游戏化在线课程对学生学习效果的影响——基于26 项实验与准实验研究的元分析

任岩 安涛

（江苏师范大学 智慧教育学院，江苏 徐州 221116）

一、问题提出

在线课程的开发与应用重塑了传统的教与学模式，极大地促进了优质教育资源的普及推广，推动了教育公平发展和质量提升。尽管如此，在线课程学习用户的黏性不足、持续参与意愿低、课程的完成率低、辍学率高等问题仍然是其深入应用所面临的困难与挑战。那么，在线课程开发与应用如何才能更好地吸引与激励学习者保持学习热情和持续参与，从而提升用户留存率和课程完成率，对学习质量产生影响呢？有研究者指出，将游戏化理念应用到在线课程中可以解决学习被动、枯燥等问题[1]。由此，游戏化理念受到相关研究者的重视，并试图通过游戏化机制、游戏化元素、游戏化场景的整合来提高在线学习者的临场感、学习动机和学习效果。

游戏化被定义为在非游戏化环境中使用游戏元素、机制与场景来提高参与者的参与度，这些游戏化的元素、机制与场景包括但不限于排行榜、积分、徽章、竞争、角色扮演等。当前游戏化在线课程的理论与实践研究仍处于起步阶段，基于现有文献，本研究梳理了该主题下的相关研究成果，发现这些研究的结论存在分歧，主要可以分为以下三大类。

（1）游戏化在线课程对学习者的学习效果具有显著的促进作用。

例如，萨兰·穆拉特（Saran Murat）等人[2]通过实验研究，探究了游戏化元素的引入对47 名参与在线计算机体系结构课程的学生的学习表现的影响，结果表明，实验组学生的学习成绩显著高于对照组学生；朱云等人[3]提出了游戏化元素、机制、场景与在线课程视频整合的途径，并验证了该整合途径能够在一定程度上提升学生的学习表现。

（2）游戏化在线课程对学习者的学习效果无显著影响。

例如，凯沃斯基·埃利亚斯（Kyewski Elias）等人[4]探究了徽章等游戏元素对大学生参与在线课程的积极性和表现的影响，发现徽章等游戏化元素与在线课程的整合对在线学习者的学习动机和学习表现无显著性影响；贺宝勋等人[5]在验证“游戏化评价对大学生在线学习倦怠和学习成绩有显著影响”这一假设时发现，通过游戏化评价并不能有效缓解大学生的在线学习倦怠，且实验组和对照组的期末考试表现的差距也不明显。

（3）游戏化在线课程对学习者的学习效果具有消极作用。

例如，德·马科斯·路易斯（De Marcos Luis）等人[6]在本科课程中测试了游戏化对学生学习成就的影响，结果发现：在评估学生的知识掌握情况时，传统的在线学习方式比整合游戏化理念的在线学习方式所产生的效果更好；哈努斯·迈克尔·德（Hanus Michael D）等人[7]通过分组实验测试了游戏化在线课程对学生学习成绩的影响效果，结果表明：与非游戏化的在线课程相比，参与游戏化在线课程的学生的期末考试成绩更差，并强调教师在将游戏化机制应用于在线教育环境时应保持谨慎。

综上所述，游戏化在线课程促进学生学习的有效性还需进一步确认，而游戏化在线课程的有效性是课程设计与开发者评价其实用性的关键要素，也是预测在线课程学习者持续学习、深度投入的重要指标。基于此，本研究从循证研究的视角出发，采用元分析的方法，综合评估游戏化在线课程对学生学习效果的影响，确定不同变量对学生学习效果的影响，具体的问题包含：（1）相对于传统的在线课程，游戏化在线课程是否更有利于提高学生的学习效果？（2）游戏化在线课程对学生学习效果的影响受到哪些变量的调节？

二、研究设计

（一）研究方法与工具

元分析方法是将存在差异的相关研究结果再统计，以寻求一个具有普遍性和科学性结论的研究方法。目前，元分析方法已经被广泛应用于教育技术学领域，用来探究同一研究主题下不同结果的系统评价和定量分析。它主要通过提取同一研究主题的原始统计量（如实验样本、均值、标准差等），进行单个效应值的计算与合并，以得出这些研究的整体结论。鉴于学界当前关于游戏化在线课程对学生学习效果的影响存在争议，故运用元分析方法是可行的。

另外，本研究将Excel 2016 作为文献筛选和编码工具，使用元分析软件Review Manager 5.3 作为元分析工具，将标准化均差值SMD（Standardized Mean Difference）作为研究结果的效应值来表征游戏化在线课程对学生学习效果的影响程度。

（二）研究过程

1.文献检索与筛选

为了使纳入元分析的原始文献足够丰富且高质量，本研究分别以国内外大型的电子文献数据库为检索库，进行了大范围精确检索。其中，中文文献以中国知网、万方数据知识服务平台、维普中文科技期刊等为原始文献来源检索库，以“游戏化、游戏、教育游戏”并含“在线课程、在线学习、网络课程、网络学习”并含“实证研究、实验研究、应用效果”等作为关键词进行检索；外 文 文 献 以Web of Science、ERIC、Science Direct、ProQuest 等为原始文献来源检索库，以含有“educational games OR gamification OR serious games” and “online learning OR e-learning OR online course” and “learning achievement OR learning outcome OR learning effect”等关键词语句进行主题检索。鉴于游戏化在线课程的相关研究始于2010 年，为保证研究的时效性，限定文献检索的时间跨度为2010 年1 月至2021 年12 月。

文献检索是大范围地对相关主题文献进行收集，具体的文献检索结果是否符合元分析的基本要求还需要进一步筛选。本研究对于检索所得的文献，采用以下元分析纳入标准进行筛选。

（1）研究主题是关于游戏化在线课程对学生学习效果影响的相关研究；

（2）研究为量化实证研究，研究方法为运用实验或准实验研究；

（3）量化研究设置了实验组（采用游戏化在线课程）与对照组（采用传统在线课程），或者设置单组的前后测（前测为应用传统在线课程进行教与学，后测为应用游戏化在线课程进行教与学）；

（4）研究中报告了详细且具体的实验数据统计信息（如实验组与对照组的样本量N、均值M、标准差SD或方差S等），能够计算出该研究相应的效应值；

（5）排除以不同形式重复发表的同一研究成果。

依据以上筛选条件，剔除不符合元分析纳入标准的文献后，在文献检索的限定时间跨度内，共纳入符合元分析标准的有效研究文献26 篇，其中外文文献25篇、中文文献1 篇，共包含独立效应值58 个（部分研究涉及多项实验，有多个效应值），涉及的研究总样本量为9 244 人（次）。

2.文献编码

文献编码是采用元分析进行后续研究的重要步骤。进行文献编码时，需要对纳入元分析的有效文献进行信息抽取。本研究对纳入元分析的文献按照表1 所示的编码表进行了文献编码，主要包括文献的基本信息和特征值，前者包括文献的作者姓名、发表年份等，后者主要包含：样本大小（1 ～50 人、50 ～100 人、100 人以上）、被试学段（小学、中学、大学）、应用学科（自然科学、人文社科、工程技术、其他学科）、实验周期（单次课、1 ～10 周、10 周以上）、知识类型（陈述性知识、程序性知识）、应用区域（国内、国外）等内容。为保证编码的可靠性，避免编码错误，整个编码过程由同一人在两次不同的时间实施独立编码，两次编码中间间隔1 个月，第二次编码完成后与前一次进行比较，两次编码结果的一致性为93.4%，对少数编码数据进行复核后进行最终确定。

表1 文献编码表

3.分析框架

为了系统性地评估游戏化在线课程对学生学习效果的有效性，本研究参考了成熟的元分析案例，在探究游戏化在线课程对学生学习效果整体影响的基础上，引入相关调节变量，以进一步探索游戏化在线课程对学生学习效果的影响受哪些变量的调节及其调节作用的差异。

三、研究结果与分析

（一）发表偏倚检测

发表偏倚是指同一主题的相关研究结果与实际值之间在统计学上所存在的误差或偏差，它是元分析研究过程中不可避免的系统误差，对元分析的研究结论也具有一定程度的影响。因此，有必要对纳入元分析的有效研究文献进行发表偏倚检测，以判断元分析的有效文献是否存在严重的发表偏倚，以免其对本研究结论的说服力与可靠性造成严重影响。本研究纳入元分析的有效文献形成了一个对称的漏斗图，绝大部分纳入元分析的有效文献处于漏斗图的顶部，并且均匀地分布在中线两侧，这表明本研究所纳入元分析的有效文献存在严重发表偏倚的可能性较小，相应地，作为元分析研究结论的说服力与可靠性也就较强。

（二）异质性检测

同一主题的相关研究文献由于研究设计、实验对象、测量工具、评价指标等方面的不同，使得这些研究的效应量存在一定程度的差异，这些差异被称为元分析样本的异质性，而异质性的存在既会影响元分析平均效应量的稳定性，其结果也是选择元分析研究模型的直接判断标准。因此，非常有必要进行元分析样本的异质性检测。本研究通过I2（其值为25%、50%、75%，分别对应低、中、高不同程度的异质性）和Q统计量的大小及其显著性（p＜0.05）来检测元分析样本的异质性程度。本研究元分析样本的异质性检测结果显示：Q 统计量（Q＝1132.33）远远大于自由度（df=57）且达到统计学显著水平（p＜0.000001），另外，I2=95%＞75%。这表明元分析样本间的异质性程度较高，而且根据I2的大小进行判断，本研究应该采用随机效应模型（REM）进行后续研究的统计分析与评估，以保证研究结果的准确性与可靠性。

（三）游戏化在线课程对学生学习效果的整体影响效应

在元分析的随机效应模型下，游戏化在线课程对学生学习效果的整体影响效应如表2 所示。从表2 可以看出，游戏化在线课程对学生学习效果的影响的合并效应值SMD＝0.60，其值为正，95%的置信区间为[0.40,0.80]，置信区间不包含0，且合并效应值达到了统计学上的显著性水平（p＜0.05）。依据科恩·雅格布（Cohen Jacob）[8]对元分析合并效应值大小的评估标准：当合并效应值小于0.2 时，可以认为影响不显著；当合并效应值介于0.2 ～0.5 之间时，可以认为有较小程度的影响；当合并效应值介于0.5 ～0.8 之间时，可以认为有中等程度的影响；当合并效应值大于0.8 时，可以认为有较大程度的影响。由此可见，游戏化在线课程对学生的学习效果有着中等程度的积极影响。这一结果表明，游戏化与在线课程的融合在一定程度上能够改善学生的学习效果。也就是说，与传统的在线课程相比，游戏化在线课程更有助于提升学生的学习成绩。

表2 游戏化在线课程对学生学习效果的整体影响效应

（四）调节效应

异质性检测显示元分析样本间的异质性程度较高，因此可能存在潜在的调节变量，这也正是本研究需要回答的第二个问题，即游戏化在线课程对学生学习效果的影响受到哪些变量的调节。本研究采用亚组分析讨论了在样本大小、被试学段、应用学科、实验周期、知识类型和应用区域5 个不同调节变量的作用下，游戏化在线课程对学生学习效果的影响及其差异性，如表3 所示。

表3 调节效应分析

续表

1.样本大小的调节效应

从表3 中可以看出，50 ～100 人（SMD=0.50，p＜0.0002）、100 人以上（SMD=0.55，p=0.0003）两类样本大小的合并效应值SMD为0.5 ～0.8，且达到了统计学上的显著性水平（p＜0.05）。这表明游戏化在线课程对处于这两种班级规模的学生而言，均具有中等程度的积极影响；1 ～50 人（SMD=0.85，p＜0.0001）样本大小的合并效应值SMD大于0.8，且达到了统计学上的显著性水平（p＜0.05），说明游戏化在线课程对处于这种班级规模的学生而言具有较大程度的积极影响。从组间效应的分析结果来看（Chi2=2.28，p=0.32），未达到统计学上的显著性水平（p＞0.05），这表明在不同的班级规模中，游戏化在线课程均能改善学生的学习效果、提升学生的学习表现，但对1～50人班级规模的影响效果最佳，对50～100人和100人以上班级规模的影响效果则次之。

2.被试学段的调节效应

目前游戏化在线课程在不同的学习阶段都得到了实践应用，但主要集中在大学阶段。那么，游戏化在线课程对不同学段学生的影响效果是否存在差异呢？为了回答这一问题，本研究就不同的学段中游戏化在线课程对学生学习效果的影响进行了分析。从表3 中可以看出，被试学段的组间效应分析结果（Chi2=6.19，p=0.05）未能达到统计学上的显著性水平（p＞0.05），这说明游戏化在线课程对不同学段学生学习效果的影响不存在差异。但从具体的合并效应值可以发现，游戏化在线课程对大学生（SMD=0.71，p＜0.00001）的学习效果具有中等程度的积极影响，对小学生（SMD=0.30，p=0.03 ＜0.05）和中学生（SMD=0.26，p=0.22 ＞0.05）的学习效果有着较小程度的积极影响，但相较而言，这种影响效果在中学阶段并不显著。

3.应用学科的调节效应

从表3 中可知，应用学科的组间效应分析结果（Chi2=14.54，p=0.002）达到统计学上的显著性水平（p＜0.05），这表明在不同的学科教学中，游戏化在线课程的应用效果存在显著性差异。其中，自然科学类学科（SMD=0.62，p=0.008）的合并效应值SMD为0.5 ～0.8，且达到了统计学上的显著性水平（p＜0.05），这说明游戏化在线课程对自然科学领域的学习具有中等程度的积极影响；工程技术类学科（SMD=0.83，p＜0.00001）的合并效应值SMD大于0.8，且达到了统计学上的显著性水平（p＜0.05），这说明游戏化在线课程对工程技术领域的学习具有较大程度的积极影响；人文社科类学科（SMD=0.28，p=0.16）的合并效应值SMD为0.2 ～0.5，但并未达到统计学上的显著性水平（p＞0.05），这说明游戏化在线课程对人文社科领域的学习具有较小的积极影响，但这种影响并不显著。另外，对于其他学科（SMD=0.25，p＜0.0001）而言，尽管这类学科的合并效应值介于0.2 ～0.5 之间，且达到了统计学上的显著性水平（p＜0.05），但由于单一学科元分析样本有限，无法确定游戏化在线课程对其产生的实际影响。

4.实验周期的调节效应

为了考察不同实验周期的游戏化在线课程对学生学习效果影响的差异，本研究将实验周期划分为T1（单次课）、T2（1 ～10 周）、T3（10周以上）3 类。如表3 实验周期的调节效应分析，从组间效应分析的结果（Chi2=3.27，p=0.19）可以看出，在不同的实验周期下，游戏化在线课程对学生学习效果的影响不存在显著性差异（p＞0.05）。但从具体的合并效应值可以发现，单次课和10 周以上实验周期的合并效应值为0.2 ～0.5，表明在这两类实验周期下，游戏化在线课程对学生的学习效果均具有较小程度的积极影响，其中，单次课的合并效应值（SMD=0.31）并未达到统计学上的显著性水平（p=0.12 ＞0.05），即影响效果并不显著，而10周以上实验周期的合并效应值（SMD=0.45）达到了统计学上的显著性水平（p=0.02 ＜0.05），即影响效果显著；1 ～10 周实验周期的合并效应值（SMD=0.71）为0.5 ～0.8，且达到了统计学上的显著性水平（p＜0.05），说明应用游戏化在线课程在1 ～10 周内对学生的学习效果有中等程度的积极作用。

5.知识类型的调节效应

根据安德森（Anderson）等人[9]对知识类型的分类结果，本研究探索了在不同类型的知识学习过程中，游戏化在线课程对学生学习效果的影响。如表3 所示，知识类型的组间效应分析结果（Chi2=4.46，p=0.03）表明在不同知识类型的学习中，游戏化在线课程对学生学习效果的影响作用存在显著差异（p＜0.05）。从具体的合并效应值可知，游戏化在线课程对程序性知识（SMD=0.80，p＜0.000 01）的习得有着显著影响，而对陈述性知识（SMD=0.38，p=0.01）习得的影响则较小。

6.应用区域的调节效应

从表3 中可以看出，国内可用于进行元分析研究的有效样本较少，因此，在国内游戏化在线课程的应用效果（SMD=0.02，p=0.95 ＞0.05）并不显著；国外的元分析有效样本较多，且从国外游戏化在线课程的应用效果（SMD=0.67，p＜0.00001）来看，游戏化在线课程对学生的学习效果有着中等程度的积极作用。尽管从组间效应分析结果（Chi2=3.01，p=0.08 ＞0.05）来看，在应用区域层面上，游戏化在线课程的应用效果不存在显著性差异，但由于样本数量因素，在谨慎看待这一结果的同时，也要做好国内游戏化在线课程理论与实践方面的研究工作，以提供更多相关主题的实证研究用于综合评估其区域差异。

四、研究结论与建议

（一）研究结论

本研究运用元分析的研究方法对国内外26 项关于游戏化在线课程对学生学习效果影响的实验与准实验研究进行了综合分析，并得出以下结论。

1.游戏化在线课程对学生的学习效果具有显著的积极影响

根据本研究的元分析量化统计分析结果，游戏化在线课程对学生学习效果影响的合并效应值为0.60，表明游戏化在线课程对学生的学习效果有着中等程度的积极影响。也就是说，游戏化与在线课程的有机整合在一定程度上有助于改善学习者的学习表现，提升学习者的学习成绩。这一结果为游戏化在线课程的资源建设与实践应用提供了宝贵的科学依据，也为进一步推广游戏化在线课程在教学中的应用，加速游戏化与在线教育领域的深度融合奠定了坚实的基础。究其原因，其一，利用排行榜、徽章、积分等具有趣味性的游戏化元素可以激励在线课程学习者的参与性[10]。教师从直观的积分累计开始，通过不同等级徽章的授予增强学生的学业成就感，再通过排行榜让学生明确对真实学习进展的感知，即明白自己在学习群体中的位置水平与存在的差距[11]，进一步引发学生的心理反应，强化学习行为并刺激学生的持续参与。其二，利用游戏化场景可以促进在线课程学习的交互性。在线课程中的学习交互是一个关键问题，而通过事件或故事等游戏化场景的搭建，能够增强学生与情境、内容和资源之间的交互，让学生“置身事外”而沉浸于学习情境中，增强其学习体验，从而使其获得“心流体验”，让学生在与游戏化场景（情境）的交互中主动学习与建构知识[12]。其三，利用游戏化机制可以提升在线课程学生的学习动机[13]。游戏化机制能够引发好奇，增强学生兴趣，而兴趣驱动是学生参与并完成在线课程学习的内部动机。综上所述，参与性、交互性、学习动机等均是在线课程成功与否的重要评价指标，因此，游戏化对以上方面的增益都可以转化为在线课程学习者取得优异成绩和良好学习表现的重要因素。

2.样本大小、被试学段、应用学科、知识类型、实验周期、应用区域的调节效应

（1）在不同规模的样本中，游戏化在线课程对学生学习效果的影响无明显差异，因此，教师可以合理安排班级规模进行游戏化在线课程的教与学活动。

（2）游戏化在线课程对不同学段学生的影响不存在显著差异。但从具体的影响程度来看，游戏化在线课程对大学生的影响最大，对中小学生的影响则偏小，其原因可能在于在线课程的学习需要具备一定的自主学习能力和适应性技能，而中小学生相较于大学生，其认知水平较低、在线学习经验较少、自主学习能力较弱，在进行游戏化在线课程学习时，容易出现“认知过载”现象，导致自身认知负荷过大，从而降低了学习效率和学业表现。

（3）游戏化在线课程在不同学科中的应用效果具有显著性差异，对工程技术学科的积极影响较大，对自然科学和人文社科学科的积极影响则相对较小。从文献数量来看，工程技术类学科关于游戏化在线课程的研究成果的数量远高于自然科学和人文社科学科。因此，可能相较于后两者，前者的应用经验更加丰富，应用模式与应用策略更加成熟，学习者取得的学习效果也更显著。此外，也可能是由于游戏化在线课程存在一定的技术门槛和技术难度，使得具体学科教学应用的课程资源数量和质量存在差距。因此，游戏化在线课程的实践还需研究者考量更多层面的因素来进一步提升其学科应用的效能。

（4）游戏化在线课程对不同知识类型的学习效果的影响具有显著性差异，对程序性知识的影响程度要大于陈述性知识。程序性知识主要是涉及操作实践的知识与技能，这类知识的抽象程度和概括性要低于陈述性知识，利用游戏化在线课程能够为学习者理解与掌握相关知识点提供实践性的模拟训练，一方面能够强化学生对操作技能的熟悉程度与动作连贯性，另一面也能够给予学生强烈的参与感与沉浸式的学习体验，从而帮助学生更好地进行知识建构与知识迁移。因此，游戏化在线课程对此类知识的学习更加有利。

（5）在不同的实验周期下，游戏化在线课程对学生学习效果的影响不存在显著差异，但从具体的调节效应大小来看，实验周期为1～10周时，影响程度最大，单次课和10 周以上实验周期的影响程度则较小。原因可能是在线课程的学习者在首次接触这种学习方式时，会产生“新奇效应”，从而刺激学习兴趣，但随着游戏化在线课程的不断学习，学生对于游戏化机制、元素、场景的适应度和熟悉度逐渐提高，其新鲜感有所下降。因此，游戏化在线课程对学习效果的影响程度也会有所减弱。

（6）在应用区域层面上，游戏化在线课程对学生学习效果的影响不存在显著性差异。但是，这一结论是基于国内相关研究成果还比较匮乏的现状而得出的，需要审慎看待。

（二）建议

元分析结果有效论证了游戏化在线课程对学生学习效果的积极作用，说明游戏化与在线课程的有机整合能够作为在线学习的有益辅助手段。本研究结合当前游戏化在线课程的应用现状和所面临的挑战，就未来游戏化在线课程应用提出以下建议：

第一，继续提升游戏化在线课程的作用效果。虽然游戏化在线课程已经在一定程度上促进了学习者的学习效果，但其作用效果仍有很大的提升空间。因此，一方面，要加速游戏化在线课程资源建设，尤其是优质资源的建设，根据教学需求提供优质供给，本着“教育为主，游戏为辅”的设计与开发原则，实现游戏化与在线课程的有机整合，使游戏化在线课程的教育价值最大化；另一方面，打破学科壁垒，借鉴教育神经科学领域的研究成果（如脑机制研究、认知加工过程研究等），让游戏化在线课程的设计开发更加科学化[14]，也让游戏化在线课程的作用效果更加优化。

第二，加速推进游戏化在线课程的学科融合。研究发现，游戏化在线课程在不同学科领域的应用效果存在显著性差异，而不同学科具有不同的学科特征和知识类型的倾向。例如，工程技术类学科的结构性强，且主要以实操性知识为主；而自然科学类学科逻辑性强，知识点抽象且概括性高等。因此，游戏化课程的开发与应用不能一概而论，而应该依据学科特征和知识类型进行合理交叉、有效融合，拓展游戏化在线课程的学科适用范围。另外，还要深入探究游戏化在线课程学科融合的应用模式与应用策略，找准符合学科知识的游戏化元素与形式，增强学科知识的应用情境创设，激发学生兴趣，增强学生的临场感，优化学生的学习体验，从而提升学习质量。

第三，强化游戏化在线课程的持续效应。实验周期的调节效应显示，游戏化在线课程对学生学习效果的影响类似抛物线。也就是说，随着时间推移，游戏化在线课程对学习者学习效果的积极影响会变弱，无法发挥稳定且持久的作用。这与相关研究者对于游戏化学习的论述一致[15]。因此，研究者既要注重游戏化在线课程应用的“新奇效应”，也要关注其“持续效应”。一方面，通过个性化、自适应的游戏界面和交互设计保持学习者在线学习的兴趣和新奇感；另一方面，通过在线平台的过程性数据捕获、记录与分析结果进行预测和干预，持续激发学习者的学习动机。此外，还应创新游戏化在线课程的激励和反馈机制，缓解学习者在线学习的倦怠感，提升学习成绩。

第四，开展游戏化在线课程的本土探索。虽然国内研究者对游戏化在线课程的相关主题也进行了有益探索，但总体来看，国内研究的起步较晚且成果较少。因此，有必要积极开展在线课程理论与实践的本土探索。其一，研究者要积极参加游戏化在线课程的相关学术会议与报告，进行经验学习并在借鉴中实现创新；其二，依托国家政策，申请该主题的项目或课题并开展研究，形成本土化的理论与实践经验，进行试点推广；其三，构建游戏化在线教育建设与发展联盟，形成由企业、学校、教师、学习者及相关人员组成的游戏化在线教育实践共同体，通过协调配合，共同为游戏化与在线课程的深度融合和创新发展探索出具有中国特色的应用道路。

五、结语

本研究采用元分析方法对国内外26 项游戏化在线课程对学生学习效果影响的文献进行了系统分析，客观评估并回答了两个研究问题，最后基于研究结论提出了游戏化在线课程未来应用的一些建议。但是，由于元分析所纳入的样本数量不够大、部分调节变量的文献数量较少，本研究还存在一定的局限性，仍然需要更多的相关研究来进一步细化和完善研究结论，以便为游戏化在线课程的有效实施提供指导。