.png){kind=icon}
返回
AI-Driven Dynamic Task Difficulty Adjustment for an SQL Learning Game
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-08614-3_12.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们探讨了在商学院教授数据库查询语言SQL的背景下，将人工智能与基于数字游戏的学习相结合。我们扩展了游戏SQL Scrolls，加入了一个基于人工智能的个性化推荐算法，该算法使用考虑玩家表现和任务难度的模型提供任务推荐。我们对41名背景各异的参与者进行的评估突出了课堂环境、先前编程经验、小组构成和规模以及会话长度对参与度和游戏速度的潜在影响。学生们平均每完成一个SQL任务需要42到62秒，这是一个较快的速度。明显的兴趣和参与度水平得到了体现，大多数参与者给出了积极的反馈。这种个性化带来了良好的游戏结果，学生们能够流畅地完成游戏。
Keyword:
Digital game-based learning
DGBL
Artificial intelligence
Recommender systems
SQL
Game mechanics
Adaptation