効果量を1つ選んで、すべてのゲームへ当てはめない
ゲーミフィケーションの研究では、ポイントやバッジを加えた授業から継続支援まで、異なる取り組みが扱われます。結果を自作ゲームへ応用するには、数値の大きさだけでなく「何と比較し、何を測ったか」を読む必要があります。
旧版にあった、特定の効果量なら条件を問わず有効だという説明と、異なる期間の研究を1本の経年変化のように描いた図は取り下げました。ここでは3つの読み方に絞ります。
学力・意欲・行動は別の結果
Sailer・Homnerのメタ分析は、認知、動機づけ、行動の結果を分けて統合しています。たとえば、参加回数の増加を、そのまま歴史の理解が深まった証拠に置き換えることはできません。
読み手側でも「続けられたか」「解けたか」「別の問題に応用できたか」を分けてメモします。継続が目的の機能と理解が目的の機能では、確認すべき結果が違うからです。
介入期間の比較は、同じ人の経年変化とは限らない
Kim・Castelli（2021）は18研究から得た32の効果量を統合し、全体でCohenのd=0.48、95%信頼区間0.33〜0.62を報告しています。著者らは準実験研究であることなどから、因果的な解釈に注意を求めています。
期間別の集計でも、参加者、使う仕組み、測定する課題は同じとは限りません。「長く使うほど必ず悪くなる」という個人内の変化を、この比較だけから結論づけることはできません。効果量の種類も確認し、CohenのdをHedgesのgと取り違えないようにします。
有意差がないことは、すべて同じという証明ではない
Diaz・Estoque-Loñez（2024）は15研究を対象に学習達成を検討しています。条件ごとの差が統計的に有意でなかったとしても、すべての年齢・教科・実施方法で同じ成果が得られると保証するものではありません。
研究数が少ない区分、比較対象が異なる研究、結果のばらつきにも目を向けます。自分の対象者と条件が離れている場合は、直接の処方箋として扱わず試作の仮説にします。
RandaWorksの設計でどう使うか
以下は研究そのものの結論ではなく、開発時の判断手順です。
- 目的を1つ決める。たとえば「誤答した理由を次に説明できる」。
- その目的に対応する操作を作る。解説を読んで終わるだけでなく、別の選択肢との差を言葉にする。
- スコアと学習上の結果を分ける。連続正解でも、初見の問題で説明できるとは限らない。
- 後日の確認を置く。その場でできたことと、時間が空いてもできたことを分ける。
- 自作教材では未検証なら未検証とする。他の研究の数値をそのまま自作製品の効果として表示しない。
短い復習の設計は検索練習、結果の測定はプレイログで学びを測るへ。数字を大きく見せるためではなく、試作で何を確かめるかを決めるために研究を使います。
