生成式AI賦能教育游戲設計研究 謝麗娟

摘要：近十多年來，國內外逐漸重視數字游戲在教育中的價值。本研究聚焦于生成式AI支持下的教育游戲設計，提出了教育游戲設計應遵循的若干原則及生成式AI支持下的教育游戲設計思路。同時，以RPG Maker MZ為工具介紹了該設計思路的實現途徑，期望為教育游戲在教學實踐中的落實做出一定貢獻。

關鍵詞：生成式AI；教育游戲；游戲設計

中圖分類號：G424" "文獻標識碼：A

文章編號：1009-3044（2025）12-0028-06

開放科學（資源服務） 標識碼（OSID）

0 引言

0.1 國內外教育游戲的發展現狀及其價值

目前，將教育與游戲相結合已成為一大熱門趨勢。隨著信息科技的迅速發展，教育游戲作為一種新型教育手段，能夠將教育性與游戲性有機融合。國外對教育游戲設計的研究起步較早，早期以操作類游戲為主；隨著認知主義的興起，教育游戲逐漸關注學習動機與環境設計，遵循學習者與情境交互的理論，并在多個領域開展了系統性探索。在應用方面，自2010年以來，有關數字游戲融入課堂教學的策略及其效果的研究逐漸增多。相比之下，國內教育游戲仍處于發展的萌芽階段，無論是教育游戲設計還是應用方面的研究都較少[1]。教育游戲不僅能有效促進學習者掌握知識與能力[2]，還能通過設定特定情境，促進學生問題解決能力、高階思維能力以及創新能力的培養[3]。除了知識與技能學習上的益處外，游戲還能促進學生身心健康的發展[4]。

0.2 生成式AI技術在教育領域的興起

生成式人工智能通過訓練海量數據集，掌握數據的本質規律和概率分布，以此為基礎模仿人類的思維過程，從而生成具有邏輯性和連貫性的新內容[5]。作為一項突破傳統AI的新興技術，它正逐步影響教育領域的各個方面。如今，生成式AI技術的教育應用潛力越來越受到教育研究者和從業者的重視[6]。例如，生成式AI推動了研究場域的拓展、分析手段的革新、服務能力的升級以及實踐樣態的變革，為教育研究的科學化發展帶來了新機遇[7]。在教學上，生成式人工智能能夠助力優化教學，如在物理課上輔助教師設計教學方案、輔助學生理解實驗原理等[8]。同時，它還能為學生搭建學習支架、生成個性化學習內容[9]。生成式人工智能技術在自然語言處理方面具有顯著優勢[10]，可用于促進課堂教學的評價與優化[11]。對于學生來說，生成式AI對其科研創新力[12]、批判性思維與自主學習能力[13]等方面也具有積極影響。

0.3 生成式AI與教育游戲融合的潛在價值

以ChatGPT為例，生成式AI應用于教育的最大優勢之一就是能夠理解和響應自然語言查詢[10]。在一項工程教育研究中，Sánchez-Ruiz等人[14]發現學生傾向于使用ChatGPT實現交互，模擬類人交流并體驗和學習結構化對話。臺灣科技大學教育游戲設計與研究專家候惠澤教授的研究指出：以生成式AI作為腳手架的教學游戲可以提供明確的任務以及趣味性的場景，也能夠根據玩家需要展示一系列科學知識、任務線索，從而增強玩家對學習過程的控制感及降低玩家學習焦慮[15]。候惠澤教授還發現，生成式AI支持的教育游戲能提供多維度支架結構，促使玩家深度參與學習，從而獲得較高的心流體驗，體驗到強烈的滿足感與成就感[15]。生成式AI可以融入情境化教育游戲，通過與學習者進行交互式模擬對話，提供即時反饋和指導，并引導學習過程的連續推進，從而有效提升學生的學習效果。因此，若能充分發揮生成式AI在教育游戲中的價值，便有可能進一步挖掘并最大化教育游戲的潛能，從而提升教育游戲在課堂教學中的效果。

0.4 研究問題的提出

然而，傳統教育游戲中，學習者與非玩家角色（NPC） 的交互往往是預先設計好的，無法動態適應學生的個性化需求。例如，當學生根據自身學習情況提出問題時，傳統游戲中的NPC通常難以提供及時、個性化的反饋。這種局限性在一定程度上制約了教育游戲在課堂教學及個性化學習中的應用潛力。

生成式人工智能（Generative AI） 的發展為解決這一問題提供了新的可能性。將生成式AI融入教育游戲設計中，有望創建具備專家知識的智能NPC，實現與學習者的個性化交互。這些NPC能夠根據學生的學習狀態和提出的問題，提供及時且針對性的反饋，從而更有效地提升游戲在課堂中的應用效果及支持個性化學習。

然而，如何將生成式AI有效融入教育游戲設計，以實現更具動態交互與個性化反饋的教育游戲，尚未得到深入研究。因此，本研究試圖探索生成式AI技術支持的教育游戲設計和開發，進而為教育游戲設計提供新的思路與實踐支持。

1 設計原則

1.1 科學性原則

在教育游戲中，科學性原則至關重要，主要體現在教學內容和教學方法兩個方面。

首先，在教學內容方面，科學性要求概念精準、術語規范，以避免學生產生誤解。知識的呈現應緊扣教學目標，嚴格對標課程標準和教育大綱。同時，知識的難度和呈現形式應根據目標受眾的年齡、知識水平和接受能力等因素進行調整。例如，面向小學生的數學教育游戲應以基礎知識為主，借助生動的圖片或有趣的案例，使其貼合其認知特點。具體而言，在教授加減法運算時，可以設計小猴子分香蕉的動畫場景：原本有5根香蕉，小猴子拿走了2根，直觀展現“5-2=3”的過程，從而幫助小學生直觀理解這一概念。

其次，在教學方法方面，教育游戲應結合學生的認知發展水平，采用適宜的教學策略，幫助學生鞏固所學內容。當學生犯錯時，教育游戲應設計合理的錯誤分析和正確引導機制，幫助其糾正錯誤并增強學習效果。

1.2 沉浸式原則

沉浸式原則的核心在于讓學生全身心融入游戲情境。教育游戲需要協調各個元素，為學生打造一個逼真且富有吸引力的情境，以引發情感共鳴，增強沉浸體驗。游戲任務應目標明確且富有吸引力，能夠激發學生的興趣和參與度。

在生成式AI支持的教育游戲中，生成式AI可以根據學習者的不同學習風格與學習進度，提供及時且個性化的反饋。這種個性化指導進一步強化了學生的沉浸體驗。通過角色塑造、敘事手法和情境創設等方式，教育游戲能夠幫助學生與游戲內容建立情感聯系，從而在情感上產生認同感。

例如，在一款歷史教育游戲中，玩家可以扮演一位朝堂官員，親歷分封儀式，見證諸侯在朝堂上接受分封。玩家的任務是協助周公旦制定分封制度的細則并監督諸侯國的建設。在這一過程中，玩家不僅能夠了解到分封制對周朝初期穩定統治的重要作用，還能預見到隨著時間推移，諸侯勢力壯大可能帶來的潛在問題。這種情感上的深度參與，不僅增強了玩家在游戲中的沉浸感，還促使他們更主動地投入學習，從而有效提升學習效果。

1.3 漸進式原則

漸進式原則在教育游戲設計中具有重要意義。開發者需要合理設計游戲內容、任務難度和學習挑戰，幫助學生從簡單到復雜、從基礎到深入地掌握知識與技能，從而實現更優的學習效果。教學內容的呈現應遵循由淺入深、由易到難的邏輯順序，確保學習者能夠在已有知識基礎上逐步擴展和提升。

同時，游戲任務的難度應隨著學習者能力的提高而逐漸增加，既能激發挑戰興趣，又能避免因任務過于簡單或過于困難而導致學習興趣減弱。在技能學習方面，教育游戲應體現從基礎技能到綜合技能的漸進式過渡。例如，在繪畫課程的教育游戲中，可以先安排練習簡單線條或基本形狀的任務，幫助學生掌握基礎技能；隨著熟練度的提升，逐步引入更復雜的任務，如將多個基本形狀組合起來描繪復雜物體的輪廓，最終創作完整的圖畫。這種設計不僅符合學習者的認知規律，還能有效促進技能水平的逐步提升。

1.4 練習與及時反饋原則

教育游戲中的練習設計應在遵循課程標準和教學大綱的基礎上，充分考慮學生的個體差異，為其提供個性化的練習內容。練習的難度應根據學生的掌握情況動態調整，使其在適度的挑戰中獲得更佳的學習效果。此外，教育游戲應合理設計重復練習和強化練習，通過多次鞏固幫助學生深化對知識點的記憶和理解。

在學生提交練習答案后，對于有固定答案的問題，NPC可以直接判斷正誤。如果答案錯誤，生成式AI可以根據錯誤類型提供針對性的引導性提示，循序漸進地引導學生思考并改正錯誤；如果答案正確，則給予積極的反饋和激勵，增強學生的學習動力。無論學生回答正確與否，生成式AI作為具備專家知識的智能NPC，能夠提供及時且有針對性的反饋，有效推動學生的學習進程。同時，對于開放性問題，生成式AI技術可以提供個性化的分析與反饋，幫助學生拓展思維的深度與廣度。這種智能化反饋機制不僅能幫助學生順利完成學習任務，還為提高教學質量提供了有力支持。

1.5 適應性原則

教育游戲的設計應遵循適應性原則，以滿足學生個性化的學習需求。

首先，教育游戲需要根據學生的學習進度提供個性化的游戲內容。對于學習進展較慢、基礎較為薄弱的學生，游戲應有針對性地提供幫助其鞏固基礎知識的練習素材，幫助其逐步掌握知識，為后續學習奠定扎實基礎。

其次，教育游戲應在游戲過程中根據學生的表現靈活調整任務難度和題量。如果學生能夠快速、準確地完成某一知識模塊的任務，游戲可以適當增加任務難度，進一步激發其潛能。相反，如果學生在某一模塊遇到困難，則應適當降低任務難度、減少題量，并提供更多提示信息，以保持學生的學習積極性和自信心。例如，當學生在代數相關的游戲任務中遇到困難而停滯不前時，生成式AI可以動態降低任務難度系數，減少相關任務量，避免學生產生習得性無助的心理。這種動態調整機制有助于更好地適應學生的個性化需求，提升學習效果。

1.6 自主原則

在教育游戲中，應充分尊重學生的自主權，鼓勵其在學習過程中自主選擇學習內容并掌控學習節奏。

在學習內容方面，學生可以根據自身需求選擇適合自己的知識模塊。例如，在數學教育游戲中，若學生認為平面幾何知識已較為扎實，而立體幾何相對薄弱，可自主選擇更多與立體幾何相關的學習任務和挑戰。此外，當學生覺得已掌握基礎知識時，還可選擇更高難度的任務，以滿足個性化學習需求。同樣，若學生在生活中發現有趣現象，比如筷子插入水中似“彎曲”，可通過選擇相應科學游戲來探索其原理。

在學習節奏方面，學生能夠自主決定學習時間和進程。具體而言，他們可以根據自身學習能力和興趣，靈活調整學習活動的推進速度。這種安排不僅有助于學生更高效地掌握知識，還能顯著提升學習體驗與成效。通過賦予學生更多選擇權和自主權，教育游戲能夠更好地滿足個性化學習需求，激發學習熱情。

1.7 激勵原則

在教育游戲中為學習者提供激勵機制，不僅能夠增強學習興趣，還能有效提升學習動力和參與度。

教育游戲可以根據學生完成任務的情況設計多樣化的成就體系。例如，在英語學習游戲中，當學習者順利完成詞匯背誦或口語練習等任務時，可以授予“詞匯小能手”或“口語新星”等稱號。這些稱號能夠直觀展現學生努力成果，增強成就感。此外，游戲還可為學生提供成就展示平臺，如在個人主頁或班級排行榜上展示所獲成就。這種設計不僅讓學生感受到學習成效，還能激發其競爭意識和持續學習動力。

與此同時，教育游戲還可以通過虛擬道具獎勵進一步激勵學生。當學習者完成任務或達成特定學習目標時，可獲得金幣、鉆石、技能等虛擬道具，不同道具具有不同功能與獲取難度。學生需通過不斷努力與挑戰更高難度任務來解鎖更高級道具。例如，在編程教育游戲中，完成基礎任務可能獲得“普通卡片”，完成復雜任務則可解鎖“銀卡”或“金卡”。一定數量的“普通卡片”可兌換一張“銀卡”，一定數量的“銀卡”可兌換一張“金卡”。“金卡”可用于解鎖特別的編程小游戲兌換專屬裝飾物以美化個人主頁。這種激勵機制不僅增加游戲趣味性，還能激發學生挑戰欲望，推動其不斷進步。

2 游戲設計思路

根據上述游戲設計原則，本研究提出如圖1所示的游戲設計思路。

教學目標是游戲框架的邏輯起點，它設定游戲整體的知識與能力要求。這些目標在內容設計模塊中被轉化為具體的學習內容。之后，根據教學內容的特點設計一個主線故事，以敘事的方式推動這些教學內容的徐徐展開。同時，這個敘事化的主線故事包含一系列關卡，而這些關卡的順序則反映了學生對這些教學內容的認知過程。最終，這些以關卡為游戲機制、借助故事推動的教學內容以一系列的任務呈現在學生面前。

練習與反饋則用來檢驗學生對任務中各種學習內容的掌握程度。當學生進行練習任務時，游戲中的NPC將給予結構化的反饋，例如稱贊學生回答正確或提供正確的答案及解釋。同時，在做練習的過程中，當學生需要尋求幫助時，可以向游戲中的NPC提出任何問題，NPC將通過生成式AI模塊調用大語言模型，扮演專家型教師的角色，給予實時的、針對性的反饋。學生的練習結果將反饋到任務模塊，動態地調整接下來的任務路徑，達到個性化學習的目的。此外，使用生成式AI對學習任務中的NPC進行個性化設計，賦予這些NPC不同的風格特點，增強對話及任務的趣味性。

游戲還應設計各種激勵機制（例如金幣、成就稱號或特殊道具獎勵） ，增強玩家的投入與持續挑戰動力，使他們在完成學習任務、取得學習成果的同時獲得積極的體驗。

最后，學生在游戲中的重要學習行為（例如瀏覽教學內容、開始答題、搜尋任務物品、尋求幫助） 會被記錄模塊記錄到外部文本文件中，為教師或研究者觀察學生在游戲中的學習行為及其規律或特點提供窗口，為后續的教學改進或研究提供數據支撐。

3 基于生成式AI的教育游戲設計實現

3.1 游戲開發工具簡介

RPG Maker MZ是RPG Maker系列的最新版本（由日本公司KADOKAWA與Degica合作推出） ，是一款易于使用的游戲開發工具，專為個人開發者或小型團隊創建2D角色扮演游戲（RPG，Role-Playing Game） 設計。它提供豐富的內置資源，包括游戲地圖編輯器、角色生成器、事件系統、商店系統和戰斗系統，無需編程基礎即可制作游戲。同時，它內置JavaScript運行環境，允許開發者編寫插件以擴展游戲功能。此外，國內外的RPG Maker社區提供了豐富多樣的免費插件，能夠極大滿足開發者需求，快速實現各種游戲功能。

總之，RPG Maker MZ提供了直觀、易上手的2D游戲制作環境，非常適合一線教師或在校學生設計與開發應用于特定教學情境的教育游戲。

3.2 游戲設計實現

本小節將展示如何使用RPG Maker MZ實現圖1所示的游戲設計思路。鑒于教學目標需轉化為具體教學內容，而教學內容的呈現又以故事進行鋪陳和推動，表現為一系列游戲任務，這些任務以關卡形式組織或管理，因此，首先呈現游戲關卡與任務的設計實現。

3.2.1 游戲關卡與任務實現

如前所述，關卡由一系列任務組成，任務主要通過與游戲中事件互動來完成。在RPG Maker MZ中，事件指游戲地圖上的可交互對象（例如NPC、花草樹木、傳送門、可拾取物品、裝飾物等） 。與這些對象互動時，會觸發各種預先設計好的事件指令（如顯示文字、增減金幣、顯示圖片、播放影像等） 。如圖2所示，游戲地圖上設計了一個事件，該事件為名為“玩耍的小孩”的NPC，當玩家與該NPC互動時，會觸發一系列事件指令（圖2中主要呈現的是“顯示文字…”這一事件指令） ，從而產生玩家與之的對話。對話內容融入教學內容及故事情節，推動游戲進程向前發展。

可以看出，游戲關卡及任務的實現主要通過繪制游戲地圖、設計事件及事件指令來完成。RPG Maker MZ內置了地圖編輯器，用戶可以輕松繪制游戲地圖。如圖3所示，在上方工具欄切換到地圖編輯模式，即打開地圖編輯器。編輯器左側為圖塊面板，包含A-E五種類型的圖塊，利用它們可繪制右側所示的草地、樹林、小路、臺階和花草等地形。地圖繪制完成后，如圖4所示，切換到事件編輯模式，在地圖上任意位置雙擊鼠標左鍵，即可打開如圖4所示的事件編輯器，進行事件及事件指令的設置。

至此，可以發現，關卡及任務是通過各種事件來完成的，這些事件發生的次序體現了關卡及關卡內任務的先后關系，也就是教學內容及故事發展的邏輯性。事件的次序關系實際上反映了游戲進程的推進。RPG Maker MZ提供了四種用于控制游戲進程的事件指令（如圖5所示） ，可以用來管理事件發生的邏輯順序，從而確保游戲故事和教學內容按預期順序展開。

最終，教學內容及其所依存的故事通過關卡及任務的邏輯推進得以在游戲進程中體現出來，即玩家在游戲中體驗敘事故事的同時，完成教學內容的學習過程。例如，在作者設計的“The Path to Wisdom”游戲中，玩家被一個神秘的聲音召喚，穿越到過去的世界，拯救一個被惡魔奪走人類智慧的村莊。玩家通過完成“言語島奇遇”“雅典城之行”“伍爾索普莊園的故事”以及“幽秘森林的秘密”四個關卡及其內部任務，學習語言的智慧、邏輯的智慧、知識的智慧和方法的智慧，并獲得四把智慧鑰匙，最終成功拯救蒙難的村莊。

3.2.2 練習與反饋實現

RPG Maker MZ提供顯示文本及顯示選項指令，用于設計選擇題，測試玩家對知識的掌握情況。例如圖6左側，使用顯示文本指令設計練習題目，使用顯示選項指令設計四個備選答案，右側顯示該設計的運行效果。當玩家做出正確選擇時，如圖7所示，游戲系統給予語言鼓勵（“正確，獎勵10個金幣”） ，同時增加10個金幣和10個作業得分作為獎勵。

當玩家在做練習時需要幫助，可以向游戲中的NPC提出任何問題，NPC會調用ChatGPT插件，將玩家提問發送至相關大語言模型，并將反饋內容及時顯示在對話文本框中。如圖8所示，首先通過輸入插件（InputDialog_custom.js） 獲取玩家輸入的問題，并將問題存入7號變量（變數ID = 7） 。接著，使用ChatGPT插件（ChatGPT_APIMZ.js） ，該插件從7號變量（CustomQuestionMessageVarID = 7） 獲取問題，并將其發送到大語言模型，該模型實時生成反饋信息，自動通過文本顯示指令將反饋內容展示出來（如圖9所示） 。

輸入插件及ChatGPT插件的詳細資源地址為：https：//github.com/kotonoha0109/kotonoha_tkoolMZ_Plugins/tree/main/plugins。

同時，設計者可以在ChatGPT插件中設置System參數，定制NPC的語言風格。如圖10所示，該NPC是酈食其先生的書童，System參數被設置為“奶聲奶氣地說話”；message參數則設置為圖中所示內容，并建議將反饋文本長度限制在80字左右。執行后反饋如圖11所示，且玩家每次與書童互動時都會獲得不同的反饋，這有效增強了游戲的趣味性，提升了玩家的新鮮感與沉浸感。

3.2.3 生成式AI模塊實現

如上所述，使用ChatGPT插件構建和實現游戲的生成式AI功能，該插件由日本開發者開發，基于OpenAI的GPT模型。但由于國內無法直接訪問該大語言模型，需尋求可在國內訪問的替代模型。經研究發現，北京硅基流動科技公司的模型云服務平臺SiliconCloud，提供阿里云開源大模型Qwen2的服務，且該服務對外提供的接口與GPT模型兼容。Qwen2系列中的Qwen2-7B-Instruct大語言模型可免費使用。因此，設計者只需在SiliconCloud平臺注冊免費賬號，申請獲取Qwen2-7B-Instruct模型的API密鑰。

基于此，如圖12所示，配置ChatGPT插件時，將參數ChatGPT_Model設置為“Qwen/Qwen2-7B-Instruct”，ChatGPT_URL設置為“https：//api.siliconflow.cn/v1/chat/completions”，ChatGPT_APIkey設置為申請到的API密鑰。之后，在游戲中調用ChatGPT插件，即可免費訪問Qwen2-7B-Instruct模型，獲得生成式對話服務。

3.2.4 激勵機制實現

RPG Maker MZ提供了數據庫管理功能，如圖13所示，能夠幫助開發者自定義角色、職業及特性、技能、物品、武器與防具、敵人、圖塊等。其中，可以利用自定義物品功能設計游戲的激勵元素（例如，物品、道具或成就稱號獎勵） 。例如，如圖14所示，游戲定義了一個名為“智慧天書”的物品，用以獎勵學生通過某些關卡或完成某些任務。

3.2.5 記錄模塊實現

本文作者開發了一個記錄學生在游戲中行為的插件，代碼如圖15所示。其中，語句const username = $gameVariables.value（200）將玩家的名字存入username變量，隨后生成以玩家名字命名的txt外部文件，以區分不同玩家的學習行為記錄。該插件的使用方法如圖16所示，Code ID表示該學習行為發生的關卡或任務，variableID存儲行為的具體內容。例如，在圖16中，variableID的值為7，恰好是ChatGPT插件中CustomQuestionMessageVarId參數的值，意味著圖中的代碼會將玩家向生成式AI提的問題記錄到以其游戲名命名的外部txt文件中，供教師或研究者評價學生在游戲過程中的認知行為。

4 總結

本文圍繞設計原則，系統闡述了教育游戲的設計思路與方法，展示了生成式AI技術在教育游戲設計中的應用實踐。此研究為一線中小學教師及相關領域從業者提供了教育游戲開發的知識支持，激發其參與教育游戲開發的積極性，推動數字游戲在教學中的有效應用，助力基礎教育的創新發展，開拓數字化教學的新局面。

值得指出的是，相較于本研究提出的若干游戲設計原則，后續提出的設計思路及實現途徑似乎未能完全涵蓋所有原則，這是本研究的不足之處。作者期望未來有更多教師或研究者參與教育游戲設計，共同推動該領域的發展。

參考文獻：

[1] 覃彥欽.國內外教育游戲研究綜述[J].電腦知識與技術，2020，16（9）：216-217.

[2] 曹鷺.三種基本學習理論與教育游戲的設計[J].開放教育研究，2022，28（5）：29-38，92.

[3] FU Q K，LIN C J，HWANG G J，et al.Impacts of a mind mapping-based contextual gaming approach on EFL students’ writing performance，learning perceptions and generative uses in an English course[J].Computers amp; Education，2019（137）：59-77.

[4] WU C H，TZENG Y L，HUANG Y M.Measuring performance in leaning process of digital game-based learning and static E-learning[J].Educational Technology Research and Development，2020，68（5）：2215-2237.

[5] 朱永新， 楊帆. ChatGPT/生成式人工智能與教育創新：機遇、挑戰以及未來[J].華東師范大學學報（教育科學版），2023，41（7）： 1-14.

[6] 陳向東，褚樂陽，王浩，等.教育數字化轉型的技術預見：基于AIGC的行動框架[J].遠程教育雜志，2023，41（2）：13-24.

[7] 王一巖，吳國政，鄭永和.生成式人工智能賦能教育信息科學與技術研究：新機遇、新趨勢、新議題[J].現代遠程教育研究，2024，36（6）：46-54.

[8] 潘崇佩，廖康啟，孔勇發.生成式人工智能背景下的近代物理實驗教學改革[J/OL].實驗室研究與探索，1-6[2024-12-24].http：//cnki2.699wx.cn/kcms/detail/31.1707.T.20241221.1557.012.html.

[9] 顏麗蓉，儲節旺，李振延，等.生成式人工智能融入信息資源管理學科專業課程教學的路徑探索研究[J/OL].圖書館雜志，1-15[2024-12-24].http：//cnki2.699wx.cn/kcms/detail/31.1108.G2.20241105.1004.002.html.

[10] RAHMAN M M，WATANOBE Y.ChatGPT for education and research：opportunities，threats，and strategies[J].Applied Sciences，2023，13（9）：5783.

[11] 宋宇，許昌良，穆欣欣.生成式人工智能賦能的新型課堂教學評價與優化研究[J].現代教育技術，2024，34（12）：27-36.

[12] 馬銀琦，黃恒，毋磊，等.“技術賦能” 還是“工具依賴”：生成式人工智能對研究生科研創新力的影響研究[J].電化教育研究，2024，45（12）：58-66.

[13] 戚佳，徐艷茹，劉繼安，等.生成式人工智能工具使用對高校學生批判性思維與自主學習能力的影響[J].電化教育研究，2024，45（12）：67-74.

[14] SáNCHEZ-RUIZ L M，MOLL-LóPEZ S，NU?EZ-PéREZ A，et al.ChatGPT challenges blended learning methodologies in engineering education：a case study in mathematics[J].Applied Sciences，2023，13（10）：6039.

[15] CHIEN C C，CHAN H Y，HOU H T.Learning by playing with generative AI：design and evaluation of a role-playing educational game with generative AI as scaffolding for instant feedback interaction[J].Journal of Research on Technology in Education，2024：1-20.

【通聯編輯：唐一東】