多媒體教育的神經生理學洞察：遊戲整合學習系統中 fNIRS 的範圍界定回顧
arXiv - Human-Computer InteractionShayla Sharmin, Gael Lucero-Palacios, Behdokht Kiafar, Mohammad Fahim Abrar, Mohammad Al-Ratrout, Aditya Raikwar, Roghayeh Leila Barmaki
本研究透過回顧 20 篇使用 fNIRS 技術的研究，探討神經生理證據如何優化遊戲整合學習系統的設計。
AI 幫你先抓重點
AI 重點 1
神經科學數據能為多媒體學習設計提供客觀的決策依據
滑鼠懸停看 AI 判斷理由
傳統設計多依賴問卷或成績，但神經生理數據能揭示學習者在處理資訊時的真實認知狀態，幫助設計者精準調整難度與互動模式。
AI 重點 2
從實驗室走向真實教室的技術轉化是未來關鍵
滑鼠懸停看 AI 判斷理由
目前的技術多在受控環境下進行，若要將神經科學發現轉化為實用的教育科技，必須克服標準化方法與即時神經適應技術的挑戰。
核心研究發現
- 1
fNIRS 技術能夠有效捕捉學習者在使用不同遊戲整合學習平台與遊戲元素時的大腦反應。
- 2
研究發現不同類型的學習平台會激活不同的腦區，且適應性難度設計能同時降低認知負荷並提升學習表現。
- 3
協作式遊戲玩法（Collaborative gameplay）被證實能預測學習者的知識保留效果。
對教育工作者的啟發
設計者應利用「適應性難度」機制，根據學習者的認知負荷即時調整遊戲挑戰，以達到學習效率最大化。此外，應鼓勵「協作式學習」設計，因為神經生理證據顯示這有助於知識的長期留存。未來開發系統時，可考慮整合生物回饋技術，實現根據學習者大腦狀態進行即時調整的智慧化學習環境。
原始文獻資訊
- 英文標題：
- Neurophysiological Insights into Multimedia-based Education: A PRISMA-ScR Review of fNIRS in Game-Integrated Learning Systems
- 作者：
- Shayla Sharmin, Gael Lucero-Palacios, Behdokht Kiafar, Mohammad Fahim Abrar, Mohammad Al-Ratrout, Aditya Raikwar, Roghayeh Leila Barmaki
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
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。