「在魔獸世界裡,沒有人會失業!」遊戲與教育中的勝任與自我調節
「在魔獸世界裡,沒有人會失業!」遊戲與教育中的勝任與自我調節

討論到遊戲的基本概念與樂趣時,我經常會舉這個例子,也就是 「在《魔獸世界》裡面,沒有人會失業! 在艾澤拉斯的世界中,每名玩家都可以找到安身立命之所在」。

不管你是上最前線去刷副本,當坦克輸出或補師、做一名探索世界地圖邊境的探險者,或是專精各種生活技能,甚至是根本不打怪,專心當商人,每個玩家都可以找到屬於自己的興趣、歸屬和使命。

我在說明這一案例時,主要的目的是在說明為何遊戲使人著迷,以及多人線上遊戲(MMORPG)如何吸引更多的玩家投入這個永續世界(Persistent world)之中。

因為許多玩家在現實中感到苦悶,自己找不到理想的工作和可以施展的抱負,因而質疑自己到底是不是一個「有用的人」,各種自嘲的魯蛇話語,更是對於當今社會不公和缺乏希望所帶來的吶喊。

而仿真的虛擬遊戲世界,成為許多玩家心之所歸;在這裡雖然也有小白,也有一步登天的台幣戰士,但至少你的所有努力和消耗的時間,都會用某種數位的形式記錄與回饋下來,見證你的付出和心血。

下課處理完所有的加簽後,有學生在樓梯間堵我問說,「到底遊戲內所獲得的『成就』和『回饋』與現實有何不同?」他還舉幾天前北一女學生,因為家庭課業壓力太大而選擇輕生為例,該如何用遊戲理論來解釋這一問題?我不覺得我是一名熱心老師,但學生有多少學習熱忱決定了我願意講多少。既然學生願意問,我就盡可能用淺顯的方式來回答你。以下是我的簡單回答:

你什麼時候開始覺得上學很累?

我查了一下新聞,該名女學生是和媽媽說要去上學,結果沒有上學,留下了遺書,從居住的公寓大廈頂樓跳樓身亡。首先,上學是一件很痛苦的事情嗎?讓我們想想,小時候,尤其在小學階段,學校是非常好玩的,很多小學生最期待的就是去學校,暑假最期待返校日,因為去學校有許多好玩的事情,有老師、有操場、還有同學在,所以「上學」是件非常有趣且快樂的事情。但曾幾何時,上學變成一件如此痛苦的事情,苦楚到需要用一了百了的自殺方式才能換得解脫,獲得救贖?

大概是在生命的哪個時候,上學突然成為一件壓力的來源而再也不快樂?請你先思考一下。然後記得:學習(Learning)和上學(Schooling)是兩回事。

第二、根據新聞的報導:該女學生原本想要念師大附中,但因為家中的父母都是建中北一女、醫生世家,姐姐也是北一女,所以媽媽就理所當然地認為,既然考得上,那就應該要念北一女,而不該退而求其次選附中。我們不清楚該女學生的個性和心理狀況,但推測她寧為雞口,不為牛後,但父母的期許讓她在大牛群之中更顯壓力。我們應該理解到,「上一個階段成功的所有人往往是下一個階段的失敗者」。

國中時候你可能是全校榜首,來到了第一志願後,由於第一名還是只有一個,故必然有一半以上的「以前榜首」現在淪為後半的吊車尾,而讓家長感覺到 「你成績退步了」。你會退步是不是因為不夠用功?玩太多社團?還是整天光打電動看漫畫?等等的理由自然就會成為排名退步的元兇。

事實上這是沒辦法的事情,因為再好的學校也會有人墊底,故一個完全以成績導向與學習競爭的體系,必然會產生更多的魯蛇失敗者。

也有一派的教育理論者認為學習本來就是辛苦的,沒有十年寒窗,哪有一日功成?學習本來就是不斷的壓力累積,最後才能獲得下一階段的成功,從好國中到好高中,好高中到好大學,最後找到一份好工作,獲得社會定義上的成功。「成長」本來就是艱辛的,故學習本來就是辛苦的,想要「成功」就看誰熬得過去,「吃得苦中苦,方為人上人」對吧?

上述這一說法自然使得學習越來越「苦」。但是現實是你沒法不指考、故我們今年在全國高中巡迴電競動漫講座的巡迴中,我提出的解決方式是請老師或家長盡可能地去鼓勵與回饋學生在許多小細節上的成就和努力。或許短時間我們沒法改變成績的指標性,但父母或師長可以在運動、社團或是其他科系(美術、音樂等等),甚至是一些校室布置、整潔活動等細微活動上盡可能地鼓勵,且這個鼓勵和讚美的水準應該等同於學業成績奪冠的同學,讓他們享受到同等的成就感。

關於遊戲理論中的教育勝任性

shutterstock_education_school_388660693.jpg
圖/ Shutterstock

接下來,我想要談一下遊戲中玩家學習這一塊。麻省理工學院的Resnick教授(他也是Scratch程式語言的設計者)曾經提出一個計畫:「終身幼稚園(Lifelong Kindergarten)」認為幼稚園時的小朋友,學習的樂趣是最快樂的,他主張應該要學到「系統」,因為系統才是真正有用的。但是大多數的學校教育都是一種由下而上(bottom-up)的過程,課文或單字的難度逐漸加強,越來越多公式和理論,但始終卻沒有碰觸到系統。

「學到系統」是什麼意思?我先舉一個例子:大多數的知識可以區分為「程序知識」(procedural Knowledge)和「描述知識」(descriptive knowledge)。我們在學校所學到的大多數學科,幾乎都是屬於後者的描述知識。有背景、有說明、有分析、有理論,還有試題給你練習。在某種意義上,包含本文在內大多數出版品也是屬於一種描述知識。

但我們在打電動時則有點不一樣。首先,今天的玩家在開始遊戲前,沒有人會再去詳讀說明書了,都是直接開始玩。以致於現在的遊戲(不管是數位或實體版)甚至都把說明書給省略了,真懷念以前那種好好保存原裝遊戲說明書,小心翼翼害怕折到的心情啊(笑)。

沒有說明書的原因除了根本沒人看以外,更重要的是直接把提示和教學放在遊戲之中了。有些遊戲會有教學關卡,有些遊戲則根本沒有,完全讓玩家摸索,但不管哪一種,基本上遊戲都強調 「做中學」以及 「在做中學習」。舉一個例子大家會比較清楚:

有些很難的關卡(尤其是動作遊戲)玩家可以親自示範過關給你看,但是他沒辦法用口頭描繪或是文字解說如何過關。很多運動選手可以很直覺地用身體記憶來投籃,但他不懂什麼力學原理或是角度計算,玩《憤怒鳥》的人也可能完全不懂物理。

你有看過某些駕訓班如何教學員如何考過S型彎道嗎?用背的,「後照鏡看到那個指標時馬上打左轉兩圈半,前輪看到盡頭就轉二圈方向盤」這些用背誦記憶考過駕照的人,上路之後當然就很容易出事,造成大家的困擾,因為他們只有描述知識,而缺乏程序知識。

換言之,大多數的遊戲在玩家學習如何操作和掌握技巧的過程中,先達成了 「學會勝任,才去理解背後的道理」*。

勝任感是一種自信,也就是你發現自己可以掌握、駕馭這個東西或這門知識的感受,教育理論中所謂的「可學性(learnability)」。因為大多數遊戲具備「輸入、反應、解決」的know-how,給予玩家一種「有信心的探索」。

這種原來我可以駕駛跑車、召喚英雄、一夫當關,或是很會消除俄羅斯方塊都使得遊戲產生成就感,並讓玩家感受到「原來我並不是沒用的人」、「我不是什麼都做不到啊」的感受。

現在回過頭來想想你是在什麼時候說出,「我沒有XX細胞,所以XX我都學不會」這句話的?是什麼原因讓你說出這句話?

遊戲與玩家的自我調節

孔子有「因材施教」的名言。你喜不喜歡孔子這不重要,但是 「因材施教」是美好的理想,讓每個人適性發展,是一種允許玩家自由難度的調整。很多遊戲允許玩家在一開始(或者中途)變更難度,一些遊戲更會根據玩家的表現而自動調整,儘可能把遊戲控制在心流(Flow)之中,感到樂趣而不因為太難而摔手把,也不會太簡單而感到枯燥無聊。「心流」是個很重要的理論,但我認為目前大多數討論引用的人可能並未接觸到原典,所以其實並未完全把握理論全貌和引伸限制(這點我們之後在專文談)。

在學校教育中,大多數採用的方式是 「能力分班」,但能力分班並沒有解決問題。因為能力分班其實是讓「老師輕鬆好教」(學生的程度比較接近),但對於上述的競爭關係和魯蛇心態產生的問題無解,因為能力分班的方式並不是遊戲調整難度,而是把一大群人劃分等級,先判定了你適不適合唸書。

在遊戲中,有所謂的玩家自我調節(self-regulation) 理論。這包含了玩家會「自我觀察」、「自我評價」與「自我反應」。而且可以隨意地自我調整。玩家會判定我在整個遊戲中屬於那個層級、我花多少時間和金錢、我加入那個工會,我喜歡擔任什麼樣的職業等等,並根據周圍的其他玩家而做出對應的調整,也稱為玩家、遊戲環境和互動行為之間的「三元交互決定論(Triadic Reciprocal Determinism)」

魔獸遊戲vs教育_三元交互決定論.jpg
圖/ U-ACG

那遊戲中如何維持這一狀態呢?最前面提到的「在艾澤拉斯中,沒有人會失業」這一口號是如何實現的?

簡單說:因為在《魔獸世界》等大型MMORPG中,所有職業都可以生產出有效且可用的道具、鍊金、材料或武器裝備。你可以去前線刷寶,你也可以在後方製作,你也可以當商人買低賣高,換言之,這些玩家在遊戲中所生產出來的「道具」,可以成為另外一個活人玩家「有用」的物品。

這使得這些物品具有可交換性與實用性,當然後來也引發了RMT與其他弊病,但不管如何,「我在這裡可以找到某種歸屬和定位。我做出來的東西、打到的道具,可以幫助到其他人,所以在這個世界內我不是個沒用的人,有人需要我」。把這套觀點擴大與延伸,也可以解釋許多網路小白或遊戲駭客的行為。在遊戲中亂殺人、影響其他人,這不也是一種自我存在與自我有用的證明嗎?「在這裡:我可以讓其他玩家痛苦」

這種自我調節的能動性會幫助玩家更適應整個環境,如同你在吃Buffet時,有多樣的菜色和種類可以任君挑選,就算你是一個偏食者也可以選到中意的餐點;而學校的營養午餐則只有一種制式化的選擇,不管你喜不喜歡。那要如何在有限環境資源中改變這一現狀呢?今天許多航空公司最便宜的經濟艙,也都提供了兩到三種的菜色選擇,而且盡可能讓這兩三種完全不同,故給予玩家或學習者適度的選擇權,會更有效提高自我調節性。

教育的難處

打電動時,這邊可以用兩段跳躍跨過,死過幾次後,下一次看到你就會記起來;學習也是一樣,你需要背英文、不斷練習公式才能熟悉,故遊戲和學習都是透過反覆不斷的練習來掌握某門技巧或知識的脈絡。那為何學生比較喜歡打電動而討厭學習?我背一個下午的英文單字,隔天就忘光了,但是我打一個下午的電動,獲得的分數、裝備或道具會有某種形式保留下來見證我的努力成果。

所以如何刺激回饋並持續地獲得成就感一直是教育的難處。作為一位從國中、高中、五專、二技到大學都教過的老師,也同時是一位遊戲設計師而言,我可以感受到今天教育的許多困境。那是一種無能為力的感嘆。

科技是一種要求快速看到結果的目標技術,而且越來越快速。下達的指令、輸入的字串要馬上能看到結果,最好還能數值視覺化,更渴望有效的答案。

教育是一種培養探索與自我理解與自信建立的過程,每一種都非常緩慢,在今天受到諸多限制的教育環境中,更顯捉襟見肘。

所有的政策和教育的變化都非常緩慢,要看到結果更緩慢,可能是數代人之後的春秋。十年樹木百年樹人,非常遺憾一個年輕的生命消逝,但這個世界已經越來越難以忍受沒有喜悅結果的緩慢。

這是一個初步的回答。希望你能更延伸,思考其中的不足之處,我會再補充更多。

Source
1.Castronova, E. (2005). Synthetic Worlds: The business and culture of online games. Chicago: University of Chicago Press.
2.Gee, J.P.(2003). What video games have to teach us about learning and literacy. New York, NY.: Palgrave.
3.Gee, J.P.(2005).Why Video Games are good for your soul: Pleasure and learning. Melbourne, Australia: Common Ground.
4.Taylor, T.L.(2006). Play between world: Exploring online game culture. Cambridge, MA: The MIT Press.
5.孫春在,《遊戲式數位學習》(台北:高等文化教育事業,2013)

本文由梁世佑授權轉載自U-ACG

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓