교육용 게임의 액션 기능을 활용한 자동 게시 동작입니다. 넷째, 교육용 게임의 액션 특징을 머신러닝 알고리즘으로 학습한 행동 후 탐지 모델을 구현했습니다.
연구의 배경
액션 기능을 활용하면 교육용 게임에서 학습 과정을 방해하지 않으면서 학습 과정에서 발생하는 인지 갈등, 불확실성 등의 심리 상태를 간접적으로 파악할 수 있다는 장점이 있을 것으로 기대된다. 액션 특징은 사용자의 학습 데이터에서 추출된 특징이기 때문에 교육용 게임의 플레이 과정을 방해하지 않고 학습자의 정보를 활용할 수 있다는 장점이 있다.
연구의 목표
둘째, 중증도 변화에 따른 행위특성의 변화를 살펴보았다. 셋째, 심각도에 따라 게시 행위와 행위 특성의 관계가 어떻게 변화하는지 살펴보았다.
교육용 게임을 이용한 학습 평가 연구
셋째, 행위특징을 통한 학습과정 이해에 관한 기존 선행연구를 검토하였다. 등의 명확한 정보만으로는 학생이 어떤 심리 상태를 갖고 있는지 판단하기 어렵기 때문이다. 교육용 게임에서 모을 수 있는 포인트와 게임 시간입니다.
학습 난이도 평균 동작 기능 솔루션 문제 해결. 게임의 학습 난이도가 높아질수록 액션 기능이 증가하는지 여부.
액션 피쳐를 이용한 학습자 참여도 평가 연구
본 연구의 목적은 학습자의 심리 상태를 반영한다고 알려진 행동의 특징을 활용하여 교육용 게임에서 발생하는 문제행동인 게시행동이 발생했는지 여부를 판단하는데 활용될 수 있는지 알아보는 것이다. 먼저 포스팅 행동과 학습 난이도라는 두 가지 변수가 액션 기능과 어떤 관련이 있는지 살펴보았습니다.
연구 문제 1
그런 다음 학습 난이도가 높아짐에 따라 동작 함수가 증가하는지 확인했습니다. 그리고 학습 난이도에 따라 포스트 행동과 행동 특성의 관계가 어떻게 변화하는지 분석하였다.
연구 문제 2
연구 질문 1에서 우리는 먼저 다양한 게임 디자인에서 포스트 동작과 액션 특성 사이에 중요한 상관관계가 있음을 밝히려고 했습니다. 이러한 결과를 바탕으로 학습장애와 행동특성의 관계를 분석하였다.
데이터 소스
4가지 게임은 두 가지 유형으로 나눌 수 있습니다. 객관식 게임이란 빈 상자 안의 여러 옵션 카드 사이에 정답에 해당하는 카드를 드래그하여 문제를 해결하는 게임을 말합니다.
액션 피쳐
이동 거리 (Distance)
거리는 이동 경로를 따라 이동한 총 거리를 나타냅니다.
일탈 (Deviation)
편차값이 증가하는 움직임을 보여줍니다. 편차 특성에 해당하는 세 가지 세부 특성은 다음과 같습니다.
뒤집힘 (Flips)
4 문제 해결을 위한 학습 난이도가 높은지 여부를 말해 보세요. 또한, 학습장애는 게시행동 및 행위특성과 유의한 상관관계가 있음을 확인하였다.
문제 풀이의 게싱 행동 여부를 레이블링하기
레이블링 규칙 설정
우리는 문제 해결을 분석 단위로 사용합니다. 문제가 해결되었는지 여부를 표시하는 해결 규칙입니다.
이러한 가정하에 사후 행동과 솔루션 행동을 구분하기 위해 시간 제한을 설정했습니다. 본 연구에서는 학생이 플레이한 각 게임 레벨에 대해 시간 제한이 설정되었습니다.
학습자가 플레이한 각 게임 레벨에 대해 반응 시간이 증가함에 따라 누적 응답 정확도를 계산했습니다. 학습자 i가 게임 레벨 j를 플레이했을 때 반응 시간 t에서의 누적 응답 정확도를 CUMPij(t)라고 합니다. CUMP 값이 증가함에 따라 응답 정확도는 점차 증가하여 전체 응답 시간 범위에 걸쳐 평균 응답 정확도로 수렴됩니다.
게싱 행동 여부 레이블 활용 방안
우리는 각 게임에 사용된 커리큘럼에 따라 게임 레벨을 쉬움과 어려움으로 분류했습니다. 따라서 넘버트레인 게임에서는 게임 레벨이 10 미만인 경우를 경도 학습장애로 분류하고, 게임 레벨이 10 이상인 경우를 중증 학습장애로 분류했습니다.
첫 번째는 다중 분류 알고리즘을 사용한 기준 모델이며, 연구 가설 2를 검증하기 위해 두 번째 판별자와 성능을 비교했습니다. 두 번째 판별자는 동작 특징에 대해 훈련된 고전적인 기계 학습 알고리즘을 사용했습니다.
액션 피쳐에 대한 게싱 행동 여부의 주효과
액션 피쳐에 대한 학습 난이도의 주효과
액션 피쳐에 대한 게싱 행동 여부와 학습 난이도의
그 중 Missing Number, Mango Shop, Number Matching 게임에서는 난이도가 높아질수록 솔루션과 퍼블리싱 간의 행위 특성 차이가 커졌습니다. 숫자열차 게임에서는 난이도가 쉬울 때 문제해결의 행동특성이 공개된 문제해결의 행동특성보다 작지만, 난이도가 어려워지면 관계가 역전되어 문제해결의 행동특성이 더 크다. 게시된 문제 해결보다 차이도 커졌습니다.
게싱 행동 판별기의 성능
본 연구에서는 전통적인 학생 평가에서 사용되지 않은 액션 기능을 통해 교육용 게임을 하는 학생들의 게시 행동을 이해하고자 했습니다. 학생의 학습과정을 효과적으로 모니터링하기 위한 방법으로 행동특징을 활용한 사후행동 탐지 모델을 제안하였다.
액션 피쳐의 활용 가능성
다양한 게임 디자인의 액션 기능을 통해 게시 행위에 참여하는 학생들의 심리 상태를 간접적으로 이해하고 게시 여부를 판단하는 것이 중요하다는 것을 확인했습니다. 본 연구는 다양한 게임 디자인의 교육용 게임에서 학생의 행동 이면에 있는 심리적 상태를 반영하는 액션 특징을 활용하여 학생의 게시 여부를 파악했다는 점에서 의의가 있다.
게싱 행동 감지의 중요성
반면, 문제해결 게시의 경우 학생들은 문제해결에 제대로 참여하지 못한 채 조기 포기하는 경우가 많다. 학습 난이도가 높아질수록 액션 기능이 감소하는 것으로 나타났다면 게임이 의도한 목적을 달성하지 못한 채 플레이되고 있을 가능성이 매우 높다.
학습 난이도의 고려 필요성
의도한 대로 학습 난이도가 증가함에 따라 검색 강도도 증가하고 기능의 수도 증가해야 합니다. 따라서 액션 함수를 통해 게시 행위를 효과적으로 결정하기 위해서는 게시 문제 해결을 위한 기능과 해결 문제 해결을 위한 기능이 난이도에 관계없이 잘 분리되도록 하는 방법을 찾는 것이 필요하다.
게싱 행동 감지 모델을 개선하기 위한 방안 제시
두 번째 옵션은 학습 난이도를 반영하는 기능을 추가하는 것입니다. 학습 난이도를 반영하는 두 가지 기능이 있습니다.
연구의 한계점
Software for studying real-time mental processing using a computer mouse tracking method. “Behavioral Research Methods. 34; The Interplay of Game Elements with Psychometric Qualities, Learning, and Enjoyment in Game-Based Assessment.” Computers &.
