數位教育中的遊戲化偏好：個體差異之影響
arXiv - Computers and SocietyAnna Katharina Ricker, Kai Marquardt, Lucia Happe
研究顯示年齡、玩家類型與人格特質是影響數位學習遊戲化偏好的主要因素，且學習活動類型亦顯著調節此關係。
AI 幫你先抓重點
AI 重點 1
年齡與玩家類型是最具預測力的個體差異指標
滑鼠懸停看 AI 判斷理由
研究發現年齡是最穩定的預測因子，玩家類型亦顯著影響偏好，這些資訊可直接用於設計針對不同族群的遊戲化介面，提升個性化效果。
AI 重點 2
學習活動類型調節遊戲化元素適用性
滑鼠懸停看 AI 判斷理由
Bloom 層級的差異會改變元素的適用度，說明遊戲化設計必須與任務層級相匹配，否則可能無法有效激發學習動機。
AI 重點 3
個體差異與情境互動產生小至中等效應，提示單一設計難以滿足所有學習者
滑鼠懸停看 AI 判斷理由
效應雖不大，但足以證明單一「萬能」遊戲化元素不可行，需採用模組化、可調整的設計策略以應對多樣化需求。
核心研究發現
- 1
年齡是預測遊戲化元素偏好的最穩定因子，年長者偏好挑戰與成就感元素較多。
- 2
HEXAD 玩家類型與大五人格特質對偏好有顯著影響，冒險型玩家偏好競爭與排行榜。
- 3
性別與學習風格的關聯較弱，顯示個人差異中非性別因素更具預測力。
- 4
學習活動類型（Bloom 層級）顯著影響元素適用性，較高層級活動偏好反饋與協作元素。
- 5
整體效應雖小至中等，提示遊戲化設計需結合學習者特徵與任務情境進行調整。
對教育工作者的啟發
實務工作者可依據學習者年齡與HEXAD玩家類型，選擇最能激發動機的遊戲化元素，例如年長者偏好成就徽章，冒險型玩家則適合排行榜與競賽。研究亦指出，學習活動的Bloom層級會改變元素的適用度，故在設計課程時應將遊戲化模組與任務層級相匹配，並利用機器學習模型持續調整。這種模組化、情境化的設計能提升學習者的參與度與成效，並為教育科技產品提供可擴充的個性化策略。
原始文獻資訊
- 英文標題：
- Gamification Preferences in Digital Education: The Role of Individual Differences
- 作者：
- Anna Katharina Ricker, Kai Marquardt, Lucia Happe
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。