跳到主要内容

把 GenAI 请进游戏 — GGTCC 框架

这一章讲三件事: 一个文献空白——大家都在用 GenAI 造游戏, 没人让 GenAI 进游戏当角色;作者为此搭的 GGTCC 框架(四件套加八个 C); 以及把它用在一门真实课程上的完整演示——包括一个反直觉的教学法: 故意不打磨提示词,把最粗糙的 AI 输出原样扔给学生。

1. 这一章讲什么​

第 01 章给了目标(五条 fluency 能力),第 02 章给了载体(游戏化机器), 这一章把它们装配起来:学生的现有课程作业不动,把 GenAI 塞进作业的游戏化改造里, fluency 就地生长——不用另开一门「AI 课」。作者给这台装配线起名 GGTCC(Gamifying GenAI to Teach Cognitive Competencies,「游戏化 GenAI 以教认知能力」的缩写)。注意这是作者自造的框架名,不是学界通用词; 书里对这一点的交代很坦率:现成框架一堆,但没有一个管「游戏化 GenAI」1。

2. 顶层全景:四件套怎么焊在一起​

  现有课程作业(不动)
      │  套上第 02 章的游戏化外壳
      ▼
  游戏里给 GenAI 派一个角色(帮手/对手/要审的嫌疑人)
      │
      ├── 学生被迫练:提示词、核实、迭代(第 06 章的手艺)
      ├── 游戏任务同时就是课程内容(第 02 章的死穴警告在此生效)
      ▼
  认知能力(8 个 C)被游戏机制逼着长出来
      ▼
  落点:fluency 五条能力的证据,全留在交互日志里

  图说:GGTCC 的四个组件就是这条链的四段;
  它不是新理论,是把 01+02 章的零件装进一门具体课程的图纸。

3. 核心原理​

3.1 文献空白:GenAI 进游戏,几乎没人做​

作者盘点研究时的发现本身就是信息:多数研究在讲怎么用 GenAI 生成游戏、 给游戏写代码;有人让两个版本的 ChatGPT 一起玩桌游 Spyfall—— 结果两个都会撒谎(幻觉),却都不太会骗人,而撒谎骗人恰是那个游戏的核心技能2。 Ma 等人评估了 37 项研究,只有 3 项提到「游戏化 GenAI」3。

最有启发的一项:Chien 等人让 59 名大学生玩角色扮演游戏, 游戏里有一个装着「阵亡军官记忆」的聊天机器人——记忆模糊残缺, 可调取次数有限,指令写得越好,它吐的线索越有用4。 注意这个设计的两处巧思:「次数有限」制造了资源(可调用的机会)压力, 「记忆残缺」逼学生追问——你会在第 07 章看到作者把这两处放大成完整方法论。

3.2 认知能力:八个 C 的清单​

GGTCC 的第三个组件是「认知能力」。作者以 Chang 等人的「情景游戏化学习六 C」 为底,换了两项、加了两项,凑成八个 C5:

C白话
Clear Communication把话说明白(对队友、对 AI、对公众都算)
Collaboration协作
Critical Thinking批判思维
Challenging Problem-Solving硬骨头问题求解
Creative Thinking创意思维
Complex Reasoning复杂推理(顶替了原清单的「计算思维」)
Complicated Decision-Making复杂决策(新增)
Cultural Sensitivity文化敏感(新增)

为什么值得单开一个框架?书里给的两个数:2023 年一项调查, 58% 的 HR 总监、管理层与高管认为应届毕业生缺这些能力6; 世界经济论坛的就业报告则显示,「与 GenAI 协作」的需求在 2024 到 2025 两期报告之间上涨了 87%7。八个 C 不是素养口号,是雇主清单。

3.3 知道、会做、敢上场:三级台阶​

书里引 Owoseni 等人的话把学习分成三级:know-what(知道是什么)、 know-how(会做)、show-how(当场做给人看)8。落到本书: 知道 GenAI 会幻觉是 know-what;会给它立规矩是 know-how; 在游戏里当场审出它的假来源,就是 show-how。作者的结论: 游戏化就是 show-how 的形态9。

3.4 反思的工序:PAIR 四步 + Gibbs 六环​

GGTCC 需要一个把「用过 AI」变成「想清楚怎么用」的固定工序,书里选的是 PAIR 框架(作者引 Acar 2024):Problem(定问题)→ AI(挑工具)→ Interaction(发指令来回交互并批判分析输出)→ Reflection(反思这工具 帮没帮上)10。书里把 Gibbs 反思循环(描述、感受、评估、分析、结论、 行动计划六个阶段)接在 Reflection 那一格后面,逐段对照 AI 使用的体验来过11。

对这套工序最实际的评价来自书里一句话:PAIR 是为教 fluency 量身定做的—— 它逼学生把「我用了什么工具、怎么用的、它帮了什么忙」写成显式记录, 这正是第 01 章「日志」的反思面。

3.5 作业重设计:禁不如改​

GGTCC 落地还有个前置问题:学生偷偷用 AI 怎么办?书里把「禁」的路数堵死了—— 多项研究显示禁令会适得其反12。替代方案有三层:

  • 先学基础,再放 AI 进来(降低认知过载——一次塞太多新东西会压垮学生; 同时有点底子才识得破 AI 权威腔里的谬论)13;
  • 作业从「产品」转向「过程」:AI 时代里,「从零写出成品」类作业的防线 守不住了,学习的证据要改从过程里找14;
  • 借 AI 的长处当教材:比如让它对同一个概念出三个五花八门的场景, 学生给每个场景评级、挑错、解释怎么改——错误本身就是练习题15。

还有一个来自实证的宽心丸:内在动机导向的学生,即便作业明着允许用 AI 也不太会作弊——所以清晰的政策加「为学习而设计」的作业, 比监控更管用16。

4. 作者的判断与证据​

主走查:海牛侦探游戏。 GGTCC 是从一个真实作业改出来的,书里给了全流程17。

  原作业(前 GenAI 时代)
    美国政府把西印度海牛从「濒危」降级为「受威胁」,死亡数却还在涨。
    学生扮草根组织志愿者,查文献、写请愿,说服立法者把海牛列回濒危名单。

  GenAI 版改造(作者的操作,每步都有理由)
    1 剧情:与 AI 合作的律所里,私家侦探 G.A.I. 因调查不力被开除,
      留下一堆需要核实的事实材料——学生接管案子。
    2 工具:特意选学生免费可用的 ChatGPT 3.5 和 Stable Diffusion 免费版。
    3 关键一手:作者【故意不迭代指令】,不给它纠错的机会——
      要给学生的就是未经打磨的原始输出。
    4 结果:原始输出的离谱程度超出她的预期,「错得简直不能再完美」——
      编造的数据和纯属虚构的来源,正好当审讯教材。

然后八个 C 逐项落位(书里原文逐条点名):小组研究是协作; 给律师和法官的汇报是清晰沟通;从 G.A.I. 的垃圾材料里分出事实与虚构, 是复杂推理、批判思维、硬骨头求解;写最终报告与行动计划,是创意思维、 复杂决策;原作业本来要求纳入当地原住民视角,G.A.I. 恰好完全忽略了这群人—— 学生被迫自己去补,这是文化敏感18。

fluency 五条怎么核对:学生审 G.A.I. 的材料、拒采信假证据,对应「批判评估」 与「伦理使用」;这份作业不需要上传任何数据,所以「数据安全」一栏在课堂上 单独讲——也就是第 04 章结尾那四条 Nevers19。

证据一栏: 这个框架本身的证据就是第 07 章那个「为什么不直接发材料」的现场。 作者在一次会议上演示了缩略版侦探游戏,一位与会者当场质询: 费劲搭情景干什么,直接把事实清单发给学生让他们核查不就完了? 作者的回答是反问:换你自己选,扮侦探破案、给海牛请愿、提可落地的行动方案, 还是抄一份老师发的统计清单写报告? 她说她没见过任何一个学生选后者20。 这当然是修辞,不是数据——但她同时引用了实打实的反面:没有情景与目标的 「找错游戏」被研究者自己承认「没能让学生进入更高投入状态」21。

5. 边界与局限​

  • GGTCC 是作者的个人框架,未经独立验证。 书里没有对照实验证明 GGTCC 本身优于其他教学设计;它的说服力靠机制合理加案例演示。
  • 对教师的前置要求不低。 海牛游戏需要教师自己先跑一遍 AI、备好材料; 第 02 章的死穴警告同样适用于此:游戏化放大内容,内容不行一切白搭。
  • 「故意给烂输出」有适用边界。 它适合「审讯 AI」类教学目标; 如果课程目标本来就是学协作写作,先给烂材料可能纯属浪费时间。
  • 免费工具的可用性随时间变。 书里依赖「学生有免费账号」这一前提, 平台政策一变,整套设计要跟着动。

6. 可带走的​

  1. 造游戏 ≠ 进游戏: 文献空白就在「让 GenAI 当角色」这一格,GGTCC 是填它的尝试。
  2. 八个 C 当验收表: 设计作业时逐项问「这个游戏逼出了哪个 C」,一个都答不上就重设计。
  3. show-how 是终点: 知道与会做都只是台阶,当场做对才算 fluency。
  4. PAIR + Gibbs 是反思的固定工序: 定问题→挑工具→交互→反思,反思落到行动计划。
  5. 禁不如改: 先学基础再放 AI;作业从产品转向过程;拿 AI 的错误当练习题。
  6. 原始烂输出是好教材: 不迭代(反复追问、修改)、不给纠错机会,学生面对的才是真实世界那台机器。
  7. 文化敏感可以被 AI 的盲区「逼」出来: 它漏掉谁,就让学生去补谁。

7. 原文地图​

主题原书章原文位置
文献空白:GenAI 当角色没人做3. Merging Generative AI into Gamificationtext/08-ch03-3-merging-generative-ai-into-gamification.txt:6(搜「profound gap」)
Spyfall 实验:会撒谎不会骗3. Merging Generative AI into Gamificationtext/08-ch03-3-merging-generative-ai-into-gamification.txt:54(搜「Spyfall」)
37 篇只有 3 篇3. Merging Generative AI into Gamificationtext/08-ch03-3-merging-generative-ai-into-gamification.txt:56(搜「37 studies」)
军官记忆聊天机器人3. Merging Generative AI into Gamificationtext/08-ch03-3-merging-generative-ai-into-gamification.txt:74(搜「59 college students」) · text/08-ch03-3-merging-generative-ai-into-gamification.txt:79(搜「prompts, the more helpful」)
Chan & Colloton 五因素3. Merging Generative AI into Gamificationtext/08-ch03-3-merging-generative-ai-into-gamification.txt:91(搜「five factors」)
PAIR 框架3. Merging Generative AI into Gamificationtext/08-ch03-3-merging-generative-ai-into-gamification.txt:110(搜「PAIR」)
IDEE 框架3. Merging Generative AI into Gamificationtext/08-ch03-3-merging-generative-ai-into-gamification.txt:128(搜「IDEE」)
GGTCC 的由来3. Merging Generative AI into Gamificationtext/08-ch03-3-merging-generative-ai-into-gamification.txt:137(搜「GGTCC」)
八个 C 与替换说明3. Merging Generative AI into Gamificationtext/08-ch03-3-merging-generative-ai-into-gamification.txt:172(搜「six Cs」) · text/08-ch03-3-merging-generative-ai-into-gamification.txt:182(搜「Complex Reasoning」)
58% 雇主调查3. Merging Generative AI into Gamificationtext/08-ch03-3-merging-generative-ai-into-gamification.txt:191(搜「58 percent」)
87% 需求涨幅3. Merging Generative AI into Gamificationtext/08-ch03-3-merging-generative-ai-into-gamification.txt:196(搜「87 percent」)
know-what/know-how/show-how3. Merging Generative AI into Gamificationtext/08-ch03-3-merging-generative-ai-into-gamification.txt:207(搜「know-how」) · text/08-ch03-3-merging-generative-ai-into-gamification.txt:315(搜「show-how means」)
禁令反效果8. A Legendary Questtext/13-ch08-8-a-legendary-quest.txt:22(搜「can backfire」)
先学基础再放 AI8. A Legendary Questtext/13-ch08-8-a-legendary-quest.txt:30(搜「materialize its benefits」) · text/13-ch08-8-a-legendary-quest.txt:33(搜「cognitive overload」)
产品转向过程8. A Legendary Questtext/13-ch08-8-a-legendary-quest.txt:25(搜「exemplifying student learning」)
Mollick 三障碍8. A Legendary Questtext/13-ch08-8-a-legendary-quest.txt:47(搜「three hurdles」)
三场景评级练习8. A Legendary Questtext/13-ch08-8-a-legendary-quest.txt:52(搜「three diverse scenarios」)
内在动机者不作弊8. A Legendary Questtext/13-ch08-8-a-legendary-quest.txt:64(搜「don't cheat even when」)
海牛降级与游戏缘起3. Merging Generative AI into Gamificationtext/08-ch03-3-merging-generative-ai-into-gamification.txt:247(搜「manatees from endangered」)
免费工具与故意不迭代3. Merging Generative AI into Gamificationtext/08-ch03-3-merging-generative-ai-into-gamification.txt:255(搜「ChatGPT 3.5」) · text/08-ch03-3-merging-generative-ai-into-gamification.txt:260(搜「not iterate my prompts」)
离谱到完美的输出3. Merging Generative AI into Gamificationtext/08-ch03-3-merging-generative-ai-into-gamification.txt:263(搜「fictitious sources」)
原住民盲区补文化敏感3. Merging Generative AI into Gamificationtext/08-ch03-3-merging-generative-ai-into-gamification.txt:280(搜「broaden their outlook」)
PAIR 详解与 Gibbs 六环6. Environmental Disastertext/11-ch06-6-environmental-disaster.txt:33(搜「Here's how it works」) · text/11-ch06-6-environmental-disaster.txt:46(搜「six contemplative stages」)
「为什么不直接发材料」质询3. Merging Generative AI into Gamificationtext/08-ch03-3-merging-generative-ai-into-gamification.txt:38(搜「waste of time」) · text/08-ch03-3-merging-generative-ai-into-gamification.txt:44(搜「would you prefer」)
无情景的找错游戏没劲13. GenAI's Scandalous Researchtext/18-ch13-13-genai-s-scandalous-research.txt:76(搜「no scenario」)

Footnotes​

  1. 出处:「3. Merging Generative AI into Gamification」第 86 段(text/08-ch03-3-merging-generative-ai-into-gamification.txt:86,搜「plenty of」)。作者自问自答:现成框架很多,但没有一个讲「游戏化 GenAI」。 ↩

  2. 出处:「3. Merging Generative AI into Gamification」第 54 段(text/08-ch03-3-merging-generative-ai-into-gamification.txt:54,搜「Spyfall」)。两个 ChatGPT 版本都出现幻觉式说谎,却缺乏该游戏必需的欺骗能力,见第 55 段(搜「deceit」)。 ↩

  3. 出处:「3. Merging Generative AI into Gamification」第 56 段(text/08-ch03-3-merging-generative-ai-into-gamification.txt:56,搜「37 studies」)。 ↩

  4. 出处:「3. Merging Generative AI into Gamification」第 74 段(text/08-ch03-3-merging-generative-ai-into-gamification.txt:74,搜「59 college students」);「可调取次数有限」在第 77 段(搜「limited number of times」);「提示越好越有用」在第 79 段(搜「prompts, the more helpful」)。 ↩

  5. 出处:「3. Merging Generative AI into Gamification」第 172 段(text/08-ch03-3-merging-generative-ai-into-gamification.txt:172,搜「six Cs」)。替换与新增的说明在第 181–187 段:顶替项与两个新增 C 分别在第 181、186 段。 ↩

  6. 出处:「3. Merging Generative AI into Gamification」第 191 段(text/08-ch03-3-merging-generative-ai-into-gamification.txt:191,搜「58 percent」)。调查出处 Rix 2024。 ↩

  7. 出处:「3. Merging Generative AI into Gamification」第 196 段(text/08-ch03-3-merging-generative-ai-into-gamification.txt:196,搜「87 percent」)。世界经济论坛 2025 就业报告与 2024 版的对比。 ↩

  8. 出处:「3. Merging Generative AI into Gamification」第 207 段(text/08-ch03-3-merging-generative-ai-into-gamification.txt:207,搜「know-how」)。原文引 Owoseni et al.:学习不应止于 know-what,还要发展 know-how 并展示 show-how。 ↩

  9. 出处:「3. Merging Generative AI into Gamification」第 315 段(text/08-ch03-3-merging-generative-ai-into-gamification.txt:315,搜「show-how means」)。 ↩

  10. 出处:「3. Merging Generative AI into Gamification」第 110 段(text/08-ch03-3-merging-generative-ai-into-gamification.txt:110,搜「PAIR」)。四步的展开亦见第 6 章第 33–42 段(搜「Here's how it works」)。 ↩

  11. 出处:「6. Environmental Disaster」第 46 段(text/11-ch06-6-environmental-disaster.txt:46,搜「six contemplative stages」)。六阶段:描述、感受、评估、分析、结论、行动计划;与 GenAI 使用逐段对照的映射在第 48–58 段。 ↩

  12. 出处:「8. A Legendary Quest」第 22 段(text/13-ch08-8-a-legendary-quest.txt:22,搜「can backfire」)。 ↩

  13. 出处:「8. A Legendary Quest」第 30 段(text/13-ch08-8-a-legendary-quest.txt:30,搜「materialize its benefits」);认知过载与识破谬论两层好处在第 33–36 段(搜「cognitive overload」)。 ↩

  14. 出处:「8. A Legendary Quest」第 25 段(text/13-ch08-8-a-legendary-quest.txt:25,搜「exemplifying student learning」)。Yee et al. 的补充——「从零写」类作业可能永远归了 AI——在第 28–29 段(搜「from scratch」)。 ↩

  15. 出处:「8. A Legendary Quest」第 47 段(text/13-ch08-8-a-legendary-quest.txt:47,搜「three hurdles」);三场景评级练习的操作在第 52–55 段(搜「three diverse scenarios」)。 ↩

  16. 出处:「8. A Legendary Quest」第 64 段(text/13-ch08-8-a-legendary-quest.txt:64,搜「don't cheat even when」)。政策建议在第 66–67 段(搜「unambiguous」)。 ↩

  17. 出处:「3. Merging Generative AI into Gamification」第 247 段(text/08-ch03-3-merging-generative-ai-into-gamification.txt:247,搜「manatees from endangered」)。海牛降级背景;游戏改造叙述在第 249–254 段;工具选择在第 255–259 段(搜「ChatGPT 3.5」)。 ↩

  18. 出处:「3. Merging Generative AI into Gamification」第 270 段(text/08-ch03-3-merging-generative-ai-into-gamification.txt:270,搜「Collaboration」)。八个 C 的逐项落位叙述在第 270–282 段;原住民盲区一段在第 278–282 段(搜「broaden their outlook」)。 ↩

  19. 出处:「3. Merging Generative AI into Gamification」第 290 段(text/08-ch03-3-merging-generative-ai-into-gamification.txt:290,搜「no data uploads」)。该作业无数据上传,故数据安全单列讲授;Nevers 清单在第 294–299 段。 ↩

  20. 出处:「3. Merging Generative AI into Gamification」第 38 段(text/08-ch03-3-merging-generative-ai-into-gamification.txt:38,搜「waste of time」)。与会者质询;作者的反问与「没有学生选后者」在第 40–47 段(搜「would you prefer」)。 ↩

  21. 出处:「13. GenAI's Scandalous Research」第 76 段(text/18-ch13-13-genai-s-scandalous-research.txt:76,搜「no scenario」)。Yu et al. 的 AI 助教自带找错游戏,但作者转述其无情景、非核心功能,学生照单全收的信任没有被撼动。 ↩