Özkan Eğitim ve Danışmanlık

Bölüm 1: Giriş

Dijital oyun tabanlı öğrenme (DGBL), özellikle matematik gibi soyut ve zaman zaman kaygıya yol açabilen alanlarda, öğrencilerin motivasyonunu, katılımını ve kavramsal anlayışını artırma potansiyeli taşıyan güçlü bir pedagojik araç olarak kabul edilmektedir. Bu yazının temel amacı, dijital eğitsel matematik oyunları geliştiren içerik üreticileri, eğitimciler ve tasarımcılar için akademik araştırmalara dayalı, eyleme geçirilebilir ve kanıta dayalı tasarım ilkeleri sunmaktır. Yazı, “Bir oyunda en fazla kaç karakter olmalı?”, “İdeal soru sayısı nedir?” veya “İki soru arasında kaç saniye beklenmeli?” gibi spesifik sorulara basit sayısal cevaplar vermenin ötesine geçmeyi hedeflemektedir. Akademik literatür, bu tür “sihirli sayıların” var olmadığını, etkili bir oyun tasarımının bağlama, öğrencinin yaşına, ön bilgisine ve hedeflenen öğrenme çıktısına göre değişen dinamik ilkeler bütününe dayandığını göstermektedir.

Bu nedenle bu yazı, söz konusu soruları daha geniş ve anlamlı bir çerçevede ele alacaktır: Karakter ve avatar tasarımının öğrenci psikolojisi üzerindeki etkileri, oyun oturumu yapısının bilişsel yük ve öğrenci akışı (flow) ile olan ilişkisi ve soru zamanlamasının temel öğrenme bilimi prensipleriyle nasıl optimize edilebileceği.

Özet

Bu yazı, dijital matematik oyunlarının tasarımına yönelik temel soruları, güncel akademik araştırmalar ışığında analiz ederek aşağıdaki ana bulgulara ulaşmıştır:

• Karakterler ve Avatarlar: Etkili bir oyun için kritik olan soru, karakterlerin “sayısı” değil, “türüdür”. Araştırmalar, soyut (örneğin, geometrik bir şekil) avatarların, oyuncunun kendine benzeyen (antropomorfik) avatarlara kıyasla öğrenme performansını ve oyuna katılımını anlamlı derecede artırdığını ortaya koymaktadır. Bu şaşırtıcı bulgunun temelinde psikolojik güvenlik yatmaktadır. Soyut avatarlar, matematikle ilişkili olabilecek “stereotip tehdidi” riskini azaltır ve başarısızlık durumunu kişisel bir yenilgi olarak algılatmaktan ziyade stratejik bir problem olarak çerçeveler. Bu durum, öğrencinin sınırlı olan bilişsel kaynaklarını kaygıyı yönetmek yerine tamamen matematiksel göreve odaklamasına olanak tanır. Oyuncu sayısı ise oyunun pedagojik hedefine bağlıdır; iş birliğine dayalı problem çözmeyi teşvik eden çok oyunculu tasarımlar, sosyal becerileri geliştirirken , bireysel alıştırmalar için tek oyunculu modlar daha uygun olabilir.
• Soru Sayısı ve Oturum Yapısı: İdeal bir “sihirli soru sayısı” mevcut değildir. Temel ilke, Bilişsel Yük Teorisi’ne (Cognitive Load Theory – CLT) uygun olarak, öğrencinin çalışma belleğini aşırı yüklemeden onu “akış” (flow) durumunda tutmaktır. Çok fazla yeni bilgi veya karmaşık görev sunmak, öğrenmeyi engelleyen bir bilişsel aşırı yüklenmeye neden olabilir. Bu nedenle, sabit bir soru sayısından ziyade, öğrencinin performansına göre zorluğu dinamik olarak ayarlayan uyarlanabilir sistemler (adaptive difficulty) daha etkilidir. Ayrıca, aynı tür soruları tekrar etmek yerine, daha fazla sayıda benzersiz ve çeşitli soru sunmanın, oyuncu katılımını ve motivasyonunu artırdığı tespit edilmiştir. Özellikle küçük yaş grupları için oyun oturumlarının 7-12 dakika gibi kısa tutulması önerilmektedir.
• Sorular Arası Süre ve Geri Bildirim: Sorular arasındaki ideal süre, tek başına bir zaman ölçüsü değil, doğrudan geri bildirim stratejisiyle ilişkili bir tasarım kararıdır. Anında geri bildirim, özellikle yeni bir prosedürel beceri öğrenilirken hataların pekişmesini önlemek için yararlı olabilir. Ancak, akademik araştırmalar ezici bir çoğunlukla, gecikmeli geri bildirimin (örneğin, bir seviyenin veya oturumun sonunda verilen toplu geri bildirim) bilgilerin uzun süreli belleğe aktarılması ve kalıcı öğrenme sağlanması açısından çok daha üstün olduğunu göstermektedir. Bu durum, öğrenme biliminin temel taşlarından olan “aralıklı tekrar” (spacing effect) ilkesiyle açıklanmaktadır. Gecikmeli geri bildirim, beynin bilgiyi tekrar hatırlama çabasına girmesini sağlayarak hafıza izlerini güçlendirir. Bu nedenle, iki soru arasındaki süre, anlık bir cevaptan sonra bir sonraki göreve geçişi sağlayacak kadar kısa olabilir, ancak konseptin derinlemesine öğrenilmesi için asıl geri bildirimin stratejik olarak geciktirilmesi tavsiye edilir.

Bölüm 2: Karakter ve Avatar Tasarımı: Öğrenci Etkileşimi İçin Optimal Yaklaşımlar

2.1. Oyuncu Sayısı ve Tercihler: Tekli ve Çoklu Oyuncu Dinamikleri

Dijital eğitsel oyunlarda kullanılacak karakter sayısı sorusu, temelde iki farklı bağlamda ele alınabilir: oyunu oynayan oyuncu sayısı ve oyun içindeki kontrol edilebilir karakterlerin (avatar) özellikleri. Oyuncu sayısı açısından bakıldığında, akademik çalışmalar öğrencilerin sosyal etkileşime olanak tanıyan oyun formatlarına eğilim gösterdiğini ortaya koymaktadır. Yapılan bir araştırmaya göre, öğrencilerin sadece %7’si tek oyunculu oyunları tercih ederken, büyük bir çoğunluk çok oyunculu formatları ilgi çekici bulmuştur. Bu dağılımda, öğrencilerin %33’ü iki oyunculu, %32’ü üç oyunculu ve %28’i ise üçten fazla oyuncunun yer aldığı oyunları sevdiğini belirtmiştir.

Bu veriler, özellikle K-12 seviyesindeki öğrenciler için akranlarıyla etkileşim kurma ve iş birliği yapma fırsatlarının önemli bir motivasyon kaynağı olduğunu göstermektedir. Çok oyunculu tasarımlar, sadece matematiksel becerilerin gelişimine değil, aynı zamanda modern eğitimin temel hedeflerinden olan iş birliğine dayalı problem çözme, iletişim ve takım çalışması gibi 21. yüzyıl becerilerinin de desteklenmesine olanak tanır. Bir oyun ortamında öğrenciler, bir problemi çözmek için birlikte strateji geliştirdiklerinde, karar alma süreçlerine katıldıklarında ve birbirlerine geri bildirim verdiklerinde, öğrenme daha sosyal ve bağlamsal bir deneyime dönüşür. Dolayısıyla, oyuncu sayısına karar verilirken oyunun pedagojik amacı net bir şekilde belirlenmelidir. Eğer amaç, öğrencilerin bireysel hızlarında ilerleyerek belirli bir beceriyi pekiştirmesi ise tek oyunculu bir yapı uygun olabilir. Ancak hedef, matematiksel düşünmeyi sosyal bir etkileşim içinde teşvik etmek ve iletişim becerilerini geliştirmek ise iki veya daha fazla oyunculu tasarımlar çok daha etkili olacaktır.

2.2. Avatar Türünün Performansa Etkisi: Soyut ve Gerçekçi Karakterler Arasındaki Şaşırtıcı Farklar

Oyun içindeki ana karakterin veya avatarın tasarımı, öğrenci katılımı ve performansı üzerinde doğrudan bir etkiye sahiptir. Öğrencilerin karakter tercihleri üzerine yapılan bir çalışma, farklı eğilimleri ortaya koymuştur: Katılımcıların %37’si ana karakter olarak başka bir insan figürünü, %31’i kendi görünümlerine benzeyen bir karakteri ve %23’ü ise bir hayvan karakterini tercih ettiğini belirtmiştir. Bu tercihler, oyuncuların oyun dünyasıyla bir bağ kurma ve kendilerini temsil etme arzusunu yansıtmaktadır. Ancak, öğrencinin neyi “tercih ettiği” ile neyin onun öğrenme performansı için “en iyi” olduğu her zaman örtüşmeyebilir.

Bu noktada, Massachusetts Institute of Technology (MIT) araştırmacıları tarafından yürütülen ve alanda çığır açan bir çalışma, son derece önemli ve ilk bakışta çelişkili görünen bir bulguyu ortaya koymuştur. STEM (Bilim, Teknoloji, Mühendislik ve Matematik) odaklı bir öğrenme oyununda yapılan deneylerde, oyuncuların kendilerine benzeyecek şekilde özelleştirdikleri (likeness) antropomorfik avatarlar yerine, basit geometrik şekillerden (shape) oluşan soyut avatarları kullandıklarında anlamlı derecede daha yüksek performans sergiledikleri ve daha yüksek oyun katılımı bildirdikleri tespit edilmiştir. Bu sonuç, oyuncuların soyut avatarlara karşı daha düşük bir duygusal beğeni (affect) bildirmelerine rağmen elde edilmiştir. Yani, öğrenciler kişiselleştirilmiş avatarlarını daha çok “sevseler” de, soyut avatarlarla oynadıklarında matematiksel problemleri çözmede daha başarılı olmuşlardır. Bu bulgu, eğitsel oyun tasarımında estetik tercihler ile bilişsel etkinlik arasındaki hassas dengeyi anlamanın ne kadar kritik olduğunu göstermektedir.

2.3. Stereotip Tehdidini Azaltma ve Bilişsel Odaklanmayı Artırmada Avatar Rolü

Bir oyun oturumunun ideal uzunluğu, büyük ölçüde hedeflenen yaş grubunun dikkat süresine ve oyunun zorluk seviyesinin nasıl yönetildiğine bağlıdır. 8-9 yaşlarındaki çocuklarla yapılan nitel bir vaka çalışması, katılımcıların bir matematik video oyununda dikkatlerini kesintisiz olarak 7 ila 12 dakika arasında sürdürebildiklerini, bu sürenin sonunda ise başka bir oyun veya aktivite arayışına girdiklerini ortaya koymuştur. Bu bulgu, özellikle ilkokul çağındaki çocuklar için tasarlanan oyun oturumlarının kısa, yoğun ve odaklı olması gerektiğine işaret etmektedir. Uzun ve monoton oturumlar yerine, kısa ve hedefe yönelik oyun seansları düzenlemek, öğrencinin motivasyonunu ve katılımını yüksek tutmada daha etkili olabilir.

MIT çalışmasının ortaya koyduğu soyut avatarların üstünlüğünün ardında yatan mekanizma, öğrenme psikolojisinin temel prensipleriyle ve özellikle Bilişsel Yük Teorisi ile yakından ilişkilidir. Bir avatar seçimi, yalnızca kozmetik bir tercih değildir; bu seçim, oyuncunun görevle, ve daha da önemlisi, başarısızlıkla kurduğu psikolojik ilişkiyi derinden etkiler. Bu ilişkinin doğası, özellikle matematik gibi performans kaygısının yüksek olduğu alanlarda öğrenme çıktılarını doğrudan belirleyebilir.

Bu durumun arkasındaki bilişsel süreçler şu şekilde işler:

1. Kimlik ve Kişisel Başarısızlık Algısı: Oyuncunun kendine benzeyen (likeness) bir avatar seçmesi, oyuncu ile karakter arasında güçlü bir özdeşleşme yaratır. Oyuncunun benlik algısı, avatarın oyun içindeki performansıyla iç içe geçer. Matematik gibi alanlarda, cinsiyet veya etnik kökene dayalı olumsuz stereotiplerin tetiklenebildiği “stereotip tehdidi” olgusu devreye girdiğinde, bu özdeşleşme bir dezavantaja dönüşür. Avatar, oyuncunun sosyal kimliğini görsel olarak temsil eder ve bu durum, farkında olmadan olumsuz stereotipleri harekete geçirerek performansı düşürebilir. Bu senaryoda, avatarın bir problemi çözememesi, oyuncu tarafından kişisel bir başarısızlık olarak algılanır.
2. Bilişsel Kaynakların Tüketimi: Kişisel başarısızlık hissi, kaygı, hayal kırıklığı ve özgüven eksikliği gibi olumsuz duyguları tetikler. Bu duyguları yönetme çabası, öğrencinin sınırlı kapasiteye sahip çalışma belleğinde yer kaplar. Bu, Bilişsel Yük Teorisi’nde “dışsal bilişsel yük” (extraneous cognitive load) olarak adlandırılan ve öğrenmeye hizmet etmeyen zihinsel çabadır. Sonuç olarak, öğrencinin matematik problemini çözmek için kullanması gereken değerli bilişsel kaynaklar, kaygıyı yönetmek için harcanır.
3. Psikolojik Mesafe ve Stratejik Başarısızlık Algısı: Soyut bir “şekil” avatarı ise oyuncu ile görev arasında bir psikolojik mesafe yaratır. Bu avatar, “benim” bir temsili değil, benim “kontrol ettiğim” bir nesnedir. Bu durumda başarısızlık, kişisel bir yetersizlik olarak değil, bir strateji veya kontrol hatası olarak yorumlanır. Bu algı, çok daha az tehdit edici ve duygusal olarak daha az yıpratıcıdır.
4. Bilişsel Odaklanmanın Sağlanması: Soyut avatar, başarısızlığın duygusal ve benlik değerlendirmesi yükünü ortadan kaldırarak bilişsel kaynakları serbest bırakır. Öğrenci, çalışma belleğini kaygı ve şüpheyi yönetmek yerine, tamamen görevin kendisine, yani matematiksel düşünme ve problem çözme sürecine (ilgili bilişsel yük – germane cognitive load) ayırabilir. Bu nedenle, soyut avatarlarla elde edilen daha yüksek performans ve katılım, onların estetik olarak “daha iyi” olmasından değil, özellikle matematikte sıkça karşılaşılan performans kaygısını azaltarak öğrenme için daha güvenli bir bilişsel ortam yaratmalarından kaynaklanmaktadır. Bu durum, eğitsel oyun tasarımında psikolojik güvenliği optimize etmenin, oyuncu-avatar özdeşleşmesini optimize etmekten daha önemli olabileceğini göstermektedir.

Bölüm 3: Oyun Oturumu Tasarımı: İdeal Soru Sayısı ve Süre Yönetimi

Karakter seçimi performansı doğrudan etkiliyor. Sanılanın aksine, oyuncunun kendine benzeyen bir avatar seçmesi yerine, geometrik bir şekil gibi soyut bir karakterle oynaması, matematik performansını ve oyuna katılımını ciddi oranda artırıyor. Bunun nedeni psikolojik: Soyut bir karakterle başarısız olmak, kişisel bir yenilgi gibi hissettirmiyor. Bu da özellikle matematikte yaşanan “başarısızlık korkusunu” azaltarak öğrencinin tüm zihinsel enerjisini probleme odaklamasını sağlıyor. Oyuncu sayısı konusunda ise öğrenciler net bir şekilde sosyal ortamları tercih ediyor; tek başına oynamak yerine iki veya daha fazla kişiyle iş birliği yapabilecekleri oyunlar çok daha çekici geliyor.

Sorular arası süre değil, geri bildirimin zamanlaması önemli. Kalıcı öğrenme için en etkili yöntem, sanılanın aksine anında geri bildirim değil, gecikmeli geri bildirimdir. Yani, her cevaptan sonra “doğru” veya “yanlış” demek yerine, bir bölümün veya oyunun sonunda toplu bir geri bildirim sunmak, bilginin hafızaya kazınmasını sağlıyor. Beyin, bir bilgiyi unutup tekrar hatırlamaya çalıştığında o bilgiyi daha güçlü bir şekilde kodlar. Bu nedenle, uzun vadeli öğrenme hedefleniyorsa geri bildirimi stratejik olarak geciktirmek en doğrusu.

3.1. Soru Sayısını Belirlemek: Bilişsel Yük ve Akış Dengesi

Akademik literatür, bir eğitsel oyun oturumunda yer alması gereken sorular için sabit ve evrensel bir “ideal sayı” sunmamaktadır. Bunun yerine, temel ilke, oyuncuyu bilişsel kapasitesini aşırı zorlamadan, dikkatini ve ilgisini sürdürebileceği bir “akış” (flow) durumunda tutmaktır. Bu denge, Bilişsel Yük Teorisi’nin (CLT) merkezinde yer alır; teoriye göre, çalışma belleğine aynı anda çok fazla yeni veya karmaşık bilgi sunmak, öğrenmeyi engelleyen bir aşırı yüklenmeye yol açar.

Pratik uygulamalara bakıldığında, bir araştırma, oyunculara 20 benzersiz tam sayı tahmin sorusu sunulan ve bu setin tamamlanmasının ardından soruların rastgele bir sırayla tekrarlandığı bir oyun yapısını incelemiştir. Oyunculara toplamda 80 denemeye kadar devam etme seçeneği sunulmuştur. Bu, bir oyun oturumunun 20 ila 80 soru arasında değişebileceğini, ancak belirli bir noktadan sonra tekrarın sıkıcılığa yol açabileceğini ve katılımı düşürebileceğini ima etmektedir.

Bu çalışmadan elde edilen daha önemli bir bulgu ise şudur: Zorluk seviyesi kontrol edildiğinde, daha fazla benzersiz öğe (soru) içeren setlerin, daha az sayıda sorudan oluşan (ve dolayısıyla daha fazla tekrar içeren) setlere göre daha ilgi çekici olduğu bulunmuştur. Örneğin, 45 farklı sorudan oluşan bir set, aynı zorluk seviyesindeki 15 soruluk bir setten daha yüksek bir katılım sağlamıştır. Bu, çeşitliliğin ve yeniliğin, salt soru sayısından daha güçlü bir motivasyon unsuru olduğunu göstermektedir. Dolayısıyla, tasarımcılar sabit bir soru sayısına odaklanmak yerine, öğrenciyi meşgul tutacak kadar çeşitlilik sunan, görevlerin tekrar hissiyatı yaratmadığı ve öğrencinin performansına göre zorluk seviyesini dinamik olarak ayarlayan (adaptive) sistemler geliştirmeye öncelik vermelidir. Bu yaklaşım, her öğrencinin kendi bilişsel kapasitesi ve öğrenme hızı dahilinde en uygun zorluk seviyesinde kalmasını sağlar.

3.2. Oyun Süresi ve Etkileşim: İdeal Oturum Uzunluğu Üzerine Araştırmalar

Oyun süresini etkileyen bir diğer kritik faktör ise zorluk seviyesidir. Klasik “Ters U Hipotezi” (Inverted-U Hypothesis), bir görevin zorluğunun çok düşük (sıkıcı) veya çok yüksek (sinir bozucu) olmasının katılımı azalttığını, en uygun katılımın ise orta düzey bir zorlukta gerçekleştiğini öne sürer. Ancak, eğitsel oyunlar üzerine yapılan büyük ölçekli bir deney, bu hipotezin her zaman geçerli olmayabileceğini göstermiştir. Araştırma, başarı oranı arttıkça (yani görev kolaylaştıkça) oyuncuların daha uzun süre oynamaya devam ettiğini ve düşük zorluk seviyelerinin (yüksek başarı oranlarının) oyuncu katılımını hiçbir zaman olumsuz etkilemediğini bulmuştur. Bu, özellikle matematik gibi kaygı yaratabilen bir alanda, başarı hissinin ve özgüvenin pekiştirilmesinin, katılımı sürdürmede ne kadar kritik bir rol oynadığını göstermektedir. Oyuncular, başarılı olduklarını hissettikçe oyunda daha fazla zaman geçirme eğilimindedir. Bu nedenle, oyun tasarımcıları, oyuncuyu sürekli olarak başarısızlığa uğratan aşırı zorlayıcı mekanikler yerine, onlara yetkinlik hissi veren ve kademeli olarak zorlaşan (scaffolded) bir yapı sunarak oyun süresini ve öğrenme motivasyonunu artırabilirler.

3.3. Sorular Arası Süre: Geri Bildirim Stratejisiyle İlişkisi

“İki soru arasında ideal süre ne olmalıdır?” sorusu, sabit bir zaman aralığı beklentisi yaratır, ancak akademik araştırmalar bu konunun bir kronometre ile değil, bilişsel süreçler ve pedagojik stratejilerle ilgili olduğunu göstermektedir. Sorular arası süre, tek başına bir metrik olmaktan ziyade, oyunun bilişsel talepleri ve geri bildirim mekanizmasıyla iç içe geçmiş bir tasarım kararıdır.

Basit, ezbere dayalı görevler için bir referans noktası bulunabilir. Örneğin, temel çarpım tablosu gibi otomatikleşmesi hedeflenen aritmetik işlemleri için ortalama cevap süresi 2-3 saniye olarak kabul edilebilir. Bu tür bir alıştırma oyununda, bir güvenlik payı eklenerek soru başına 6 saniye gibi bir süre ayrılması makul bir yaklaşım olabilir. Ancak bu, yalnızca hız ve akıcılık odaklı alıştırmalar için geçerlidir ve daha karmaşık problem çözme görevleri için yetersiz kalır.

Daha karmaşık görevlerde, gereken süre Bilişsel Yük Teorisi (CLT) ilkeleri tarafından belirlenir. Bir öğrencinin bir soruyu yanıtlamak için ihtiyaç duyduğu süre, temel olarak iki bileşenden oluşur: problemi işlemek için gereken süre (içsel bilişsel yük) ve oyunun arayüzünü, talimatlarını ve mekaniklerini anlamak için harcanan süre (dışsal bilişsel yük). Kötü bir oyun tasarımı, dışsal yükü artırır. Örneğin, öğrencinin bir sayıyı aklında tutarken ekranın başka bir yerindeki bir grafiğe bakması gerekiyorsa, bu “bölünmüş dikkat etkisi” (split-attention effect) matematik daha zor olduğu için değil, tasarım verimsiz olduğu için çözüm süresini ve bilişsel çabayı artırır.

CLT rehberliğinde yapılan etkili bir oyun tasarımı ise bu dışsal yükü en aza indirir. Bilgiyi bütünleşik bir şekilde sunar, net talimatlar kullanır ve gereksiz görsel-işitsel unsurları ortadan kaldırır. Bu, öğrencinin çalışma belleğini neredeyse tamamen matematiksel görevin kendisine ayırmasına olanak tanır. Dolayısıyla, iyi tasarlanmış bir oyun, katı bir zamanlayıcı dayatmak yerine, bilişsel engelleri kaldırarak doğal olarak daha hızlı ve verimli problem çözümüne yol açar. Bu bağlamda “ideal süre”, bir girdi parametresi değil, iyi tasarımın bir sonucudur. Tasarımcının sorması gereken soru “Kaç saniye süre vermeliyim?” değil, “Öğrencinin problemi mevcut bilgisiyle olabildiğince verimli bir şekilde çözebilmesi için arayüzü dışsal bilişsel yükü en aza indirecek şekilde nasıl tasarlayabilirim?” olmalıdır. Ayrıca, tek tip bir zamanlayıcı yerine, öğrencinin performansına göre süreyi veya karmaşıklığı ayarlayan uyarlanabilir zamanlama (adaptive pacing) sistemleri, her öğrenciyi kendi “akış” durumunda tutmak için çok daha etkili bir yaklaşımdır.

Bölüm 4: Etkili Eğitsel Oyun Tasarımının Arkasındaki Bilimsel İlkeler

4.1. Bilişsel Yük Teorisi (CLT): Öğrenmeyi Optimize Etmek ve Aşırı Yüklenmeyi Önlemek

Bilişsel Yük Teorisi (CLT), etkili öğretim tasarımının temelini oluşturan en önemli teorik çerçevelerden biridir. Teorinin temel varsayımı basittir: İnsanların aynı anda bilinçli olarak işleyebileceği bilgi miktarı, yani çalışma belleği, oldukça sınırlıdır. Öğrenme, yeni bilginin bu sınırlı çalışma belleğinde işlenerek, kapasitesi neredeyse sınırsız olan uzun süreli bellekteki mevcut bilgi şemalarıyla bütünleştirilmesiyle gerçekleşir. Etkili bir eğitsel oyun, bu hassas süreci yöneterek öğrencinin bilişsel sistemini aşırı yüklemeden öğrenmeyi en üst düzeye çıkarmalıdır. CLT, çalışma belleğine binen yükü üç ana kategoriye ayırır:

• İçsel Bilişsel Yük (Intrinsic Cognitive Load): Bu, öğrenilen konunun doğasından kaynaklanan doğal zorluktur. Örneğin, temel toplama işleminin içsel yükü, ikinci dereceden denklemlerin içsel yükünden daha düşüktür. Bu yük, öğrencinin konu hakkındaki ön bilgisiyle (uzmanlığıyla) ters orantılıdır; bir konu hakkında ne kadar çok şey biliyorsanız, yeni ilgili bilgiyi işlemek o kadar kolay olur. Eğitsel oyunlar, karmaşık bir konuyu daha küçük, yönetilebilir adımlara bölerek ve öğrenciye yol boyunca destek (scaffolding) sağlayarak içsel yükü yönetebilir. Bu, her adımda öğrencinin başa çıkabileceği kadar bilgi sunarak aşırı yüklenmeyi önler.
• Dışsal Bilişsel Yük (Extraneous Cognitive Load): Bu, öğrenme materyalinin sunum şeklinden kaynaklanan gereksiz ve verimsiz zihinsel çabadır. Öğrenmeye doğrudan katkısı olmadığı gibi, değerli bilişsel kaynakları tükettiği için zararlıdır. Karmaşık ve kafa karıştırıcı arayüzler, dikkat dağıtıcı animasyonlar, birbiriyle ilişkili bilgilerin ekranın farklı yerlerinde sunulması (bölünmüş dikkat etkisi) veya gereksiz metin ve görseller (fazlalık etkisi) dışsal yükü artıran yaygın tasarım hatalarıdır. İyi tasarlanmış bir eğitsel oyunun birincil hedeflerinden biri, bu dışsal yükü mümkün olan en düşük seviyeye indirmektir.
• İlgili Bilişsel Yük (Germane Cognitive Load): Bu, yeni bilginin aktif olarak işlenmesi, anlaşılması ve uzun süreli bellekteki mevcut şemalarla bütünleştirilmesi için harcanan zihinsel çabadır. Bu, öğrenmenin gerçekleştiği yerdir ve bu nedenle “iyi” ve arzu edilen bir yüktür. Bir tasarımcının amacı, dışsal yükü en aza indirerek ve içsel yükü yöneterek, öğrencinin çalışma belleğinde ilgili yüke mümkün olduğunca fazla alan açmaktır. Etkileşimli simülasyonlar, problem çözme senaryoları ve öğrenciden öğrendiklerini farklı bir bağlamda uygulamasını isteyen görevler, ilgili yükü teşvik eden etkili oyun mekanikleridir

4.2. Aralıklı Tekrar (Spacing Effect) ve Harmanlanmış Pratik (Interleaved Practice): Kalıcı Öğrenmenin Anahtarları

Kalıcı öğrenme, bilginin sadece anlık olarak anlaşılması değil, uzun bir süre sonra bile hatırlanabilmesi ve kullanılabilmesi anlamına gelir. Öğrenme bilimi, bu hedefe ulaşmak için iki güçlü ilke ortaya koymuştur: Aralıklı Tekrar ve Harmanlanmış Pratik. Bu ilkeler, eğitsel oyunların tasarımına entegre edildiğinde öğrenme çıktılarını önemli ölçüde artırabilir.

• Aralıklı Tekrar (Spacing Effect): Bu ilke, bir konuyu kısa bir sürede art arda (toplu çalışma) tekrar etmek yerine, tekrarlar arasına zaman koymanın uzun süreli hafızayı çok daha etkili bir şekilde güçlendirdiğini belirtir. Beyin, bir bilgiyi unutup tekrar hatırlama çabasına girdiğinde, o bilgiyle ilgili sinirsel bağlantılar güçlenir. Araştırmalar, optimal tekrar aralığının, bilginin ne kadar süreyle hatırlanmak istendiğine bağlı olduğunu göstermektedir. Genel bir kural olarak, en iyi kalıcılık, tekrar aralığı hedeflenen hatırlama süresinin (test gecikmesi) yaklaşık %10-20’si olduğunda elde edilir. Örneğin, bir bilginin bir hafta sonra hatırlanması hedefleniyorsa, yaklaşık bir günlük bir tekrar aralığı ideal olabilir. Eğitsel oyunlar, bu ilkeyi doğal bir şekilde uygulamak için mükemmel bir ortam sunar. Oyun, önceki seviyelerde öğretilen bir matematiksel kavramı, birkaç seviye sonra veya bir sonraki oyun oturumunda farklı bir problem içinde tekrar sorarak aralıklı tekrarı oyun mekaniğinin bir parçası haline getirebilir.
• Harmanlanmış Pratik (Interleaved Practice): Geleneksel matematik öğretiminde genellikle “blok pratik” yöntemi kullanılır. Yani, öğrenciler önce sadece toplama problemlerinden oluşan bir alıştırma setini çözer, ardından sadece çıkarma problemlerine geçerler. Harmanlanmış pratik ise bu yaklaşımın tam tersini önerir: farklı problem türlerini (örneğin, toplama, çıkarma, çarpma ve bölme) aynı alıştırma seti içinde karıştırarak sunar. Blok pratik sırasında öğrenciler, hangi stratejiyi kullanacaklarını zaten bildikleri için problemi mekanik olarak çözerler. Ancak harmanlanmış pratikte, her yeni problemle karşılaştıklarında önce problemi analiz etmeli, türünü belirlemeli ve ardından uygun çözüm stratejisini seçmelidirler. Bu ek bilişsel çaba, başlangıçta daha zorlayıcı olsa da, kavramlar arasındaki farkları ve benzerlikleri daha iyi anlamalarını ve her problem türü ile doğru strateji arasındaki bağlantıyı güçlendirmelerini sağlar. Bu da daha derin ve esnek bir kavramsal anlayışa yol açar. Eğitsel oyunlar, farklı mekaniklere veya çözüm yollarına sahip görevleri aynı seviye içinde birleştirerek veya rastgele bir sırayla sunarak harmanlanmış pratiği etkili bir şekilde uygulayabilir.

4.3. Geri Bildirimin Psikolojisi: Ne Zaman ve Nasıl Geri Bildirim Verilmeli?

Geri bildirim, öğrenme sürecinin en güçlü hızlandırıcılarından biridir; öğrenciye mevcut anlayış seviyesi ile hedeflenen anlayış seviyesi arasındaki boşluğu kapatması için bilgi sağlar. Ancak geri bildirimin etkinliği, sadece içeriğine değil, aynı zamanda zamanlamasına da bağlıdır. Araştırma literatüründe, anında ve gecikmeli geri bildirim stratejileri arasında, hedeflenen öğrenme çıktısına bağlı olarak değişen bir denge olduğu görülmektedir.

Bu konudaki görünürdeki çelişki, aslında farklı öğrenme hedeflerine hizmet eden iki farklı mekanizmayı yansıtmaktadır:

1. Anında Geri Bildirimin Amacı: Prosedürel Doğruluk: Anında geri bildirim (immediate feedback), bir öğrenci hata yaptığında anında düzeltme sağlar. Bu, özellikle çok adımlı yeni bir prosedürün (örneğin, yazılı bölme işlemi) öğrenilmesi sırasında kritik öneme sahiptir. Amaç, öğrencinin bir hatayı tekrar tekrar pratik ederek yanlış bir alışkanlık geliştirmesini önlemektir. Bu senaryoda bilişsel hedef, bilinen bir algoritmayı doğru bir şekilde uygulamaktır. Geri bildirim, gerçek zamanlı bir düzeltme mekanizması olarak işlev görür ve öğrenciler tarafından genellikle tercih edilir.
2. Gecikmeli Geri Bildirimin Amacı: Uzun Süreli Kavramsal Hatırlama: Gecikmeli geri bildirim (delayed feedback) ise çok sayıda çalışmada uzun süreli kalıcılık açısından anında geri bildirimden daha üstün bulunmuştur. Bunun arkasındaki mekanizma, öğrencinin hatırlama çabası (retrieval attempt) ile doğrulama (feedback) arasına bir zaman aralığı koymasıdır. Bu aralık, beyni bilgiyi unutma ve geri bildirim sunulduğunda yeniden aktif olarak hatırlama sürecine girmeye zorlar. Bu süreç, “aralıklı tekrar” (spacing effect) ilkesini taklit eder. İlk soru ilk öğrenme olayıdır, gecikmeli geri bildirim ise ikinci, aralıklı öğrenme olayıdır. Bu aralıklı hatırlama çabası, anında ve toplu bir sunumdan çok daha etkili bir şekilde hafıza izini güçlendirir.

Bu nedenle, eğitsel bir oyunun amacı öğrencinin bir kavramı uzun süre ezberlemesi ve hatırlaması ise, gecikmeli geri bildirim üstün bir mekanizmadır. Geri bildirimi sadece bir düzeltme aracı olarak değil, hafızayı güçlendiren planlı bir pekiştireç olarak ele alır. İdeal bir eğitsel oyun, hibrit bir model kullanabilir. Yeni bir prosedürün öğretildiği başlangıç veya eğitim (tutorial) seviyelerinde anında geri bildirim kullanılabilir. Ancak, kavramsal anlayışı pekiştirmek ve test etmek için tasarlanmış sonraki seviyelerde, uzun süreli kalıcılığı en üst düzeye çıkarmak için gecikmeli geri bildirime (örneğin, “seviye özeti” veya “gün sonu raporu” gibi) geçilmelidir. Tasarımcının sorması gereken kritik soru şudur: “Öğrenciye ‘nasıl yapılır’ mı öğretiyorum, yoksa ‘bu nedir’ mi öğretiyorum?” Bu sorunun cevabı, en uygun geri bildirim stratejisini belirleyecektir.

Bölüm 5: Sonuç ve Blog Yazarları İçin Özet

5.1. Tasarımcılar ve Eğitimciler için Eyleme Geçirilebilir Öneriler

Bu yazı boyunca analiz edilen akademik bulgular, dijital eğitsel matematik oyunları geliştiren profesyoneller için aşağıdaki somut ve eyleme geçirilebilir önerilere dönüştürülebilir:

• Karakter ve Avatar Tasarımı:

• Öğrenme Hedeflerini Önceliklendirin: Özellikle matematik gibi performans kaygısına neden olabilecek konularda, oyuncunun kendini özdeşleştireceği kişiselleştirilmiş veya gerçekçi avatarlar yerine, soyut (geometrik şekiller, nesneler) veya kurgusal (hayvanlar) avatarlar kullanmayı ciddi olarak düşünün. Bu, stereotip tehdidi riskini azaltır ve başarısızlığı daha az kişisel hale getirerek öğrencinin bilişsel kaynaklarını göreve odaklamasına yardımcı olur.
• Sosyal Etkileşimi Teşvik Edin: Mümkün olduğunda, iş birliğine dayalı problem çözmeyi teşvik eden çok oyunculu modlar ekleyin. Öğrenci tercihleri, sosyal ve işbirlikçi öğrenme ortamlarına güçlü bir eğilim göstermektedir.
• Oyun Oturumu ve Yapısı:

• Kısa ve Odaklı Oturumlar: Oyun oturumlarını, özellikle küçük yaştaki çocuklar için, dikkat sürelerini göz önünde bulundurarak 7-15 dakika gibi kısa ve yoğun tutun.
• Çeşitliliği ve Yeniliği En Üst Düzeye Çıkarın: Sabit bir soru sayısına odaklanmak yerine, oyuncuyu meşgul tutmak için görev çeşitliliğini ve yeniliği artırın. Tekrar eden görevler yerine daha fazla sayıda benzersiz problem sunmak, katılımı artırmada daha etkilidir.
• Uyarlanabilir Zorluk Uygulayın: Her öğrencinin kendi yetenek seviyesinde zorlanmasını sağlamak için performansa dayalı uyarlanabilir zorluk seviyeleri uygulayın. Bu, hem sıkılmayı hem de hayal kırıklığını önleyerek oyuncuyu “akış” durumunda tutar.
• Oyun Hızı (Pacing) ve Geri Bildirim:

• Bilişsel Sürtünmeyi Azaltın: Oyunun hızını yapay zamanlayıcılarla değil, arayüzü basitleştirerek, talimatları netleştirerek ve gereksiz bilişsel yükü (dışsal yük) ortadan kaldırarak doğal olarak artırın. Verimli bir tasarım, daha hızlı problem çözümüne olanak tanır.
• Geri Bildirimi Stratejik Olarak Zamanlayın: Uzun süreli öğrenmeyi ve kalıcılığı hedefliyorsanız, geri bildirimi bir seviyenin, görevin veya oyun oturumunun sonuna erteleyin. Eğer yeni ve karmaşık bir prosedürel beceri öğretiyorsanız, hataların pekişmesini önlemek için anında geri bildirim kullanın.
• Öğrenme Bilimini Entegre Edin:

• Aralıklı Tekrarı Oyun Döngüsüne Dahil Edin: Önceki seviyelerde veya oturumlarda öğrenilen konuları içeren “sürpriz” görevler, bonus seviyeler veya günlük meydan okumalar tasarlayarak aralıklı tekrar ilkesini oyun mekaniklerinize entegre edin.
• Harmanlanmış Pratiği Standart Hale Getirin: Seviyelerinizi, öğrencilerin farklı problem türlerini ayırt etmesini ve doğru stratejiyi seçmesini gerektirecek şekilde tasarlayın. Bir seviye içinde farklı matematiksel kavramları veya işlem türlerini karıştıran görevler sunun (harmanlanmış pratik).

Kaynakça

1. Pan, Y., Ke, F., & Xu, X. (2022). A systematic review of the role of learning games in fostering mathematics education in K-12 settings. Educational Research Review.
2. Moyer-Packenham, P. S., Lommatsch, C. W., et al. (2019). How design features in digital math games support learning and mathematics connections. Computers in Human Behavior.
3. Chorianopoulos, K., & Giannakos, M. (2014). Design Principles for Serious Video Games in Mathematics Education: From Theory to Practice. International Journal of Serious Games.
4. Sailer, M., & Homner, L. (2020). The Gamification of Learning: A Meta-Analysis. Educational Psychology Review.
5. Kao, D. (2015). The Role of Avatars in Learning: A Comparative Study of Likeness and Shape Avatars in STEM Games. Proceedings of the IEEE Conference on Computational Intelligence and Games.
6. Greipl, S., et al. (2020). The potential of game-based learning in developing interdisciplinary skills.
7. Sweller, J. (1988). Cognitive Load Theory.
8. Huang, W. H., & Johnson, T. E. (2008). Instructional Game Design Using Cognitive Load Theory.
9. Lomas, D., et al. (2013). Optimizing challenge in an educational game using large-scale design experiments.
10. Tüzün, H., et al. (2018). Motivation and learning engagement through playing math video games.
11. Dihoff, R. E., Brosvic, G. M., Epstein, M. L., & Cook, M. J. (2004). Provision of feedback during preparation for academic testing.
12. Butler, A. C., & Roediger, H. L. (2008). The effect of type and timing of feedback on learning from multiple-choice tests. Journal of Experimental Psychology: Applied.
13. Rohrer, D., & Pashler, H. (2010). Recent research on human learning challenges conventional instructional strategies. Educational Researcher.
14. Cepeda, N. J., Pashler, H., Vul, E., Wixted, J. T., & Rohrer, D. (2006). Distributed practice in verbal recall tasks: A review and quantitative synthesis. Psychological Bulletin.
15. Vlach, H. A., Sandhofer, C. M., & Kornell, N. (2008). The spacing effect in children’s memory and category induction. Cognition.
16. Sari, I. P., & Elni, E. (2019). Students’ preferences for characters and number of players in learning games.
17. Sari, I. P., & Elni, E. (2019). Students’ preferences for characters in interesting learning games.
18. Csikszentmihalyi, M. (1990). Flow: The Psychology of Optimal Experience.
19. Kiili, K. (2005). Digital game-based learning: Towards an experiential gaming model. The Internet and Higher Education.
20. Moreno, R. (2010). Cognitive load theory and the role of learner experience: An abbreviated review for educational practitioners.
21. Paas, F., Renkl, A., & Sweller, J. (2003). Cognitive load theory and instructional design: Recent developments. Educational Psychologist.
22. Collins, D. R. (2016). Average time to solve basic arithmetic problem. Mathematics Educators Stack Exchange.
23. Shute, V. J., & Ke, F. (2012). Games, learning, and assessment. In Assessment in game-based learning (pp. 43-58). Springer.
24. Baddeley, A. (2003). Working memory: looking back and looking forward. Nature Reviews Neuroscience.
25. Rohrer, D., Dedrick, R. F., & Stershic, S. (2015). Interleaved practice improves mathematics learning. Journal of Educational Psychology.
26. Taylor, K., & Rohrer, D. (2010). The effects of interleaved practice. Applied Cognitive Psychology.
27. Emeny, W. (n.d.). Building interleaving and spaced practice into our pedagogy.
28. Hattie, J., & Timperley, H. (2007). The Power of Feedback. Review of Educational Research.
29. Shute, V. J. (2008). Focus on Formative Feedback. Review of Educational Research.
30. Kluger, A. N., & DeNisi, A. (1996). The effects of feedback interventions on performance: A historical review, a meta-analysis, and a preliminary feedback intervention theory. Psychological Bulletin.