Einleitung

Gamification in der Bildung beinhaltet die Verwendung von Spielelementen und -merkmalen wie Punkten, Ranglisten, Fantasiefiguren oder geheimnisvollen Themen zur Förderung des Lernens und der Beteiligung der Lernenden im Unterricht (Landers, 2014). Ähnlich wie beim spielbasierten Lernen, bei dem mehrere Spielfunktionen vollständig in ein eigenständiges Lernspiel integriert werden (siehe Kurzreview 3 zu DGBL von Wouters et al., 2013), werden bei Gamification ein oder mehrere Spielelemente flexibler in Nicht-Spielkontexte wie Lernaufgaben oder Schülerprojekte eingebunden.

Dieser Aspekt erleichtert die Gestaltung und Entwicklung im Vergleich zu einem kompletten Spiel. Darüber hinaus deuten frühere Untersuchungen darauf hin, dass Gamification im Gegensatz zu traditionellen Ansätzen zu einem verbesserten Lernerfolg führt (siehe z. B. Kurzreview 30 zu Gamification von Bai et al., 2020). Es ist jedoch noch unklar, wie sich Gamification auf verschiedene Arten von Lernergebnissen auswirkt und welche Kombinationen von Gamification-Elementen das Lernpotenzial maximieren. Ebenso ist unklar, ob Gamification in verschiedenen Fachbereichen, Lernphasen oder bei unterschiedlicher Anwendungsdauer ähnliche Vorteile bietet.

Worum geht es in dieser Studie?

Die Metaanalyse von Dai und Kollegen (2025) untersucht die Auswirkungen von Gamification im Vergleich zu traditionellem Lernen auf die kognitiven (z.B. Wissen, Wissenstransfer), kompetenzbezogenen (z.B. technische Fähigkeiten) und affektiven Ergebnisse (z.B. Einstellungen, Überzeugungen) von Lernenden. Dabei wird genauer betrachtet, welche die effektivsten Kombinationen von Spielelementen für das Lernen sind und ob sich die Auswirkungen von Gamifizierung je nach Fachbereich, Lernphase oder Implementierungsdauer unterscheiden.

Dafür analysieren die AutorInnen 37 (quasi-)experimentellen Studien, die zwischen 2013 und 2023 veröffentlicht wurden und insgesamt 182 Effektgrößen berichteten. Die eingeschlossenen Studien mussten die Ergebnisse der Lernenden zwischen einer Kontrollgruppe ohne und einer Interventionsgruppe mit Gamification-Elementen vergleichen, wobei ein oder mehrere Spielelemente in die Intervention integriert wurden.

Die Spielelemente in jeder der Studien wurden gemäß dem Modell von Garris und Kollegen (2002) in Gamification-Kategorien unterteilt:

Die Studien wurden dann in vier Gruppen eingeteilt, je nach Kombination der eingesetzten Gamification-Elemente:

• Nur Regeln/Ziele (4 Studien)
• Regeln/Ziele + Herausforderung (18 Studien)
• Regeln/Ziele + Herausforderung + Fantasie (10 Studien)
• Regeln/Ziele + Herausforderung + Geheimnis (5 Studien)

Für jede Studie wurden außerdem die Bildungsstufe (K-12 oder höhere Bildung), das Fachgebiet (Mathematik, Ingenieurwesen, Kunst und Geisteswissenschaften, Sozialwissenschaften oder andere) und die Dauer des Einsatzes von Gamification (von „innerhalb eines Tages“ bis „innerhalb eines Jahres“) notiert.

Was findet diese Studie heraus

Die Ergebnisse zeigten, dass Gamification insgesamt einen signifikanten positiven Effekt auf die Lernergebnisse hatte (d= 0.57) im Gegensatz zu ähnlichen Lernaufgaben ohne Gamification. Die Effekte auf kognitive Ergebnisse (d = 0.61) waren etwas größer als auf kompetenzbasierte Ergebnisse (d = 0.55) und affektive Ergebnisse (d = 0.44).

Besonders deutlich wurden die Unterschiede bei den eingesetzten Spielelementen: Interventionen, die ausschließlich auf „Regeln/Ziele“ setzten, zeigten keine Wirkung. Wurden zusätzlich „Herausforderungs“-Elemente integriert, stieg der Effekt signifikant an (d = 0.49). Die besten Ergebnisse erzielten Kombinationen aus drei verschiedenen Kategorien: „Regeln/Zielen“, „Herausforderung“ und „Fantasie“ (d = 0.50) bzw. „Geheimnis“ (d = 0.52). Diese Ergebnisse deuten darauf hin, dass die Kombination von Gamification-Elementen aus verschiedenen/mehreren Kategorien die Lernergebnisse deutlich verbessert hat, im Vergleich zum alleinigen Einsatz von Elementen der Kategorie „Regeln/Ziele“.

Mit Hilfe einer Moderationsanalyse stellten die AutorInnen fest, dass sich die Gamification-Effekte je nach Fachgebiet und Dauer des Gamification-Einsatzes unterschieden, jedoch keine signifikanten Unterschiede zwischen den Bildungsstufen aufwiesen. In Bezug auf das Fachgebiet hatte Gamification zwar in allen Fächern einen positiven Effekt, jedoch waren die Effekte in den MINT-Fächern (Mathematik: d = 0.58, Ingenieurwissenschaften: d = 0.50) signifikant höher. Die Dauer des Einsatzes zeigte signifikante positive Effekte für alle Zeitspannen mit Ausnahme von „innerhalb einer Woche“. Die größten Effekte wurden für „innerhalb eines Tages“ (d = 0.63) und „innerhalb eines Jahres“ (d = 0.61) und geringere Effekte für „innerhalb eines halben Jahres“ (d = 0.39) gefunden. 

Weitere Details und Einzelbefunde sind der Gesamtübersicht zu entnehmen.

Studienbeispiel

Die Studie von Hsiao und Kollegen (2023) untersuchte den Einsatz von Gamification-Elementen zur Förderung der Lernergebnisse in einem Programmierkurs für die 10. Klasse in Taiwan. Dabei entwickelten 132 SchülerInnen in einem 12-wöchigen MINT-Projekt mit Hilfe praktischer Aktivitäten (z.B. Programmierung, physikalische Sensoren) ein „Smart House”. Ziel der Studie war es, die Auswirkungen verschiedener Lernstrategien für das Projekt zu vergleichen, indem die SchülerInnen in drei Gruppen eingeteilt wurden:

Die Kontrollgruppe arbeitete mit Hilfe einer 6-stufigen Problemlöseaktivität nach der traditionellen Lernmethode der Softwareentwicklung an dem Projekt. Dazu gehörten Phasen wie Problemdefinition, Entwicklung und Testen des Endprodukts. 

Die erste Experimentalgruppe führte das Projekt mit der 6E-Methode (ein ingenieurwissenschaftlichen Lernansatz mit sechs Phasen) durch. Zu der Projektkonzeption und -entwicklung dieser Strategie gehörten beispielsweise Erkundung, Konstruktion und Bewertung, jedoch ohne Gamification. 

Die zweite Experimentalgruppe arbeitete ebenfalls mit der 6E-Methode, jedoch wurden jeder Phase Gamification-Elemente hinzugefügt: Zu Beginn übernahmen die SchülerInnen fiktive Rollen als Bauunternehmerteams („Fantasie“). In den nächsten Phasen konnten die Teams gegeneinander antreten, indem sie Punkte für Quizze, Herausforderungen und soziales Verhalten (bspw. das Helfen anderer) sammelten („Regeln/Ziele“, „Herausforderung“). Und zuletzt konnten die Teams eine Rangliste der Teamleistungen einsehen („Herausforderung“).

Hsiao und Kollegen (2023) verglichen die drei Gruppen hinsichtlich kognitiver, kompetenzbezogener und affektiver Lernergebnisse. Sie stellten fest, dass die zweite experimentelle Gruppe, die das Projekt mit der 6E-Methode in Kombination mit Gamification durchführte, bei allen Ergebnissen die beste Leistung erzielte: Sie zeigte höhere kognitive Lerngewinne und bessere praktische Leistungen im Projekt gegenüber der Kontrollgruppe und im Vergleich zur ersten Experimentalgruppe. Diese Studie zeigt, dass eine gezielte Kombination aus Gamification zusammen mit der 6E-Lernmethode den SchülerInnen helfen kann, über die traditionellen Problemlösungsaktivitäten hinauszugehen und den MINT-Unterricht unterstützen kann. 

Wie bewertet das Clearing House Unterricht diese Studie?

Die Clearing House Unterricht Research Group bewertet die Metaanalyse anhand der folgenden fünf Fragen und orientiert sich dabei an den Abelson-Kriterien (1995):

Wie substanziell sind die Effekte?

Für Gamification wurde ein signifikanter Gesamteffekt von Cohen‘s d = 0.57 gefunden. Ein Effekt dieser Stärke bedeutet, dass circa 70% der Lernenden, die mit Gamification-Elementen lernten, eine höhere Lernleistung erbrachten als der Durchschnitt der Lernenden, die ohne solche Elemente lernten. Dieser Effekt repliziert frühere Ergebnisse (g = 0.50) aus der Gamification-Metaanalyse von Bai und Kollegen (2020) (siehe KR 30), was auf einen recht stabilen Effekt für Gamification hindeutet. Dai und Kollegen unterscheiden darüber hinaus zwischen kognitiven, kompetenzbasierten und affektiven Ergebnissen, wobei die kognitiven Effekte am größten waren (d = 0.61).

Von den verschiedenen Kombinationsmöglichkeiten der Gamification-Elemente zeigte das Zusammenspiel von drei Kategorien die größten Effekte („Regeln/Ziele“ + „Herausforderung“ + „Geheimnis“ oder „Fantasie“). Allerdings zeigte bereits die Kombination aus zwei Kategorien, nämlich „Regeln/Ziele“ + „Herausforderung“, ähnliche Effekte, während die alleinige Umsetzung von „Regeln/Zielen“ keinen Vorteil erkennen ließ. Dies legt nahe, dass Lehrkräfte mindestens die beiden Kategorien „Regeln/Ziele“ + „Herausforderung“ umsetzen sollten, um die Vorteile der Gamification nutzen zu können.

Erfahren Sie mehr über die Einschätzung von Effektstärken in unserem Handout.

Wie differenziert sind die Ergebnisse dargestellt?

In der Metaanalyse wurden drei abhängige Variablen berichtet: kognitive, kompetenzbasierte und affektive Lernergebnisse. In der Moderatoranalyse wurden zusätzlich Gamification-Effekte für verschiedene Fächer, Bildungsstufen und Interventionsdauer untersucht: 

Dabei zeigte sich, dass die Effekte je nach Fach variierten und in den MINT-Fächern (Mathematik und Ingenieurwesen) größer waren. In Bezug auf die Bildungsstufe unterschied die Metaanalyse zwischen den Auswirkungen auf SchülerInnen der Klassenstufen K-12 und Studierende im Hochschulbereich und stellte für beide Gruppen ähnliche Auswirkungen fest. Die AutorInnen unterschieden jedoch nicht weiter zwischen Grundschul- und SekundarschülerInnen, sodass keine Schlussfolgerungen zu diesen Gruppen gezogen werden können.

Die Interventionsdauer wurde in fünf Bereiche unterteilt: innerhalb eines Tages, innerhalb einer Woche, innerhalb eines Monats, innerhalb eines halben Jahres und innerhalb eines Jahres. Die Moderatoranalyse zeigt, dass die Auswirkungen der Gamification am größten sind, wenn sie einen Tag lang (d = 0.63) oder ein Jahr lang (d = 0.61) umgesetzt wird. Dai und Kollegen vermuten, dass die kurzfristigen Effekte auf den Neuigkeitseffekt zurückzuführen sein könnten, während längere Einsatzdauern möglicherweise tieferes Lernen fördern.

Wie verallgemeinerbar sind die Befunde?

In Bezug auf die Verallgemeinerbarkeit zeigt die Metaanalyse positive Effekte von Gamification für mehrere Lernergebnisse, über verschiedene Fachbereiche hinweg und während der gesamten Schul- und Universitätslaufbahn.

Die Auswirkungen von Gamification im Gegensatz zu keinen Elementen waren bei allen drei Lernergebnissen positiv. Darüber hinaus ergab die Metaanalyse ähnliche Auswirkungen für die K-12- und die Hochschulbildung, was darauf hindeutet, dass Gamification in allen Lernphasen positive Ergebnisse fördern kann. Obwohl Gamification in den MINT-Fächern größere Auswirkungen zeigte, stellten die Autoren positive Auswirkungen für alle Fächer fest, was für ihre Verallgemeinerbarkeit spricht. In Bezug auf die Kombinationen von Gamification-Kategorien ergab die Metaanalyse signifikante positive Effekte für alle Kombinationen von zwei oder mehr Kategorien. Dies deutet auf die Verallgemeinerbarkeit der Wirksamkeit hin, wenn Gamification über die Umsetzung von „Regeln/Zielen“ hinausgeht. 

Diese Metaanalyse untersuchte jedoch nicht die Auswirkungen unterschiedlicher Arten der Messung von Lernergebnissen oder kultureller Einflüsse. Bai und Kollegen (KR 30) fanden keine Auswirkungen methodischer Faktoren, stellten jedoch fest, dass Gamification in Studien aus Asien deutlich größere Effekte hatte.

Was macht die Metaanalyse wissenschaftlich relevant?

Diese Metaanalyse ist wissenschaftlich bedeutsam, da sie ähnliche Ergebnisse aus früheren Studien repliziert und darüber hinaus einen theoretisch fundierten Ansatz zur Analyse von Kombinationen von Gamification-Kategorien verfolgt. Sie bestätigt nicht nur den von Bai und Kollegen (2020) (KR 30) berichteten Haupteffekt der Gamification, sondern unterscheidet zudem zwischen kognitiven, kompetenzbezogenen und affektiven Lernergebnissen. Diese Ergebnisse spiegeln ähnliche metaanalytische Befunde wider, die darauf hindeuten, dass Gamification den größten Einfluss auf kognitive Ergebnisse und weniger auf affektive Ergebnisse hat (z. B. Sailer & Homner, 2019).

Besonders hervorzuheben ist die theoretisch fundierte Kategorisierung der eingesetzten Gamification-Elemente: Anhand des Modells von Garris et al. (2002) werden die Elemente nach ihrer Funktion geordnet. Zudem werden die verschiedenen Kombinationsmöglichkeiten genauer betrachtet. Dieser Ansatz liefert Impulse für die Weiterentwicklung theoretischer Modelle.

Wie methodisch verlässlich sind die Befunde?

Die Darstellung des methodischen Vorgehens entspricht nur zum Teil den Kriterien gängiger Anforderungskataloge (z. B. APA Meta-Analysis Reporting Standards). Die Transparenz der Berichterstattung zur Datenextraktion und statistischen Analyse wird nur teilweise detailliert dargestellt. Beispielsweise werden die Merkmale der Kontrollbedingung nicht explizit dokumentiert. Darüber hinaus fehlen in der Studie Informationen zu den statistischen Verfahren für die Moderationsanalyse.

Weitere Informationen zur Beurteilung des methodischen Vorgehens finden Sie in unserem Rating Sheet.

Fazit für die Unterrichtspraxis

Insgesamt liefert die Metaanalyse von Dai und Kollegen (2025) weitere Hinweise für die positiven Auswirkungen von Gamification, insbesondere auf kognitive Lernergebnisse.

Die AutorInnen stellten fest, dass Gamification vor allem dann wirksam ist, wenn verschiedene Gamification-Elemente sinnvoll kombiniert werden. Elemente der Kategorie „Regeln/Ziele”, wie Punkte, Abzeichen und Fortschrittsbalken, können den SchülerInnen zwar Feedback geben, reichen aber möglicherweise nicht aus, um tieferes Lernen zu fördern. Wird zusätzlich der Schwierigkeitsgrad gesteigert oder ein Wettbewerbselement hinzugefügt („Herausforderungen”), kann das kognitive Engagement steigen. Eine Metaanalyse von Sailer und Homner (2019) zeigte beispielweise die größten Effekte für Gamification mit kollaborativen Wettbewerb (z.B. Teams gegen Teams). Darüber hinaus kann das Hinzufügen fantasievoller Rollenspiele oder überraschender Handlungselemente („Fantasie“, „Geheimnis“) emotionale Beteiligung oder Neugier fördern. 

Die Studie zeigte zudem, dass Gamification besonders für stark strukturierte Bereiche wie Mathematik und Ingenieurwesen von Vorteil zu sein scheint. Dabei war der Einsatz sowohl bei SchülerInnen als auch bei Studierenden hilfreich – allerdings sollten die Elemente an das kognitive Niveau der Lernenden angepasst sein. 

Interessant ist auch: Die Wirksamkeit kann sich im Laufe der Zeit verändern. Die AutorInnen vermuten, dass die Auswirkungen zunächst mit einer starken (kurzlebigen) extrinsichen Motivation beginnen, die jedoch bald nachlässt. Wenn Gamification aber über einen Zeitraum von einem Jahr eingesetzt wird, fördert ein allmähliches, tieferes Lernen vermutlich eine nachhaltigere intrinsische Motivation, was wiederum zu größeren Auswirkungen von Gamification führt.

Referenzen und Links

Downloads

Einleitung

Die Diskussion, ob und unter welchen Bedingungen spielbasierte Anwendungen im Allgemeinen für den Einsatz im Unterricht geeignet sind, ist nicht neu und es existieren bereits einige Metaanalysen hierzu (siehe zum Beispiel Kurzreview 2 über Unterstützungsmaßnahmen beim Game-based Learning und Kurzreview 3 über kognitive und motivationale Effekte von Serious Games). Bai und KollegInnen (2020) fokussieren in ihrer Metaanalyse im Speziellen auf die Wirksamkeit von digitalen Spielelementen im Rahmen von Gamification. Hiermit meinen die AutorInnen den Einsatz von digitalen Spielelementen in nicht-spielerischen Kontexten (z. B. im Unterricht), um so SchülerInnen zum Lernen zu motivieren.

Die AutorInnen grenzen den Begriff der Gamification klar von Serious Games ab. Bei Serious Games handelt es sich um den Einsatz von Spielen, die gezielt entwickelt wurden, um Lerninhalte zu transportieren. In ihrer Metaanalyse zu Gamification konzentrieren sich Bai und KollegInnen auf digitale Spielelemente, die den Lernenden dabei helfen, ihren Lernprozess spielerisch zu beobachten und zu evaluieren. Darunter fallen beispielsweise Badges (i. S. v. Abzeichen für Lernerfolge), Wettbewerbsysteme, Rankings (i. S. v. Rangfolgelisten), Punkte und Lernfortschrittsanzeigen. Die bisherige Forschung zu Gamification kommt zu unterschiedlichen Ergebnissen: Mal werden positive, mal negative und teilweise auch gar keine Effekte berichtet. Bai und KollegInnen untersuchen nun anhand von ausgewählten Einzelstudien systematisch, ob Lernumgebungen mit digitalen Spielelementen im Vergleich zu Lernumgebungen ohne diese Elemente, einen positiven Effekt auf die Lernleistung der SchülerInnen haben.

Worum geht es in dieser Studie?

Bai und KollegInnen beleuchten in ihrer Metaanalyse die Frage, ob der Einsatz digitaler Spielelemente im Rahmen von Gamification einen Effekt auf die Leistung der SchülerInnen hat und unter welchen Bedingungen der Einsatz besonders lernförderlich ist. Die AutorInnen berücksichtigen hierbei 24 Einzelstudien, in denen die Wirkung von insgesamt 30 unabhängigen Interventionen untersucht werden. Insgesamt gehen die Studien auf die Werte von 3.202 SchülerInnen der Primar- und Sekundarstufe sowie Studierende zurück. Alle Studien wurden im Zeitraum von 2010 bis 2018 veröffentlicht und haben (quasi)experimentelle Designs.

Das heißt, sie beinhalten den empirischen Vergleich einer Experimentalgruppe, die mit digitalen Spielelementen im Rahmen von Gamification lernt, und einer Kontrollgruppe, die in einer Lernumgebung ohne solche digitalen Spielelemente lernt. Im Rahmen von Moderatoranalysen untersuchen die AutorInnen zusätzlich, inwiefern die Wirksamkeit von Gamification von unterschiedlichen Gestaltungsmöglichkeiten und Untersuchungsmerkmalen abhängt. Dafür berücksichtigen sie vier Kategorien an Moderatoren: Typ und die Anzahl der eingesetzten Spielelemente, Art der Kontrollbedingung, Merkmale des Kurses (z. B. Schul-/Studienfach, Anzahl der ProbandInnen oder Dauer des Einsatzes) und Merkmale der ProbandInnen (z. B. Alter und geographische Region).

Was findet diese Studie heraus?

Die Metaanalyse zeigt über alle Studien hinweg einen signifikanten Gesamteffekt von Hedges’ g = 0.50 (Konfidenzintervall g = 0.28 bis g = 0.72) zugunsten der Lernumgebungen mit digitalen Spielelementen im Vergleich zu Lernangeboten ohne solche Elemente. Die meisten untersuchten Moderatoren zeigen keine signifikanten Unterschiede bezüglich der Wirksamkeit von digitalen Gamification-Elementen in unterschiedlichen Untergruppen.

Signifikante Unterschiede in der Wirksamkeit zeigen sich lediglich bei der Anzahl an ProbandInnen, der Dauer der Intervention und der geographischen Region, aus der die Lernenden stammen. Hinsichtlich der Anzahl der Lernenden zeigt sich, dass der Einsatz von digitalen Spielelementen bei größeren Gruppen von 50 bis 100 Personen am wirkungsvollsten zu sein scheint. Zudem bekunden die Ergebnisse der Analyse bzgl. der Dauer des Einsatzes der digitalen Spielelemente den größten Effekt bei einem bis drei Monate. Mit Blick auf die geographische Region der Lernenden finden sich die größten Effekte in West- und Ostasien. Eine genaue Auflistung der untersuchen Moderatoren und der Ergebnisse der Moderatoranalysen finden Sie in der Gesamtübersicht.

Wie bewertet das Clearing House Unterricht diese Studie?

Die Clearing House Unterricht Research Group bewertet die Metaanalyse anhand der folgenden fünf Fragen und orientiert sich dabei an den Abelson-Kriterien (1995):

Wie substanziell sind die Effekte?

Die durchschnittliche Effektstärke liegt in dieser Metaanalyse bei Hedge’s g = 0.50. Ein Effekt dieser Stärke bedeutet, dass circa 70 % der Lernenden, die mit digitalen Spielelementen lernten, eine höhere Lernleistung erbrachten als der Durchschnitt der Lernenden, die ohne solche digitalen Elemente lernten. Dieser Gesamteffekt ist etwas höher als in vorausgehenden Metaanalysen zum spielbasierten Lernen: Wouters und Kollegen (2013) berichten einen Gesamteffekt digitaler Spiele (Serious Games) auf den Lernerfolg von Cohen’s d = 0.29 (siehe Kurzreview 3).

Die Ergebnisse der Moderatoranalysen weisen darauf hin, dass die Wirksamkeit von Gamification durch die Gruppengröße (z. B. bei Gruppen von 50 Lernenden) und die Dauer der Intervention (z. B. über mehrere Tage/Wochen) potentiell vergrößert werden kann. Zur Substanz der Befunde trägt zudem bei, dass Einzelstudien mit selbstberichteten bzw. subjektiven Lernerfolgsmaßen aus den Analysen ausgeschlossen wurden. Weitere Informationen zur Einschätzung von Effektstärken finden Sie in unserem Handout zu Effektstärken.

Wie differenziert sind die Ergebnisse dargestellt?

Die Differenziertheit der berichteten Effekte wird anhand der untersuchten Schulfächer und Altersgruppen eingeschätzt. Die Metaanalyse liefert differenzierte Werte zu unterschiedlichen Fachbereichen (z. B. Computer und Informatik, Mathematik, Naturwissenschaften, Sprache, Kunst) und unterschiedlichen Altersgruppen (Primarstufe, Sekundarstufe, Bachelorstudium, Masterstudium). Beide untersuchten Moderatoren (Fach und Alter) liefern jedoch keine Hinweise auf signifikante Unterschiede zwischen den Ausprägungsformen. Das untersuchte Leistungskriterium Lernleistung wird nicht weiter differenziert betrachtet.

Wie verallgemeinerbar sind die Befunde?

Grundsätzlich zeigen sich positive Effekte von digitalen Spielelementen im Rahmen von Gamification über die verschiedenen Gestaltungsmöglichkeiten und Rahmenbedingungen hinweg. Die AutorInnen fanden keine signifikanten Unterschiede in der Effektivität von Gamification zwischen der Art oder der Anzahl von Spielelementen, der Schulart der SchülerInnen oder dem Unterrichtsfach. Dies deutet darauf hin, dass die Wirksamkeit des Einsatzes digitaler Spielelemente gut verallgemeinerbar ist. Die Moderatoranalysen zeigen jedoch, dass die Anzahl der ProbandInnen die Dauer der Intervention und die geographische Region, in der die Studie durchgeführt wurde, zu signifikanten Unterschieden führen. In diesen Fällen sind die spezifischen Effektstärken aussagekräftiger als der Gesamteffekt.

Was macht die Metaanalyse wissenschaftlich relevant?

Die vorliegende Metaanalyse ist aufgrund folgender Argumente wissenschaftlich bedeutsam: Zum einen liefert sie neue Befunde zum spielbasierten Lernen mit einem Fokus auf die Wirksamkeit von Gamification. Zum anderen zeichnet sich die Metaanalyse durch die Auswahl unterschiedlicher Moderatoren aus. Neben methodischen Moderatoren (z. B. Kontrollbedingungen) wurden auch Merkmale der Lernenden und des Kurses berücksichtigt. So zeigt sich nicht nur, dass digitale Spielelemente lernförderlich sein können, sondern auch, unter welchen Bedingungen sie besonders wirksam sind.

Wie methodisch verlässlich sind die Befunde?

Die Darstellung des methodischen Vorgehens entsprechen nur teilweise den Kriterien gängiger Anforderungskataloge (z. B. APA Meta-Analysis Reporting Standards). Über die Recherche und statistischen Analysen wird überwiegend transparent und nachvollziehbar berichtet. Allerdings fehlen detaillierte Aussagen zur Auswahl und Kodierung der Einzelstudien (z. B. Stichprobengrößen, Kontrollgruppen). Detaillierte Informationen zur Beurteilung des methodischen Vorgehens finden Sie in unserem Rating Sheet.

Fazit für die Unterrichtspraxis

Spielen und Lernen – diese Begriffe passen zusammen! Die Metaanalyse zeigt: Der Einsatz digitaler Spielelemente, kurz Gamification, lohnt sich auch im Klassenzimmer. Der positive Gesamteffekt deutet darauf hin, dass die Lernleistung der SchülerInnen durch Gamification gefördert werden kann. Dieses Ergebnis zeigt sich stabil über Schularten, Unterrichtsfächer und Altersgruppen hinweg. Auch die Art und Anzahl der eingesetzten Spiele scheint den Effekt digitaler Spielelemente nicht signifikant zu beeinflussen. Der konkrete Unterrichtskontext, in dem Gamification eingesetzt wird, zeigt sich damit in der Metaanalyse als weniger entscheidend.

Auch wenn sich aus der Metaanalyse keine Handlungsempfehlungen für konkrete Unterrichtssituationen ableiten lassen, so geben die Ergebnisse wichtige Hinweise darauf, dass Gamification grundsätzlich lernförderlich sein kann. Ob sich die gefundenen Effekte auch außerhalb des asiatischen Kulturkreis zeigen, müssen weitere Studien klären. Diese Metaanalyse ermutigt Lehrkräfte, Gamification auszuprobieren und sie in Rücksprache mit den SchülerInnen bedarfsgerecht einzusetzen. Für einen Einstieg in diesen Prozess gibt die Metaanalyse erste Impulse.

Studienbeispiel

Turan, Avinc, Kara und Goktas (2016) untersuchen in ihrer Studie den Effekt von digitalen Spielelementen im Rahmen von Gamification auf die kognitive Belastung und Leistung von SchülerInnen in einem Informatik- und Softwarekurs. An der Studie nahmen insgesamt 94 SchülerInnen der 6. Jahrgangsstufe an zwei Schulen in der Türkei teil, die in zwei Gruppen aufgeteilt wurden – eine Experimental- und eine Kontrollgruppe. Die Experimentalgruppe umfasste 46 SchülerInnen, die für bestimmte Aufgaben und Verhaltensweisen während des Unterrichts Punkte erhielten, die wiederrum auf einem digitalen Board vermerkt wurden. Zusätzlich bearbeiteten die SchülerInnen der Experimentalgruppe kleine fachbezogene Quizzes (auf der Quiz-Plattform Kahoot). Dadurch erhielten die SchülerInnen stets unmittelbar Rückmeldung zu ihrem derzeitigen Lernstand.

Die Intervention erfolgte über sechs Wochen für zwei Stunden pro Woche. Die 48 SchülerInnen der Kontrollgruppe wurden zum gleichen Inhalt regulär ohne den Einsatz digitaler Spielelemente unterrichtet. Um die Effektivität von Gamification zu untersuchen, erhoben die AutorInnen nach jeder Woche bei allen SchülerInnen die kognitive Belastung und zum Abschluss der Intervention die erbrachte Lernleistung mit Fragbögen und Tests. Die SchülerInnen der Experimentalgruppe zeigten nach der Intervention zwar eine höhere kognitive Belastung (gemittelt über die sechs Wochen der Studie), allerdings auch signifikant höhere Leistungen als die SchülerInnen der Kontrollgruppe.

Referenzen und Links

Podcast

Downloads

Einleitung

Ob Lernende nun auf Abenteuermission in einer virtuellen 3D-Welt unterwegs sind und dabei Mathematikaufgaben lösen oder zum selben Thema eine Textaufgabe aus dem Lehrbuch rechnen, macht zumindest auf den ersten Blick einen großen Unterschied. Von diesen augenfälligen Unterschieden einmal abgesehen, stellt sich jedoch die Frage, ob SchülerInnen wie Studierende auf die eine oder die andere Art besser lernen und ob nicht Vieles dafürspricht, dass Lernen mit digitalen Spielen motivierender ist.

Digitale Spiele oder „serious games“ sind interaktiv, geben zu jeder Aktion Feedback und sind bisweilen sehr realitätsnah gestaltet. LernforscherInnen vermuten daher, dass sie Lernende zu einer tiefergehenden Verarbeitung von Inhalten animieren und dass diese das erworbene Wissen länger behalten und leichter anwenden können. Dank verschiedener Schwierigkeitslevel passt sich das Spiel so an die Fähigkeiten der Spielenden an, dass diese einerseits optimal herausgefordert werden und andererseits viele Freiheiten haben, zu entscheiden, wie sie die Herausforderung angehen. Beide Aspekte sind aus theoretischer Sicht entscheidend dafür, dass sich Motivation bestmöglich entwickeln kann.

Die Metaanalyse von Wouters und Kollegen klärt nun, ob digitale Spiele tatsächlich zu besserem Lernerfolg führen sowie mehr zur Motivation von Lernenden beitragen und ob sie darin konventionellen Instruktionsmaßnahmen wie Vorlesungen, Übungen und lehrerzentriertem Unterricht möglicherweise überlegen sind.

Worum geht es in dieser Studie?

Die umfassende Metaanalyse untersucht die Lerneffekte unterschiedlicher digitaler Spiele – vom virtuellen Puzzle bis hin zum Abenteuerspiel – im Vergleich zu verschiedenen regulären Lernangeboten zum selben Lerninhalt. Dabei analysieren die Autoren die Effekte zunächst in Bezug auf den Lernerfolg: Darunter fassen sie sowohl den Wissenserwerb als auch kognitive Fertigkeiten wie beispielweise die Fähigkeit, fachbezogene Probleme zu lösen. Darüber hinaus wurde in manchen Primärstudien auch die Behaltensleistung erfasst. Damit ist der Anteil des erworbenen Wissens gemeint, den Lernende längerfristig (im Abstand von mindestens einer Woche nach der Intervention) behalten können. Dies erlaubt den Autoren zu untersuchen, wie nachhaltig Lernen mit digitalen Spielen ist. Neben diesen kognitiven Maßen untersucht die Metaanalyse zum anderen auch, inwiefern Lernen mit digitalen Spielen die Motivation von Lernenden besser fördert als reguläre Lernangebote ohne Spiel.

Für die Metaanalyse konnten die Autoren im Rahmen ihrer Suche 39 Primärstudien identifizieren. Diese Studien sind im Zeitraum von 1990 bis 2012 erschienen (die Hälfte davon nach 2007) und beinhalten insgesamt 77 experimentelle bzw. quasi-experimentelle Vergleiche. Die Mehrzahl der Studien wurde im Fachbereich der Biologie oder Mathematik durchgeführt. Untersucht wurden SchülerInnen aus Grund- und weiterführenden Schulen sowie Studierende.

Die Autoren nehmen an, dass der Effekt von digitalen Spielen auf Lernerfolg bzw. Motivation nicht immer gleich groß bzw. konstant ist, sondern in Abhängigkeit von verschiedenen Bedingungen variiert. Inwiefern die jeweiligen Bedingungen die Wirksamkeit beeinflussen, untersuchen sie mithilfe von sogenannten Moderationsanalysen für folgende drei Bereiche:

1. Aspekte der Implementation. Kombination des Spiels mit weiteren Lernaktivitäten, Anzahl der Spielsessions, Spielerzahl, Fachbereich, Alter der Spielenden
2. Spielgestaltung. Narrativer Rahmen, graphische Gestaltung
3. Methodische Aspekte. Publikationsquelle, Randomisierung der StudienteilnehmerInnen, Erhebungsdesign (Prä-Post-Vergleich oder nur Posttest)

Die Moderationseffekte werden getrennt für Lernerfolg (Wissen und kognitive Fertigkeiten) und Motivation berechnet. Für die Behaltensleistung konnten keine Moderationsanalysen durchgeführt werden, da die Zahl der Studien, die Behaltensleistung messen, für diese Art der Analyse nicht ausreichend war.

Was findet diese Studie heraus?

Insgesamt zeigt die Metaanalyse (siehe Tabelle 1), dass digitale Spiele den Lernerfolg (Wissen und Fertigkeiten) signifikant effektiver fördern als reguläre Lernangebote (kleine Effektstärke). Dieser Vorteil bleibt auch dann erhalten, wenn Lernende später auf das Behalten des Gelernten hin geprüft werden (kleine Effektstärke). Im Bereich der Motivation deutet der Effekt in eine ähnliche Richtung, wird allerdings nicht signifikant. Somit liefert die Metaanalyse keinen ausreichenden Beleg dafür, dass Lernen mit digitalen Spielen motivierender ist als Lernen ohne digitale Spiele.

Tabelle 1. Übersicht Gesamteffekte.

*signifikanter Effekt mit 5% Irrtumswahrscheinlichkeit; **signifikanter Effekt mit 1% Irrtumswahrscheinlichkeit; *** signifikanter Effekt mit 0.1% Irrtumswahrscheinlichkeit.

Tabelle 2 bietet eine detaillierte Übersicht über die Ergebnisse der Moderatoranalysen, getrennt nach Lernerfolg und Motivation. Gezeigt wird in jeder Zeile die Anzahl der experimentellen Vergleiche, die in die jeweilige Analyse eingegangen sind und die daraus resultierende Effektstärke (d). Alle positiven Effektstärken bedeuten, dass das spielbasierte Angebot in den betreffenden Vergleichen zu höheren Werten führt, als das konventionelle Alternativangebot. Allerdings sind nicht alle positiven Effektstärken signifikant. In diesen Fällen ist nicht geklärt, ob digitale Spiele tatsächlich effektiver sind, da der Befund statistisch nicht ausreichend abgesichert ist.

Aus Tabelle 2 geht hervor, dass digitale Spiele lernförderlicher sind, wenn sie mit weiteren Lernaktivitäten kombiniert werden. Darunter fallen Lernaktivitäten wie das Erarbeiten grundlegender Inhalte oder Reflexionen nach der Spielphase. Außerdem sind digitale Spiele unter der Bedingung effektiver, dass sie über mehrere Sessions und/oder in der Gruppe gespielt werden. Effektivere Spiele verfügen über einfache schematische Graphiken anstelle von aufwändigen Darstellungsformaten. In sprachlichen Fächern – weniger im mathematisch-naturwissenschaftlichen Bereich – sind digitale Spiele effektiver für den Lernerfolg.

Auf methodischer Seite erweisen sich digitale Spiele nur in denjenigen Studien als lernförderlicher, die in Zeitschriften mit Peer-Review-Verfahren veröffentlicht wurden und über keine Randomisierung in der Zuteilung der Spielenden verfügen. Im Bereich der Motivation zeigen sich dagegen kaum signifikante Befunde.

Tabelle 2. Übersicht Moderationseffekte.

Mit Stern(en) markierte Befunde sind statistisch signifikant. Es gelten folgende Signifikanzniveaus: *** p < .001; ** p < .01; * p < .05.

Wie bewertet das Clearing House Unterricht diese Studie?

Die Clearing House Unterricht Research Group bewertet die Metaanalyse anhand der folgenden fünf Fragen und orientiert sich dabei an den Abelson-Kriterien (1995):

Wie substanziell sind die Effekte?

Nach der Kategorisierung durch Cohen (1988) sind die Gesamteffekte als klein zu werten; mit Ausnahme der Effekte im Bereich der Motivation sind jedoch alle signifikant. Bemerkenswert erscheint vor allem der Befund, dass mithilfe digitaler Spiele eine höhere Behaltensleistung erreicht werden kann, was für die Nachhaltigkeit solcher Angebote spricht. Die Größe dieses Effekts (d = 0.36) zeigt an, dass ca. 64 % der Lernenden mit digitalen Spielen eine höhere Behaltensleistung aufweisen als der Durchschnitt (Mittelwert) der Lernenden in regulären Lernangeboten. Außerdem weisen die Ergebnisse darauf hin, dass Lerneffekte durch die Wahl bestimmter Spiele (z.B. mit schematischer Graphik) oder bestimmter Formen der Implementation (z.B. mehrere Spielsessions) potenziell vergrößert werden können.

Kritisch ist der Befund zu werten, dass bei strengeren randomisierten Studiendesigns (betrifft knapp die Hälfte der experimentellen Vergleiche) signifikante Effekte beim Lernerfolg ausbleiben. Dieser Sachverhalt ist in der empirischen Bildungsforschung verbreitet und wird derzeit genauer untersucht (siehe Cheung & Slavin, 2016).

Hinsichtlich der motivationalen Befunde deuten die Autoren an, dass ausbleibende signifikante Effekte womöglich durch die Wahl des Messverfahrens erklärt werden können. Bis auf eine Ausnahme verwenden alle Studien Selbsteinschätzungen der SchülerInnen, erhoben durch Fragebögen nach dem Spiel. Eine Studie (Annetta et al., 2009) kann jedoch auf objektivere Beobachtungsdaten während des Spiels zurückgreifen und stellt einen großen signifikanten Motivationseffekt zugunsten digitaler Spiele fest.  

Wie differenziert sind die Ergebnisse dargestellt?

Die Differenziertheit der Darstellung beurteilt die Clearing House Unterricht Research Group im Hinblick auf verschiedene Fachbereiche (Biologie, Mathematik, Sprachen, etc.), verschiedene Altersstufen (vier verschiedene Altersstufen) und verschiedene Erfolgskriterien (Lernerfolg, Behaltensleistung und Motivation). In allen drei Bereichen bietet die Studie ein hohes Maß an Differenzierung. 

Wie verallgemeinerbar sind die Befunde?

Beim Lernerfolg zeigen sich durchwegs substanzielle Unterschiede in den Effekten, je nachdem wie die einzelnen Moderatorvariablen ausgeprägt sind (z.B. in welchem Fach die Angebote stattfanden). Das Alter und das Studiendesign (Erhebungsplan) stellen die beiden Ausnahmen dar: Für den Effekt macht es keinen substantiellen Unterschied, wie alt die TeilnehmerInnen der Studien waren oder wann erhoben wurde. Dadurch, dass die Befunde jedoch in den meisten Fällen in Abhängigkeit der verschiedenen Bedingungen variieren, sind sie nicht im Sinne eines einheitlichen Gesamteffektes generalisierbar, sondern bestimmte Bedingungen müssen berücksichtigt werden. Bis auf wenige Ausnahmen fallen die Effekte positiv, das heißt, zugunsten digitaler Spiele aus. Das bedeutet, dass –  auch wenn die Stärke der Effekte variiert –  der Trend gilt, dass digitale Spiele bezüglich des Lernerfolgs regulären Lernangeboten überlegen sind.

Was macht die Metaanalyse wissenschaftlich relevant?

Die vorliegende Studie stellt eine Aktualisierung bisheriger Metaanalysen zu Effekten von digitalen Spielen dar (siehe Sitzmann, 2011, oder Vogel et al., 2006). Die Befunde verhalten sich zu den vorhergehenden Befunden weitgehend konsistent, da sich gerade die positiven Effekte hinsichtlich der Förderung von Lernerfolg bestätigen. Der ausbleibende Effekt im Bereich der Motivation entspricht allerdings weder den Erwartungen der Autoren noch den Befunden aus bisherigen Metaanalysen (siehe oben). Neben Effekten der Messung (siehe oben) nehmen die Autoren an, dass die Autonomie der Spielenden durch die engen Vorgaben im Unterricht reduziert ist, der Spielflow durch instruktionale Elemente gestört wird und sich dadurch das motivationale Potenzial von Spielen nicht entfalten kann.

Wie methodisch verlässlich sind die Befunde?

Die Offenlegung und Begründung des methodischen Vorgehens entspricht überwiegend den Kriterien gängiger Anforderungskataloge (z.B. APA Meta-Analysis Reporting Standards). Die Schritte bei der Suche, der Auswahl und der Kodierung der Primärstudien und der statistischen Analyse sind weitgehend transparent durchgeführt und dargestellt.

Eine detaillierte Übersicht zur Beurteilung des methodischen Vorgehens finden Sie in unserem Rating Sheet.

Fazit für die Unterrichtspraxis

Die Metaanalyse zeigt, dass eine große Bandbreite an unterschiedlichen digitalen Spielen für verschiedene Unterrichtsfächer zur Verfügung steht und dass deren Wirksamkeit zunehmend auch durch Studien im Schulunterricht untersucht wird. Die Befunde der Metaanalyse gehen in zwei Richtungen:

• Zum einen scheinen digitale Spiele im spezifischen Kontext von Schule und Unterricht ihren besonderen motivationalen Appeal nicht entfalten zu können.
• Zum anderen bestätigten sich die Befunde bisheriger Metaanalysen, dass digitale Spiele den Lernerfolg von SchülerInnen effektiver und nachhaltiger unterstützen als reguläre Lernangebote.

Aktuelle Lerntheorien stellen besonders die kognitive Aktivierung und damit die gezielte und tiefergehende Beschäftigung mit dem Lerninhalt als entscheidend für den Lernerfolg heraus. Im Lichte dieses Wissens erscheinen die Befunde der Metaanalyse sehr plausibel: Ein stärkerer Fokus auf den Inhalt durch einfachere Graphiken und eine tiefergehende Aktivierung durch das gemeinsame Lernen mit anderen Spielenden, mehrere Spielsessions und zusätzliche Lernangebote helfen, das vermutete Lernpotenzial von digitalen Spielen tatsächlich zu realisieren. Gerade der letztgenannte Aspekt – die Kombination mit weiteren Lernangeboten –  spricht dafür, dass Spiele kompatibel mit anderen Unterrichtsaktivitäten und gut in den Unterricht integrierbar sind (siehe Studienbeispiel).

Der weiterführenden Frage, wie Lernende beim spielbasierten Lernen effektiv unterstützt werden können, widmet sich eine komplementäre Metaanalyse von Wouters und van Oostendorp (2013) (siehe Kurzreview 2).

Studienbeispiel

Die Studie von Kebritchi und KollegInnen (2010) untersucht Effekte auf Lernerfolg und Motivation beim Einsatz digitaler Spiele im Mathematikunterricht. An der Studie nahmen 193 SchülerInnen aus zehn Klassen der 9. und 10. Jahrgangsstufe teil. Die Schulklassen wurden dem Zufall nach einer Experimental- oder einer Kontrollbedingung zugeordnet.

Die Lehrkräfte der Experimentalgruppe erhielten vorstrukturierte Unterrichtsstunden und -materialien, die digitale Spielangebote in den Algebraunterricht integrieren. Zum Einsatz kamen verschiedene Abenteuerspiele (Multiplayer) mit realistischer 3D-Graphik (siehe www.dimensionu.com). Die Spielenden müssen dort virtuelle Missionen erfüllen und dabei verschiedene Aufgaben aus dem Bereich der Algebra lösen. Das Experiment verlief über 18 Wochen und umfasste jeweils zwei Mathematikstunden pro Woche. Innerhalb dieser zwei Stunden verbrachte die Experimentalgruppe eine halbe Stunde mit dem Spiel, während die Kontrollgruppe regulären Unterricht hatte.

Alle SchülerInnen bearbeiteten vor und nach den 18 Wochen jeweils einen standardisierten Kompetenztest und einen Motivationsfragebogen. Zwar schnitten die SchülerInnen in beiden Bedingungen bezüglich des Lernerfolgs nachher besser ab als vorher, jedoch war der Zugewinn in der Experimentalgruppe größer (d = 0.27; kleine Effektstärke) als in der Kontrollgruppe. Im Bereich der Motivation ergaben sich keine Unterschiede zwischen den Gruppen.

Referenzen und Links

Podcast

Downloads

Einleitung

Beliebte Begriffe wie „serious games“ oder „game-based learning“ zeigen, dass digitale Spiele nicht nur zur Unterhaltung, sondern mittlerweile genauso auch zu Lernzwecken entwickelt werden. So lässt sich das unterhaltsame Format von Spielen dazu nutzen, das Lernen zu fördern. Aktuelle Forschungsbefunde bestätigen, dass das spielbasierte Lernen in Studien häufig bessere Lernergebnisse erzielt als konventioneller (lehrerzentrierter) Unterricht (siehe auch Kurzreview 3 über kognitive und motivationale Effekte des spielbasierten Lernens).

Digitale Spiele stellen aber auch eine Fülle an Informationen über unterschiedliche Kanäle (Bild, Text, Audio) bereit, die wiederum hohe Anforderungen an die Aufmerksamkeit und die kognitive Verarbeitungskapazität der Spielenden stellen. Das verhindert zum Teil, dass die Spielenden sich auf relevante Lerninhalte konzentrieren und diese aufnehmen können.

So stellt sich für die Lehr-Lernforschung die Frage, inwiefern Spielende beim spielbasierten Lernen so unterstützt werden können, dass die Verarbeitungskapazität nicht übermäßig beansprucht wird und dadurch optimale Lernergebnisse erreicht werden können. Hier liefern zahlreiche Spiele schon vielfach Unterstützung, indem sie unter anderem konkrete Hinweise zu lernrelevanten Informationen oder Feedback zur Lösung von Aufgaben im Spiel enthalten. Die vorliegende Metaanalyse fasst die hierzu entstandenen Studien zusammen und gibt Aufschluss darüber, welche Maßnahmen instruktionaler Unterstützung bei digitalen Spielen den Lernerfolg fördern.

Worum geht es in dieser Studie?

Die Metaanalyse untersucht, wie effektiv instruktionale Unterstützung der Lernenden bei digitalen Lernspielen auf den Lernerfolg im Vergleich zu Lernenden ohne instruktionale Unterstützung ist und wie effektiv unterschiedliche Maßnahmen von instruktionaler Unterstützung sind. Dabei unterscheiden die AutorInnen zwischen acht verschiedenen Maßnahmen, die jeweils von der Spielsoftware angeboten werden. Diese Maßnahmen lassen sich zudem in zwei große Kategorien einteilen – je nachdem, bei welchem kognitiven Prozess sie die Lernenden unterstützen: So unterscheiden die AutorInnen jeweils vier Arten von Maßnahmen, die Lernende entweder bei der Auswahl relevanter Informationen oder bei der mentalen Organisation und Integration von neuen Informationen in bestehende Wissensstrukturen unterstützen (siehe Tabelle 1).

Tabelle 1. Maßnahmen instruktionaler Unterstützung zur Auswahl sowie Organisation und Integration von Informationen.

Den Lernerfolg unterteilen die AutorInnen in drei Kategorien:

1) Leistung im Spiel. Punkte, die während des Spiels erreicht werden können (gemessen bei 38 experimentellen Vergleichen)

2) Wissen. Wissensinhalte, die nach dem Spiel beim Lernenden korrekt abgerufen werden können (gemessen bei 36 experimentellen Vergleichen)

3) Kognitive Fertigkeiten (skills). Anwendung von Wissen in komplexen Situationen (meist Transfersituationen) nach dem Spiel (gemessen bei 32 experimentellen Vergleichen).

In welchem Ausmaß sich instruktionale Unterstützung beim Lernen mit digitalen Spielen auf den Lernerfolg auswirkt, kann von ganz unterschiedlichen Bedingungen (Moderatoren) abhängen. Anhand einzelner Moderationsanalysen überprüfen die AutorInnen, ob sich der Effekt instruktionaler Unterstützung hinsichtlich des Alters (GrundschülerInnen bis 12 Jahre, SchülerInnen von 13 bis 17 Jahre und Studierende ab 18 Jahre) oder je nach Fachbereich (Biologie, Mathematik, Wirtschaft und allgemeines Problemlösen) unterscheidet. Die Metaanalyse untersucht zudem auch Unterschiede in der graphischen Gestaltung von digitalen Spielen. Hier reicht die Bandbreite von einfachen schematischen Visualisierungen über zeichentrickartige Darstellungen bis hin zu aufwändig gestalteten fotorealistischen Formaten. Zuletzt untersuchen die AutorInnen, ob die Effekte sich dahingehend unterscheiden, wie die Primärstudien aufgebaut sind (Forschungsdesign), oder wo sie veröffentlicht wurden.

Die Grundlage der vorliegenden Metaanalyse bilden 29 Primärstudien mit experimentellen oder quasi-experimentellen Forschungsdesigns, die zwischen 1990 und 2012 in wissenschaftlichen Fachzeitschriften, Konferenzbeiträgen oder Dissertationen erschienen sind. Innerhalb der 29 Primärstudien wurden 107 experimentelle Vergleiche vorgenommen. Untersucht wurden insgesamt 907 SchülerInnen (28 Vergleiche) und 2768 Studierende bzw. Erwachsene (79 Vergleiche).

*Diese Maßnahme instruktionaler Unterstützung kann keinem kognitiven Prozess zugeordnet werden. Darüber hinaus gibt es ein paar Studien, die inhaltlich zu keiner der genannten Maßnahmen zugeordnet werden können. Diese Studien fassen die AutorInnen in die Kategorie »sonstige Maßnahmen« zusammen.

Was findet diese Studie heraus?

Digitale Spiele mit Unterstützung fördern die Leistung im Spiel (d = 0.19), den Wissenserwerb (d = 0.33) und vor allem Fähigkeiten, das Gelernte in anderen, aber vergleichbaren Situationen anzuwenden (d = 0.62), effektiver als Spiele ohne Unterstützung. Mittelt man diese Befunde der drei Lernerfolgsmaße, so erhält man einen kleinen positiven Gesamteffekt (d = 0.34) für Unterstützungsmaßnahmen. Beim Vergleich der verschiedenen Maßnahmen zeigt sich, dass diejenigen, die bei der Auswahl von Informationen behilflich sind, einen signifikant größeren Effekt haben (d = 0.46) als diejenigen, die das Organisieren und Integrieren neuer Informationen (d = 0.14) unterstützen. Als besonders effektive Maßnahmen stellen sich die Audiounterstützungsfunktion von Texten (d = 1.24) und die Modellierung (d = 0.46) heraus.

Betrachtet man zusätzliche Moderatoren, so ergeben die Analysen keine signifikanten Unterschiede hinsichtlich der verschiedenen Altersgruppen; diese profitieren weitgehend einheitlich von der Unterstützung. Für die verschiedenen Fachbereiche zeigen sich zwar Unterschiede, jedoch spielen konfundierende Faktoren (beispielsweise können die Effekte für Biologie nicht eindeutig auf das Fach zurückgeführt werden, da nur eine Altersgruppe in den Analysen berücksichtigt werden konnte) auch eine Rolle, so dass die Befunde keine eindeutigen Rückschlüsse auf den Fachkontext zulassen.

Die Ergebnisse zur graphischen Gestaltung digitaler Lernspiele verdeutlichen, dass einfach gestaltete, schematische Darstellungsformate (d = 0.45) effektiver sind als Spiele mit fotorealistischer (d = 0.01, nicht signifikanter Effekt) oder zeichentrickartiger Graphik (d = 0.18).

Abschließend sei darauf hingewiesen, dass auch forschungsmethodische Aspekte einen Unterschied machen: Striktere Designs, die Effekte auf die Leistung aus Prä-Post-Vergleichen errechnen, anstatt ausschließlich auf Leistungswerte nach dem digitalen Spiel zu vertrauen, ermitteln signifikant geringere Effektstärken. Ein bedeutsamer Unterschied zwischen Spielen mit und ohne Unterstützung lässt sich zudem ausschließlich in Zeitschriftenbeiträgen mit Peer-Review-Verfahren feststellen (Publication Bias).

Wie bewertet das Clearing House Unterricht diese Studie?

Die Clearing House Unterricht Research Group bewertet die Metaanalyse anhand der folgenden fünf Fragen und orientiert sich dabei an den Abelson-Kriterien (1995):

Wie substanziell sind die Effekte?

Die Metaanalyse zeigt, dass Lernende mit instruktionaler Unterstützung beim spielbasierten Lernen insgesamt größere Lernerfolge erzielen als Lernende ohne instruktionale Unterstützung (d = 0.34, kleiner Gesamteffekt; Klassifikation nach Cohen). Vor allem die Fertigkeiten der Lernenden, gewonnenes Wissen auf neue Situationen anzuwenden, können mit Unterstützung deutlich effektiver gefördert werden. Hier zeigt sich ein mittelgroßer Effekt (d = 0.62), der angibt, dass rund 73 % der Lernenden, die beim spielbasierten Lernen unterstützt werden, bessere Fertigkeiten aufweisen als der Durchschnitt der Kontrollgruppe. Die gefundene Effektstärke für den Gesamteffekt instruktionaler Unterstützung auf den allgemeinen Lernerfolg ist konform mit Ergebnissen anderer Metaanalysen. Wouters und Kollegen (2013) berichten in einer anderen Metaanalyse ähnliche Effektstärken des spielbasierten Lernens auf den Lernerfolg (d = 0.29; siehe Kurzreview 3).

Wie differenziert sind die Ergebnisse dargestellt?

In der Metaanalyse werden gesonderte Effektstärken für verschiedene Fächer, Altersgruppen und Lernerfolgsarten berichtet und somit sehr differenziert dargestellt. Detaillierte Effektstärken werden für die Fächer Biologie, Mathematik, Wirtschaft und allgemeines Problemlösen, für Lernende von der Grundschule bis zum Studium und für die Lernerfolgsmaße Spielleistung, Wissen und Fertigkeiten berichtet.

Wie verallgemeinerbar sind die Befunde?

Die Metaanalyse testet mithilfe von Moderationsanalysen, inwiefern die Befunde verallgemeinerbar sind. Die AutorInnen untersuchen dabei, inwiefern sich unterschiedliche Lernerfolgsmaße, Unterstützungsmethoden und Fächer signifikant auf die Größe des Effekts von instruktionaler Unterstützung auf den Lernerfolg auswirken. Dieser Effekt variiert je nach Kontext bzw. spezifischen Bedingungen und ist somit nicht im Sinne eines einheitlichen Gesamteffekts generalisierbar. Allerdings ist die Richtung der Befunde immer positiv, d.h. digitale Spiele mit Unterstützung sind tendenziell immer lernförderlicher als Spiele ohne Unterstützung.

Anzumerken ist, dass sich für die verschiedenen Altersgruppen zwar keine signifikanten Unterschiede ergeben, aber auch hier Tendenzen vorliegen, dass bestimmte Altersgruppen mehr profitieren als andere. Bevor dazu allerdings belastbare Aussagen gemacht werden können, muss die Forschung hier eine bessere Evidenzgrundlage schaffen.

Was macht die Metaanalyse wissenschaftlich relevant?

Die Ergebnisse der Metaanalyse sind von hoher wissenschaftlicher Relevanz, da die Wirksamkeit der instruktionalen Unterstützung allgemein und die Wirkung verschiedener Maßnahmen im Speziellen hier zum ersten Mal systematisch untersucht werden. Bislang wurden in einer Metaanalyse von Wouters und Kollegen (2013) (siehe Kurzreview 3) lediglich Studien analysiert, die Lernergebnisse digitaler Spiele mit der Wirksamkeit konventioneller Unterrichtsmethoden vergleichen.

Wie methodisch verlässlich sind die Befunde?

Die Offenlegung und Begründung des methodischen Vorgehens entspricht überwiegend den Kriterien gängiger Anforderungskataloge (z.B. APA Meta-Analysis Reporting Standards). Die Schritte bei der Suche, der Auswahl und der Kodierung der Primärstudien sind weitgehend transparent. Im Bereich der Kodierung der Primärstudien ist besonders erwähnenswert, dass ein umfangreicher tabellarischer Überblick, beispielsweise über die einzelnen Lernerfolgsmaße und Altersgruppen, für jeden berücksichtigten Effekt der Primärstudien angegeben wird. Dies erhöht die Transparenz für den Leser, welche Studienmerkmale in der Metaanalyse erfasst wurden.

Eine detaillierte Übersicht über die Beurteilung des methodischen Vorgehens finden Sie in unserem Rating Sheet.

Fazit für die Unterrichtspraxis

Die Metaanalyse zeigt, dass SchülerInnen, die bei digitalen Spielen unterstützt werden, insgesamt höhere Lernerfolge erzielen als SchülerInnen, die keine zusätzliche Unterstützung durch die Software erhalten. Unterstützungsmaßnahmen zahlen sich insbesondere dann aus, wenn eher komplexe Fertigkeiten gefördert werden sollen, die es Lernenden erlauben, ihr Wissen auf andere, aber vergleichbare Situationen zu übertragen. Darüber hinaus können auf Basis der Befunde vor allem zwei Schlussfolgerungen für die Auswahl von Spielen mit effektiver Unterstützung herangezogen werden:

• Zum einen empfiehlt sich der Einsatz einfach gestalteter, schematischer Spiele. Hier zeigen Schülerinnen größere Lernerfolge als bei Spielen mit aufwendigen Grafiken.
• Zum anderen ist es wichtig, dass die instruktionale Unterstützung vor allem beim Auswahlprozess von relevanten Informationen stattfindet. Mit dieser Unterstützung lernen SchülerInnen neue Themen am besten, weil ihnen die Software hilft, sich auf diese Informationen zu fokussieren und ihnen dadurch mehr kognitive Kapazitäten zur Verfügung stehen, um diese Informationen zu verarbeiten (siehe Studienbeispiel von van Eck und Dempsey, 2002).

Studienbeispiel

Van Eck und Dempsey (2002) gehen der Frage nach, wie effektiv Hinweise als instruktionale Unterstützung in digitalen Spielen für den Lernerfolg von SchülerInnen in Mathematik sind. 123 SchülerInnen der siebten und achten Klasse nutzten ein digitales Spiel zum Lernen und wurden dazu zufällig einer Experimental- und Vergleichsgruppe zugewiesen. Den Lernenden wurde die Mathematikaufgabe anhand eines konkreten Problems („Wie viel Farbe ist für das Streichen eines Zimmers im Haus nötig?“) aufgezeigt. SchülerInnen in der Experimentalgruppe bekamen, im Gegensatz zur Vergleichsgruppe, Hinweise bei der Auswahl relevanter Informationen.

So forderten die SchülerInnen Hinweise zur Problemlösung von „Tante und Onkel“ an. Als Hinweise stellten die „Verwandten“ eine Themenliste bereit, aus der die SchülerInnen relevante Inhalte auswählten, um ihre Wissenslücken zu schließen. Es zeigte sich, dass SchülerInnen, die die instruktionale Unterstützung in Form von Hinweisen nutzten, deutlich bessere kognitive Fertigkeiten (d = 0.70) erzielten als SchülerInnen ohne Hinweise.

Referenzen und Links

Downloads