「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 Raise Day 出發,方睿科技如何打造商用地產的 AI 企業服務生態系?
從 Raise Day 出發,方睿科技如何打造商用地產的 AI 企業服務生態系?

AI 與數據正快速落地至各行各業,從製造、金融、電信、醫療到零售,應用速度不斷加快。但在每年交易規模至少新台幣 1900 億元的商用地產領域,卻長期受到數據破碎且不透明的限制,只能仰賴人力蒐集資訊,再憑直覺和經驗去解讀資訊、做出決策,使 AI 潛在價值難以真正發揮。為回應產業轉型的核心痛點,方睿科技首度舉辦「商用地產生態系年會 2026 Raise Day」,以開放式平台為核心,串聯專業地產服務商、空間相關企業服務商、產業專業人士等多元角色,勾勒出 B2B 企業服務生態系的全貌,希望能透過科技促進數據流動,為商用地產企業協作模式開啟新的可能性。

方睿科技
方睿科技首度舉辦 2026 Raise Day,以開放式平台為核心串聯多元角色,推動商用地產邁向產業共好的新階段。
圖/ 數位時代

方睿科技雙軌策略,讓 AI 成為商用地產的決策引擎

方睿科技創辦人暨執行長吳健宇指出,在 AI 時代,人應該專注於「最有價值」的工作;然而在商用地產業中,專業人士卻有約 70% 的時間耗費在資料蒐集與整理上,真正用於判斷與決策的時間僅約 10%。方睿科技希望翻轉這樣的時間分配,讓人力從低價值的資料處理中解放,將更多心力投入在判斷、溝通與決策等創造價值的商業活動。

方睿科技
方睿科技創辦人暨執行長 吳健宇
圖/ 數位時代

為此,方睿科技提出兩條實踐路徑。第一條是建構出具備完整性、易用性與進化性的商用地產智慧平台,運用 AI 技術,將過去產業中破碎、非結構化的資料,重塑為可被運算、可驗證的標準化數據,並結合圖表與互動式介面,讓使用者能夠快速得到完整市場資訊,實現「用戶即專家」的目標。

第二條則是推動生態系聯盟,將不動產視為企業服務的核心載體,串聯設計、家具、搬遷、清潔等多元服務夥伴,使空間不再只是靜態標的,而是承載案例、服務與數據回饋的生態系節點。透過生態系夥伴累積的實務資料與服務紀錄,平台得以發展「資料即推薦」模式,推動商用地產從單點交易,邁向可擴張的 B2B 服務網絡。

獨創「資料飛輪」機制,實現用戶即專家目標

在 AI 模型日益普及的當下,真正的競爭關鍵已不在模型本身,而是能否有效率地收集資料、提高資料品質,並將其與實際決策流程緊密結合。為此,方睿科技獨家設計出一個由「資料收集、資料精煉、專家把關、決策反饋」組成的資料飛輪,回應商用地產長期面臨的資料破碎與決策效率低落問題,成為方睿科技實踐願景的第一條路徑。

方睿科技技術長郭彥良進一步說明,資料飛輪機制的運作架構。首先在資料收集階段,必須系統性蒐集公開資料、內部檔案與報告,並透過 AI 協作將圖片等非結構化資訊轉換為可用的結構化數據。接著進入資料精煉,透過資料清洗與實體對齊,將原始資訊從單純的可閱讀升級為可比較、可推論的決策依據。第三步專家把關,則引入不動產專家進行校正與產業判讀,補上模型難以理解的規則與慣例,確保關鍵數據的正確性。最後的決策反饋階段,藉由收集使用者提問與行為,檢視現有資料是否足夠精準,再回到專家校正與補齊流程,使整個系統能隨使用頻率提升而持續進化。

在資料飛輪的運作基礎上,方睿科技正積極研發商用地產智慧平台 PickPeak。郭彥良表示,PickPeak 並非單純的物件搜尋工具,而是結合深度資料與 AI 的決策輔助平台。使用者可透過自然語言互動,提出人數、預算、區位、產業屬性等多重條件,再由系統動態生成可比較、可驗證的選址方案,真正將 AI 從「回答問題的工具」,轉化為「陪伴決策的數位專家」。

方睿科技
方睿科技技術長 郭彥良
圖/ 數位時代

創新 Data to win 模式,讓 AI 深入商用地產各階段決策流程

不過,單靠數據整合與 AI 應用仍不足以支撐產業全面升級,因此,方睿科技提出的第二條路就是,推動產業生態系聯盟,整合商用地產市場上不同角色的數據,讓 AI 能夠真正成為商用地產決策時的智慧引擎。

方睿科技不動產知識創新中心總監曾凡綱指出,目前在企業、房東或物業主與各類服務供應商之間,缺乏有效的整合機制,導致企業在選址與空間規劃過程中,難以快速找到真正合適的服務與解決方案,形成明顯的產業斷點。

為解決這些斷點,方睿科技提出「Data to win」模式,以資料取代傳統「Pay to win(付費買廣告)」思維,讓真正具備經驗與實績的服務夥伴,在適當的決策節點被看見。

曾凡綱說明,在廣告投放效益越來越低的情況下,企業服務商面臨的問題已不只是「如何曝光」,而是「如何在對的地方被看見」,這將是未來的市場勝出指標;而 Data to win 正好可以協助企業服務商建立此能力,方睿科技將生態系夥伴所擁有的案例、服務紀錄與產業知識等資料,經過去識別化與結構化處理後,再嵌入企業決策流程中,讓推薦不再來自廣告投放,而是真實、可被驗證的使用經驗,透過這樣的機制,不僅提升企業決策的準確度,也能同步放大生態系夥伴在合作中的實質價值。

舉例來說,方睿科技整合辦公傢俱夥伴 Backbone 班朋實業長期累積的辦公室規劃案例與平面圖資料,讓企業在選址階段,就能同步評估空間規劃方案,加速決策流程。又如,整合出行服務夥伴 USPACE 悠勢科技的服務資料,並呈現在地圖上,協助企業評估辦公據點的交通便利性,優化員工日常通勤與出行體驗。此外,平台也可整合大樓的 ESG 認證、公共設施與服務層資訊,協助企業快速篩選符合需求的辦公大樓,提升進駐媒合效率。

方睿科技
方睿科技不動產知識創新中心總監 曾凡綱
圖/ 數位時代

「Raise Day 只是這場變革的起點。」吳健宇強調,方睿科技已經透過投資與合夥模式,將布局延伸至專業地產服務與空間經營領域,至今旗下已有商用不動產仲介、顧問與估價等專業服務的宇豐睿星,以及聚焦商用地產代銷市場的希睿創新置業。透過直接參與第一線實務運作,方睿得以更深入理解產業真實痛點,讓科技不只是工具,而能真正回應實際決策與服務需求。

此外,方睿科技未來也將持續擴大「商用地產 x 企業服務生態系」聯盟,目前包括 Backbone、USPACE、IKEA For Business、潔客幫等企業服務夥伴已率先加入;接下來,方睿科技將邀請更多擁有關鍵數據與專業能力的企業服務商加入,讓數據在安全、可控的前提下流動,進一步釋放商用地產在選址、營運與企業服務等全生命週期中的結構性價值,為產業轉型啟動下一個關鍵階段。

方睿科技
右起方睿科技共同創辦人暨營運長陳致瑋、USPACE悠勢科技共同創辦人暨執行長宋捷仁 、Backbone班朋實業創辦人暨執行長廖家葳,透過企業服務生態系合作共同為產業啟動下一個關鍵階段。
圖/ 數位時代

方睿科技官網: https://www.funraise.com.tw

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
2026 大重啟
© 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