید. در این مقاله به بررسی ارزیابی پنهان می‌پردازیم.

مقدمه

با توجه به تکنولوژی عصر حاضر بازی‌های آموزشی دیجیتال بسیار پرطرفدار هستند. اما طراحی یک بازی که بتواند همزمانی که آموزنده است، درگیری ذهنی ایجاد کند و اختلالی در غرقگی فراگیر ایجاد نکند بسیار سخت و دشوار است! اما چه چیزی باعث برهم خوردن غرقگی می‌شود؟ یکی از این موارد ارزیابی آشکار است!

ارزیابی پنهان و غرقگی

وقتی مردم بازی‌های آموزشی که خوب طراحی شده‌اند را بازی می‌کنند، حس زمان را از دست می‌دهند. این اتفاق قابل مقایسه با مدرسه و معلم نیست. یکی از موارد مهم در اینجا حس استقلال است که پیشتر در فریمورک RAMP راجع به آن صحبت کردیم.

به بیان ساده‌تر هرچه فراگیر حس کنترل بیشتری داشته باشد، احتمال ایجاد غرقگی بیشتر خواهد شد. ارزیابی پنهان هم به این معناست که ما جوری آموخته‌های فراگیر را ارزیابی کنیم که کاربر حس نکند روی محیط کنترل ندارد! در حقیقت مواردی که می‌خواهیم ارزیابی کنیم به صورت حرفه‌ای در محیط آموزشی جانمایی می‌شوند.

ارزیابی پنهان در بازی‌های آموزشی

تصور کنید که یک دانش‌آموز در یک محیط یادگیری غرق شده است. این کار سبب می‌شود که تعداد زیادی فعالیت توسط کاربر انجام شود. تمامی این فعالیت‌ها در یک فایل ثبت می‌شوند و بر اساس این فعالیت‌ها، میزان یادگیری دانش‌آموز تخمین زده می‌شود و باز بر اساس این تخمین پیام‌های شخصی سازی شده برای وی ارسال می‌شود.

تفاوت ارزیابی پنهان با ارزیابی آشکار

در یک ارزیابی آشکار ما گزینه‌هایی مثل سوالات چندگزینه‌ای و… را داریم. فرض کنید که همه افراد جواب درست را در انتها به یک سوال ارائه دادند. آیا واقعا میزان یادگیری این افراد برابر است؟ قطعا خیر! در ارزیابی پنهان اما نتایج بسیار قابل اعتمادتر خواهند بود!

نکته دیگر این است که این کار توسط کامپیوتر انجام می‌شود. پس نیازی نیست که اصلا معلم درگیر نمره دادن بشود. از طرفی این سیستم وقتی که پشتش داده باشد برای استفاده در دفعات بعدی کارآمدتر نیز خواهد بود! مشخصا با اضافه شدن مواردی مثل رشد تکنولوژیکی و هوش مصنوعی شاهد سبقت گرفتن ارزیابی پنهان از آشکار خواهیم بود.

حمایت سازگار در ارزیابی پنهان

یکی از مواردی که در آموزش مطرح است این است که مدرس، چه زمانی به کمک فراگیر برود. وقتی از ارزیابی پنهان استفاده می‌کنیم. مشخص می‌‌شود که چه زمانی یک فراگیر خاص به کمک نیاز دارد. ما هرچه بیشتر راجع به آن فراگیر اطلاعات داشته باشیم در این زمینه موفق‌تر خواهیم بود.

قدم‌های طی شده برای ارزیابی پنهان

این مقاله برداشتی از مقاله جناب سید احمد رحیمی همشهری ما و استاد دانشگاه فلوریداست. در مقاله ایشان این مراحل ذکر شده است:

1. باید یک مدل شایستگی اولیه داشته باشیم
2. یک بازی را انتخاب کنیم که بتوان در آن اینو نوع ارزیابی را ادغام کرد.
3. یک لیست از اکشن‌های مرتبط که به یادگیری منتح می‌شود را لیست کنیم.
4. ماموریت‌های جدیدی در بازی اضافه کنیم.
5. از یک QMatrix استفاده کنیم که ارتباطی بین اکشن‌های درون بازی و یادگیری ایجاد شود.
6. قوانین امتیازدهی را مشخص کنیم.
7. روابط آماری بین اعضا را دربیاوریم.(Evidence Model)
8. از Bayesian network  یک پایلوت تست بگیریم.
9. باید ارزیابی پنهان را اعتبارسنجی کنیم
10. حمایت یادگیرنده سازگار را به بازی اضافه کنیم.