Moreover, applying a multi-approach

Moreover, applying a multi-approach behavior pattern analysis
may enable advance triangulation of the results of learning processes
and behavior pattern analysis. Compared to single-method
analyses, such an analytical method can explain in-depth ‘‘why’’
or ‘‘how’’ simulation games promote learning while exploring the
limitations of the game design. Therefore, this study seeks to
explore in-depth learners’ behavioral patterns in a simulation
game with situated-learning context in science education.
1.2. Multi-approach pattern analysis on flow and learning behavior in
simulation games with situated-learning context
Compared to players of popular casual games, players of educational
simulation games perform complex procedural knowledgerelated
operations; thus, greater focus and involvement in the
game and its learning content during the gaming process are
required. Flow refers to a person’s mental state when he is fully
immersed in an activity and filtering out irrelevant emotions
(Csikszentmihalyi, 1975). Flow and the intrinsic motivation of
the activity participants are highly correlated (Moneta, 2012),
which helps to reflect learners’ intensity of motivation and focus
on educational games. During educational gaming, the relation
between learners’ motivation, focus and learning behaviors is a significant
issue worthy of exploration; furthermore, flow also serves
as an important indicator of game-based learning (Bressler &
Bodzin, 2013). Therefore, understanding the relation between flow
and learning behaviors will facilitate the design of educational
simulation games that elevate students’ motivation and allow
them to acquire greater procedural knowledge.
Recent research on game-based learning has been devoted to
learners’ flow experience, including research on learners’ flow state
and the association between learners’ flow, acceptance and learning
effectiveness (Hou & Li, 2014). Some studies indicate that the
challenge and clarity of the objectives of a game have a significant
effect on learners’ flow experience (Hou & Li, 2014; Wang & Chen,
2010). Liu et al. (2011) observed that students participating in digital
simulation games are more prone to flow state than those
engaged in traditional methods of learning; studies also note that
the players’ flow state and their fidelity to the game are positively
correlated (Faiola, Newlon, Pfaff, & Smyslova, 2013). In game-based
learning, the manifestation of flow is closely related to the players’
prior knowledge and the game’s interactive mechanisms
(Admiraal, Huizenga, Akkerman, & ten Dam, 2011; Hwang, Hong,
Hao, & Jong, 2011). Liu et al. (2011) further explored the correlation
between learners’ flow experience in simulation software operations
and problem-solving strategies. However, sufficient studies
have not yet been conducted exploring the behavioral pattern analysis
of the application of simulation games with situated-learning
context in science education. Compared to conventional learning
performance assessment and self-report questionnaires, behavioral
pattern analysis can conduct a more in-depth exploration of
manipulation learning processes in scientific experiments. Presently,
analyses on learning performance, acceptance, and flow in
simulation games with situated-learning context are available
(Hou & Chou, 2012; Hou & Li, 2014) but lack a detailed examination
of these behavioral patterns. Therefore, this study utilizes a
multi-approach analysis for in-depth results.
Simulation games with situated-learning context require both
story scenarios and virtual manipulations; therefore, a wide range
of analyses of players’ behavioral patterns such as observation,
exploration, analysis, and experimental manipulation should be
conducted simultaneously in this study. Moreover, the latent
learning behavioral patterns of learners with different degrees of
flow should also be examined. By applying cluster analysis (e.g.,
Hou, 2012; Hou & Li, 2014), the potential cluster patterns of learners’
various behaviors can be explored (for example, by analyzing the overall learning process of a group of students, questions can
be raised: How many potential clusters of learners with similar
behavioral traits are being formed? What are the characteristics
of each cluster?). However, because cluster analysis can only disclose
the potential cluster patterns of learning behavior, a deeper
understanding of learning processes can be attained and behavioral
patterns can be visualized if sequential analysis is further
applied (Bakeman & Gottman, 1997; Hou, 2010a; Hou, 2010b) to
analyze the learners’ behavioral sequence patterns in each cluster
(for example, whether a behavior sequence from A behavior to B
behavior in the overall learning process of a student cluster
achieves statistical significance).

結果 (繁體中文) 2:

此外，將多途徑的行為模式分析，
可以使學習過程的結果，提前三角
和行為模式分析。相比於單一的方法
分析，這種分析方法可以解釋深入''為什麼''
或''如何''模擬遊戲推廣，同時探索學習
遊戲設計的局限性。因此，本研究旨在
探討在仿真深入學習者的行為模式，
遊戲坐落學習環境科學的教育。
1.2。對流動和學習行為多途徑模式分析
模擬遊戲與位於學習環境
相比流行的休閒遊戲玩家，教育球員
模擬遊戲執行複雜的程序knowledgerelated
操作; 因此，更大的焦點，並在參與
遊戲，並在遊戲過程中的學習內容是
必需的。流量是指一個人的心理狀態時，他完全
沉浸在一個活動，並篩選出不相干的情緒
（森特米哈伊，1975）。流動和內在動力
活動的參與者是高度相關（莫尼塔，2012），
這有助於反映學生的動機強度和專注
於教育遊戲。在教育遊戲，聯繫
學生的積極性，重點和學習行為之間是一個顯著
的問題值得探討的; 此外，流同時也是
作為遊戲式學習（布萊斯勒和的一個重要指標
BODZIN，2013年）。因此，了解流動之間的關係
和學習行為將有助於教育設計
模擬遊戲，提高學生的學習動機，讓
他們獲得更多的程序性知識。
在基於遊戲的學習最近的研究一直致力於
學生的流暢體驗，包括研究學習者的流動狀態
和學習者之間的關聯“流程，接受和學習
效率（侯＆李，2014年）。一些研究表明，
挑戰和遊戲的目標的明確性有顯著
學習者的流暢體驗效果（侯＆李，2014年，王，陳，
2010）。Liu等人。（2011）指出，參與數字學生
模擬遊戲更容易流動狀態比那些
從事傳統學習方法; 研究還指出，
球員的流動狀態，他們的忠誠度遊戲呈正
相關（Faiola，Newlon，百福，與Smyslova，2013年）。在基於遊戲的
學習，流的表現密切相關，球員的
先驗知識與遊戲的互動機制
（Admiraal酒店，休伊曾加，阿克曼，與10壩，2011;黃，紅，
浩，及容，2011年）。Liu等人。（2011）進一步探討相關
的仿真軟件操作學習者的流暢體驗之間
和解決問題的策略。然而，充分的研究
尚未進行探索行為模式分析
的模擬遊戲用位於學習應用的
科學教育環境。相比傳統的學習
績效評價和自我報告問卷，行為
模式分析，可以進行更深入的探索，
科學實驗操作學習過程。目前，
分析了學習表演，驗收，並於流動
模擬遊戲與位於學習環境可用
（侯與週，2011;侯麗和2014年），但缺乏詳細的檢查
，這些行為模式。因此，本研究採用了
多種方法分析深入的結果。
與位於-學習情境模擬遊戲同時需要
故事場景和虛擬的操作; 因此，廣泛
的運動員的行為模式分析，如觀察，
勘探，分析和實驗操作應
同時在本研究進行的。此外，潛
學習學習者有不同程度的行為模式
流也應研究。通過運用聚類分析（如，
侯，2012;侯與李，2014年），學習者的潛能集群模式的
各種行為可以被探索（例如，通過分析一組學生的整體學習過程，問題可以
得到提升：學習者類似的有多少潛在的集群
行為特徵正在形成的特點是什麼？
每個集群的）？然而，由於聚類分析只能透露
學習行為的潛在的集群模式，更深
可以實現學習過程的認識和行為
，如果進一步序列分析模式可以可視化
應用（Bakeman與高特曼，1997;侯，2010年a;侯， 2010年b），以
分析學習者的行為的序列模式中的每個簇
（例如，從A行為到B一行為序列是否
在一個學生群集的總學習過程行為
達到統計學顯著性）。

結果 (繁體中文) 3:

此外，應用多方法的行為模式分析可使推進三角化學習過程的結果行為模式分析。單方法分析，這種分析方法可以深入解釋為什麼”或"" ""模擬遊戲促進學習而探索遊戲設計的局限性。囙此，本研究旨在在類比中深入學習者的行為模式科學教育情境下的情境教學。1.2。多模式分析的流程和學習行為情境學習的模擬遊戲與流行休閒遊戲的玩家相比，玩家的教育模擬遊戲執行複雜的程式的相關知識囙此，更大的關注和參與遊戲過程中的遊戲和學習內容要求。流動是指一個人的精神狀態時，他是充分沉浸在一個活動中，過濾掉不相關的情緒（Csikszentmihalyi，1975）。流動與內在動機活動參與者的高度相關（等，2012），這有助於反映學習者的動機和重點論教育遊戲。在教育遊戲，關係學習者的動機、焦點和學習行為是一個重要的值得探索的問題；再者，流動也為服務作為遊戲的一個重要名額為基礎的學習（布瑞斯勒和bodzin，2013）。囙此，瞭解流量之間的關係學習行為將有利於教育的設計模擬遊戲，提高學生的動機和允許他們獲得更大的程式性知識。最近對遊戲為基礎的學習的研究一直致力於學習者的流動經驗，包括學習者流動狀態的研究學習者的流動、接受與學習的關係效力（2014）。一些研究表明挑戰和清晰的目標的一個遊戲有一個重要的對學習者流動經驗的影響（後、理、2014、王、陳，2010）。劉等。（2011）觀察到學生參與數位模擬遊戲更容易流狀態比那些從事傳統的學習方法；研究也注意到玩家的流動狀態和對遊戲的忠誠都是積極的相關（Faiola，牛朗，普法夫，與smyslova，2013）。在基於遊戲學習，流動的表現與運動員的關係密切相關先驗知識與遊戲的互動機制（Admiraal，曾加，阿克曼，十壩，2011；黃、紅，好，2011歲。劉等。（2011）進一步探討了相關類比軟體操作過程中學習者的經驗和解決問題的策略。然而，充分的研究尚未進行探索的行為模式分析模擬遊戲在情境學習中的應用科學教育脉络。與傳統學習相比績效評估和自我報告的問卷，行為模式分析可以進行更深入的探索科學實驗中的學習過程。現時，學習成績，接受，和流動分析模擬遊戲與情境學習的背景下可用（侯、周、2012、2014），但缺乏詳細的檢查這些行為模式。囙此，本研究利用深入研究的多方法分析。模擬遊戲與情境學習的背景要求故事情節和虛擬操作，囙此，廣泛的對運動員行為模式的分析，如觀察，探索，分析和實驗操作在這項研究中同時進行。此外，潜在的不同程度學習者的學習行為模式流量也應檢查。通過應用聚類分析（例如，侯，2012，後與李，2014），潜在的集羣模式的學習者可以探究的各種行為（例如，通過分析一組學生的整體學習過程，問題可以被提出：學習者有多少潜在的相似行為特徵正在形成？什麼是特點每個集羣？）然而，因為聚類分析只能披露潜在的集羣學習行為模式，一個更深的理解的學習過程，可以實現和行為如果序列分析進一步的話，可以進行視覺化的模式應用（巴克曼高特曼，1997；侯，2010A；侯，2010b）來分析學習者行為序列模式在各聚類中的模式（例如，行為序列是否從行為到乙一個學生群的整體學習過程中的行為達到統計意義）。