以人工智能技术为核心的针对个体教育型游戏可能性研究

曾毓逸

摘 要：受疫情和人们对教育越来越重视趋势的影响，分析利用数据化、游戏化教育的发展趋势以及AI技术和沉浸式游戏在教育领域的作用。面向儿童为核心用户群设计了一个以儿童生理心理特征为基础，以人工智能技术为核心的个体化教育型游戏。

关键词：人工智能 游戏设计 游戏化教学 教育游戏 儿童教育

中图分类号F062.5；：TP391.6  文献识别码：A

文章编号：1004-4914（2023）06-213-02

继1946年世界第一台电子计算机ENIAC研制成功后，1958年《Tennisfor Two》世界第一款电子互动游戏发布。1962年《Spacewars》第一款视频游戏发布。目前，游戏的形式、媒介都呈现多元化，同时，人们对多形式、强社交、高沉浸以及游戏视听方面的要求逐渐增加。AI技术的发展，使得游戏的性能大大增强，为未来游戏的形式增加了更多的可能性。

新冠疫情的爆发以及我国人口老龄化，三胎政策与教育资源紧张问题，从而使线上直播教学与视频教学成为热门。线上一体化教学也在逐步发展，以人工智能技术为核心基础，将教育与游戏结合，利用AI技术与游戏化思维优势解决疫情下的教学难点，设计针对个体化的教育型游戏有助于下一代在大数据时代的海量信息下，快速、有效地学习成长。

一、发展状况及背景

（一）社會背景

据2021年中国游戏市场上半年报告中的产业数据显示：2021年1—6月，国内游戏市场实际销售收入1504.93亿元，同比增长7.89%，继续保持较为平稳的增速。用户规模为6.67亿，同比增长1.38%，增速继续放缓。国家新闻出版署下发通知，要求：（1）严限网游企业向未成年提供服务时长，所有网络游戏企业仅可在周五、周六、周日和法定节假日每日20时至21时向未成年人提供1小时服务；（2）不得以任何形式（含游客体验模式）向未实名注册和登录的用户提供游戏服务；（3）加强对防止未成年人沉迷网络游戏有关措施落实情况的监督检查；（4）积极引导家庭、学校等社会各方面切实承担监护守护职责。

国内游戏市场和用户规模持续上涨，而面对未成年限制游戏时长等通知，对国内游戏市场的影响尚且未可知。究其原因是对于游戏这一类具有成瘾性的娱乐项目，未成年人的自我管控力较弱，而家庭、学校的教育引导就变得极其重要。但面临新冠疫情、极端气候的频发，或其他可能爆发的风险或原因而不得不进行线上教学的情况，从家庭教育来看，家庭成员构成、能力素养、职业态度等方面参差不齐，部分成员缺乏系统的家庭教育专业知识，有些单亲家庭等更不用说，缺位现象等家庭不正确的教育，种种现象表明，家庭教育缺乏专业性、陪伴性。而人口老龄化现象、教育资源紧张等问题，在开放三胎等支持政策发布后的舆情反映效果一般。

赋予游戏智能化、专业性的学科知识，基于儿童心理学设计有利于未成年人学科教育的游戏，充分发挥人工智能、虚拟现实、沉浸式游戏的优势，为解决上述问题提供一条新的思路。通过设计该类型的游戏以求减缓教育资源紧张，扩大教育形式，更正未成年人对游戏的不良吸收使用以及社会大众对游戏的片面认识，将游戏良好的沉浸性、交互性、精细的画面、丰富的内容向有利于儿童学科教育的方向发展，设计有助于锻炼未成年人学习、记忆、运用学科能力的游戏。正确的游戏内容填充、游戏环境营造才是游戏发展的正确路径。

基于以上社会背景，探讨解决教育资源紧张、线下教育成本高、家庭教育专业度不够，解决未成年人游戏成瘾等弊端，研究智能化、个体化的教育型游戏的开发可能性，具有重要意义。

（二）教育的新发展趋势

1.数据化教育。据国家统计局的调查报告显示，在家庭消费中，家庭教育消费该项占据65.6%，超过50%的家长将孩子的教育投资排在首位（2004年）。[1]在校园中，如极课大数据平台下极课同学APP，以数据可视化形式反映成绩以及快速智能整理错题等功能，数据化的教育趋势逐渐上升。

2.游戏式教育。目前随着时代发展，学科教育游戏也在不断发展。如：《Human Resource Machine》编程入门内容的教程式游戏；《Crazy Machines 3》以物理学引擎为核心的物理解密游戏；以及手机上扇贝编程——互动式的游戏教学。但缺乏针对用户个体的学科教育型游戏，不同个体的学习模式不同，有的擅长抽象思维，有的擅长逻辑思辨；有的对文字学习比较敏感，有的对视频学习比较能够专注；有的适合两到三小时一节课的长时间专注型学习，有的适合15～30分钟的短时学习；有的思维比较跳跃，学科覆盖性较广，有的专精某一领域。合适的学习模型有助于发现不同个体的个人潜力，也有利于不同个体的自我发展。

（三）发展现状难点及AI教育型游戏优势

1.人工智能技术的增益。（1）营造良好的沉浸式效果。深度学习超级采样即DLSS技术为游戏沉浸感、游戏画面作出重要功效。在保障游戏画质的前提下大大提升游戏帧速，进一步提高了游戏流程度，提高了用户体验；同时，也降低了设备门槛，使得更多用户能够以更低的门槛进行游戏，但又不会得到太差的视听体验。在画面精致的游戏中，大量的模型、场景、及材质、光线等等信息占据了庞大的硬件内存以及运行内存，完美的画面动画需要高代价——内存与能耗，为了平衡画面与游戏流畅度，采取实时渲染当前帧，对图像后期处理增强，然后通过输入组合多个渲染帧来保证画面细节，这样的实时渲染运算需要较高的性能要求。而通过DLSS技术能够解决设备性能不足的问题[2]。（2）多媒体技术：融合图形、声音、文本、视频等多媒体信息，交互式的多媒体教学。（3）人机交互技术：3D立体空间显示器、沉浸式游戏技术、远程遥控技术、3D打印机等。（4）可视化技术：根据数据映射形成可视化图像。（5）仿真技术、虚拟现实技术：丰富生动的教学模型，虚拟场景环境；可通过切换场景与教学模型达到线上远程教学[3]；

2.游戏增益。因材施教，在目前教育资源需求量大的情况下较难满足，人工智能的加入能够很大程度的减轻教育压力，也能充分发挥因材施教这一教育理念。而通过游戏化的形式，摆脱传统型的教学模式，一是可以助力线上教学的进行，丰富线上教学的形式；二是游戏多样化的形式更能激发孩子们的学习热情，也避免了线上教学由于环境因素影响，长时间对着电子屏幕，只能看到老师人脸（甚至看不到）带来的枯燥，注意力降低。游戏化的形式通过沉浸式的剧情动画，形象的npc人物设计，既能保有课堂老师丰富的肢体形象与面对面交互带来的专注力和吸引程度，又能做到随时随地、不受环境场地制约的线上教学。

二、方案设计

（一）儿童的生理心理基础

儿童正处在思维活跃的阶段，是接受吸收知识最佳的黄金年龄段。他们的大脑发育尚未成熟，逻辑思维未完全开发，创造性思维较强。在该阶段，儿童具有强烈的好奇心，观察能力强，喜欢问问题，主动思考研究，热衷拆卸物品。同时，儿童又极易受情绪化的影响，密切观察儿童的情绪变化，照顾儿童的情绪也是非常重要的一点。儿童在该阶段具备极强的模仿能力，故与儿童产生交互的人物需要重点关注。而随着年龄的增长，儿童的个性化表达需求也在不断增长。[4]针对以上几点，预设了以下方案。

（二）基本方案

设计儿童、家长、AI三方交互型的沉浸式交互型游戏教学。游戏设计师、动画师们根据AI的智能大数据收集儿童情绪反馈，以此为基础，设计丰富多样的游戏形式，根据心理师的建议参考、学科老师的学科知识制作剧情动画、丰富游戏数据库，方便AI在针对不同个体时智能匹配不同的任务，不同的剧情走向，以及不同的任务奖惩范围。

1.基于儿童心理设计游戏机制大纲。收集儿童的心理反馈数据，调整奖惩措施，如在用户完成指定任务后，情绪高涨，正反馈高，学习状态良好富有对学习的热情，可以新增支线任务，以获得更多的奖励，会加速奖励进度条。

当用户在同一学科下学习时间过长，思维停滞，学习状态不佳，开始走神，无法集中。可以引入新学科，或另一思维形式的小任务；或者通过在长时间学习任务中根据儿童不同个体状态设立暂停或调动节点，播放趣味性的学科小动画，或者学科冷笑话等等来吸引儿童注意力。根据教育学、幼儿心理学、以及大脑学习思维的模式针对不同用户个体设置不同的游戏大纲、节点任务，以及丰富的奖惩机制，家长可以根据孩子喜好，丰富AI数据库，AI也可以通过收集儿童学习状态下的信息反馈给家长，动态分析孩子的学科兴趣，学科特长，以及各领域方向（逻辑、图像、创作、判断等）的动态多边形模式（相当于游戏角色的战斗力特质）。比如现在热门的话题六边形战士，如果通过学习孩子能够以游戏可视化的方式看到自己的进步与成长，可以大大的激发孩子的学习热情，获得很大的成就感。而AI制定的游戏大纲、节点任务也相当于是学习计划中的长期规划和短期规划；而完成游戏任务获得的奖励，算是學习中长短期计划的一个变相式的结果，良好的情绪正反馈——满足感，成就感，通过自身努力获得奖励，可以促进孩子的不断学习，养成孩子自主学习的好习惯。

2.根据儿童性格特点设计沉浸式的剧情。情绪体验会影响儿童的记忆效果。据此设计剧情式游戏教学，通过学习进度触发剧情，以儿童作为游戏主角，以第一视角进行游戏，儿童通过不断的学习，增强自我能力，对应到主角的能力提高，冒险的继续（仅举例，不局限于冒险类型的剧情游戏）。如果能力没有在短时间提高，也适当增加激励式的剧情，游戏中的NPC鼓励主角（即儿童用户）。

3.根据记忆复述设计游戏环境、界面。一般情况下，短时记忆中的信息只能保持20～30s，但通过重复性的复述，以增加记忆的保持时长，延缓信息消失[5]。据此，根据用户正在学习的学科，将界面、环境设计成有利于记忆的画面，在小细节中反复复述知识点。例如：学习英语时，可将简单的交互界面用词调整为与用户程度相当的英语词组句子，或是用户学习过的词库中的单词将其进行复现。学习数学时，可通过简单的方程式组成一些界面数字，如第2°关。这类型的复述利于营造学科氛围，帮助用户进入心流阶段。

4.根据记忆组块设计难度关卡。1956年，美国心理学家米勒明确提出，短时记忆容量为“7±2”个组块。通过将重难点的知识拆分成若干组块（即设计成不同小关卡或boss的不同血条阶段），通过若干较小单位的联合形成熟悉的、易记的、较大的单位进行信息加工。这样能够有效减少适时记忆中的刺激单位，减少儿童学习重难点时的负担以及厌学情绪[5]。

同时在设计boss战时，保留游戏的打击感，避免长时间难度学习带来的疲劳，重复的打击感会在一定程度上增强儿童的兴奋程度和记忆程度。将往常的打击键如J、Q、W、E或手机触摸屏上的按钮模块选择设计成知识问答或方程解算，如氧化钙和二氧化碳反应会生成什么产物？选项A氢氧化钙、选项B碳酸钙、选项C碱式碳酸钠。只有选择正确选项才会对boss产生伤害。这种机制还可以即时地给予用户正确与错误的反馈。

三、潜在问题

（一）表情识别

儿童微表情的识别难点，以及表情对应的心理状况。可能的解决方案：直接收集儿童的回答，以趣味的形式问答或者通过游戏NPC询问收集儿童当下的情绪状态和完成指定目标任务时的心情来形成反馈机制

（二）多领域合作协调

不同领域角色间的合作难点：如动画师如何将知识准确地呈现出来；教师不熟悉游戏及游戏机制，可能较难给出游戏设计的建议，心理师同理[5]；家长对游戏可能仍存在着偏见，游戏是“精神鸦片”的观念依然普遍存在于大多数家长中。

（三）游戏开发成本及盈利

大型RPG游戏开发难度大、成本高、周期长，更别说针对个体化进行设计的游戏消耗的成本有多大，周期需要多长，这需要游戏研发公司有强大的财力，顶得住回报周期长等研发压力[1]。同时，动画的制作，根据AI收集的儿童信息后，将数据集整合分析，针对不同类型群体设计不同情绪不同方案，需要足够的用户量和时间周期。而如此高成本的项目开发的商业盈利如何设计，如果过高的销售金额，又会导致用户量的减少，收集到的数据减少。或许，目前我们只能畅想未来在游戏动画领域的制作成本能够降低，有更加便利的数据收集形式便于方案设计。

参考文献：

[1] 吕森林.教育游戏产业研究报告[J].中国远程教育，2004（22）：44-47.

[2] 赵乐瑄.AI给电子游戏带来了什么？[N].人民邮电，2021-08-06（007）

[3] 王卫国，胡今鸿，刘宏.国外高校虚拟仿真实验教学现状与发展[J].实验室研究与探索，2015，34（05）：214-219.

[4] 胡越.基于交互叙事的儿童安全教育AR游戏设计研究[D].江苏大学，2020.

[5] 史忠植编著.认知科学[M].合肥：中国科学技术大学出版社.2008.

[6] 尚俊杰，李芳乐，李浩文.“轻游戏”：教育游戏的希望和未来[J].电化教育研究，2005（01）：24-26.

（作者单位：福建农林大学风景园林与艺术学院 福建福州 350000）

（责编：若佳）