$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Deze studie werd goedgekeurd door de Ethische Commissie van het Fujian Politiecollege in Fuzhou, China. Alle methoden werden uitgevoerd in overeenstemming met de relevante richtlijnen en regelgeving. Geïnformeerde toestemming werd verkregen van alle deelnemers die aan het onderzoek deelnamen. Deelnemers werden duidelijk geïnformeerd over het onderzoeksdoel, het gebruik van data, de vrijwillige aard van deelname en hun recht om zich op elk moment terug te trekken. Schriftelijke geïnformeerde toestemming werd ook verkregen van alle deelnemers voor het publiceren van geanonimiseerde citaten en inzichten afkomstig uit de interviewtranscripties en app-gebruikspatronen. Er zijn geen persoonlijk identificeerbare informatie of afbeeldingen opgenomen in dit manuscript.
De voorgestelde methodologie past een Critical Discourse Analysis (CDA)-kader toe om neoliberale discoursen te analyseren in gamified taalleerinterfaces, gebaseerd op het eerdere onderzoek met de Baicizhan-toepassing. De analyse controleert Baicizhans tekstuele mechanismen, visuele ontwerpen en functionele middelen via Faircloughs driedimensionale kader. Daarnaast worden gegevens verzameld over gebruikerssentimentanalyse, interface-bewegingsrecords en kwalitatieve interviewlogs van studenten van de universiteit EFL. Deze gemengde aanpak helpt te evalueren hoe gamificatie competitie, gedragsmonitoring en zelfoptimalisatie-sleutelelementen van de neoliberale ideologie bevordert. Belangrijke inzichten worden blootgelegd door de moeilijke mapping van studentendiscussie en app-ontwerp in het proces. Door de spanningen tussen betrokkenheidsgerichte gamification en de intrinsieke motivatie van leerlingen te belichten, verduidelijkt deze studie hoe technologische kenmerken taalverwerving in het hoger onderwijs beïnvloeden. Figuur 1 toont de architectonische structuur van de voorgestelde methode.
Figuur 1 illustreert de driefasige Critical Discourse Analysis (CDA)-benadering die werd gebruikt om de embedded discourses van de app te analyseren. Dit paradigma herdefinieert het proces bewust als een interpretatieve benadering in plaats van technische dataverwerking, waarbij het overgaat van de specifieke tekstuele elementen van de app naar de abstractie van maatschappelijke ideologische kwesties. Door de specifieke locaties van ideologische codering vast te leggen – de tekstuele, visuele en functionele aspecten van de app (zoals streaks, ranglijsten en motiverende opmerkingen) – creëert Stage 1: App Artefacts de empirische basis. Daarna ondergaan deze artefacten Fase 2: CDA Interpretatieve Lagen, waarbij een reeks overlappende conceptuele lagen wordt gebruikt om visueel de dialectische relatie tussen micro-niveau bewijs en macro-niveau context te benadrukken. De tekstuele elementen worden geïnterpreteerd via Discursieve Praktijk, die zich bezighoudt met de reproductie van betekenissen, en zijn gekoppeld aan Sociale Praktijk, die de context van macht en ideologie onderzoekt. De neoliberale ideologische thema's die de app-ervaring organiseren, zoals individuele verantwoordelijkheid en competitieve motivatie, worden uiteindelijk geproduceerd door Fase 3: Thematische Synthese, die interpretatieve codering en thematische abstractie gebruikt om de patronen in het discours te vertalen naar abstracte, kwalitatieve bevindingen. De vier belangrijkste stappen in het voorgestelde protocol zijn als volgt:
Interfaceontwerp en keuze van de app
Voor de studie wordt een populaire gamified taalstudie-app (zoals Baicizhan) gekozen. Een driedimensionaal CDA-model ontwikkeld door Fairclough wordt hier gebruikt om een tekstuele analyse uit te voeren waarbij woordenschatprompts, gebruikersfeedback en interface-gerelateerde signalen worden onderzocht, evenals discursieve praktijkanalyse met nadruk op in-app communicatiestructuren en patronen van gebruikersinteractie. Met behulp van sociale praktijkanalyse kan men neoliberale waarden ontdekken zoals concurrentievermogen, efficiëntie en zelftracking. Deze kenmerken weerspiegelen neoliberale waarden zoals efficiëntie, concurrentie en zelftracking.
Dataverzameling
Om meer te weten te komen over de kennis, doelen en gevoelens van EFL-studenten op universitair niveau van een gamified leeromgeving, worden semi-gestructureerde interviews met hen gehouden.
Sentimentanalyse en discoursmapping
Een sentimentanalyse wordt gebruikt om de emotionele reactie en het niveau van deelname aan gebruikersreacties, chatlogs of communicatie-informatie te reguleren. De discussiegebieden worden gemeten op compatibiliteit met neoliberale ideeën zoals prestatiebenchmarking en zelfbestuur.
Data-integratie en validatie
De relaties tussen gamificatietools en indicatoren van leerlingangst, verminderde motivatie of prestatiedruk worden onderzocht. De belangrijkste gespreksstrategieën die de interactie en het gedrag van gebruikers beïnvloeden, worden gecontroleerd.
Interfaceontwerp en app-selectie
Baicizhan-app1 wordt gebruikt als primair voorbeeld van gamified Mobile-Assisted Language Learning (MALL) in het eerste deel van de studie, met een focus op het verwerven van woordenschat. Omdat het een overvloed aan gamification-elementen bevat, zoals rangorde, monitoring van voortgang, visuele badges en feedbacktriggers, is deze toepassing universeel onder Chinese EFL-studenten.
Gezien China's unieke combinatie van staatsgestuurd digitaal onderwijsbeleid, examengerichte leercultuur en groeiende EdTech-marktontwikkeling, is de focus op Chinese EFL-leerlingen bijzonder belangrijk. Het gebruik van digitale hulpmiddelen op scholen is toegenomen dankzij nationale initiatieven zoals Education Informatization 2.0, die gepersonaliseerde en datagedreven leerstrategieën ondersteunen. Tegelijkertijd legt het op examen gerichte onderwijssysteem van China consequent de nadruk op kwantificeerbare resultaten en voortdurende prestatiebeoordeling, wat ruimte biedt voor gamified functies die waarde hechten aan doelen, ranglijsten en voortgangstracking. Deze concurrerende procedures zijn verder geïntegreerd in mobiele leerplatforms, zoals Baicizhan, die miljoenen gebruikers helpen zich voor te bereiden op belangrijke Engelse toetsen, door de snel groeiende commerciële EdTech-industrie. De Chinese omgeving is een ideale omgeving om te onderzoeken hoe gamified leerontwerp neoliberale discoursen over zelfoptimalisatie, competitie en performativiteit naturaliseert, vanwege de kruising van beleid, cultuur en technologie.
De essentiële elementen van de applicatie worden redelijk verwijderd en verdeeld in drie secties als onderdeel van de interface-analyse: Visuele elementen (bijv. iconen en voortgangsbalken), tekstuele aanwijzingen (bijv. instructies en prikkels) en functionele constructies (bijv. doelvorming, herinneringen en sociale competitie).
Faircloughs driedimensionale Critical Discourse Analysis (CDA)-benadering wordt toegepast op het leren van deze attributen. Dit model biedt ruimte voor een uitgebreide controle op het gedrag, waarbij de communicatieve en interactieve benadering van de app neoliberale ideologie bevat. De eerste stap in het CDA-proces is een tekstanalyse, waarbij woorden worden onderzocht die worden toegepast op feedbackreacties en app-verzoeken. Later richt een studie naar discursieve performances zich op hoe gebruikers samenwerken met de app en hoe stukjes succes of falen daarin worden opgebouwd. Tot slot beschrijft de studie naar sociale praktijk hoe het ontwerp van de app bredere neoliberale ideologieën weerspiegelt, zoals zelfregulering, concurrentie en prestatiewaardering. Figuur 2 toont het werkproces van app-selectie en interfaceontwerp.
Interfacegegevensverzameling
Dit werk verzamelt belangrijke en volledige informatie via www.wjx.cn, een Chinees online onderzoeksgebied dat betaalde steekproefdiensten aanbiedt. Aanvankelijk waren de inclusiecriteria dat deelnemers bachelorstudenten moesten zijn die waren ingeschreven aan Chinese universiteiten en ten minste één gamified Engelse woordenschat-leerapp hadden gebruikt. Het academische doel van de studie, het vrijwillige karakter van deelname en de geschatte benodigde tijd werden allemaal duidelijk gecommuniceerd in de wervingsberichten. Deelnemers moeten een informed consent-verklaring lezen en hun vrijwillige toestemming geven voordat ze met de enquête beginnen. Niet alleen werd IP-adresscreening gebruikt om dubbele of inspanningsarme antwoorden te verminderen, maar ook aandachtcontrole-items en monitoring van abnormaal korte voltooiingstijden werden gebruikt om de gegevenskwaliteit te verifiëren. De eis dat alle deelnemers Chinese bachelorstudenten moesten zijn, diende als voorbeeldvoorwaarde. De gemiddelde voltooiingstijd voor de 279 antwoorden van niet-dubbele IP-adressen die in een week werden verzameld, was 243 seconden. Zeven antwoorden die suggereerden dat de respondent nooit gamified Engelse woordenschatapps had gebruikt, werden verwijderd. Met een echte responspercentage van 97,49% werden uiteindelijk in totaal 272 responsen behouden.
Ten tweede werden semi-gestructureerde interviews gehouden met Chinese EFL-studenten om dieper inzicht te krijgen in hun ervaringen met gamified vocabulaire-apps. Elk interview duurde 30-45 minuten en volgde een gestructureerd protocol dat leergewoonten, emotionele reacties op gamification, motivatiepatronen en waargenomen druk omvatte. De interviews werden online afgenomen, met toestemming opgenomen, letterlijk getranscribeerd en onafhankelijk gecodeerd door twee onderzoekers met een thematische analyse.
Ten derde werden interface-interactiegegevens, waaronder screenshots, logs van feedbackberichten, streak-tellers, badges en gebruikersprompts, systematisch uit de Baicizhan-applicatie gehaald. Deze artefacten leverden het tekstuele, visuele en functionele materiaal dat nodig was voor Faircloughs driedimensionale CDA. Tegelijkertijd werden sentimentanalysegegevens verzameld door door gebruikers gegenereerde Chinese tekst naar het Engels te vertalen met DeepL38, de vertaalnauwkeurigheid te verifiëren via tweetalige coders, en polariteitsscores te berekenen met VADER39, TextBlob40 en SnowNLP41 voor cross-linguïstische validatie.
Chinese universiteitsstudenten die Engels als vreemde taal (EFL) leren, werden geïnterviewd om een dieper begrip te krijgen van hun interacties, motivaties en meningen over gamified Engelse woordenschatapps. Vragen over (1) frequentie en context van app-gebruik, (2) emotionele reacties op taken of beloningen, (3) betrokkenheid en motivatie door app-functies, (4) druk of stress gerelateerd aan app-gebruik, (5) invloed op studiegewoonten of woordenschatstrategieën, (6) sociale interacties met betrekking tot app-voortgang, en (7) aanbevelingen om de leerervaring te verbeteren, maakten allemaal deel uit van het semi-gestructureerde protocol. Elke sessie, gehouden via Zoom, persoonlijk of telefonisch, duurde ongeveer 30-45 minuten. Met toestemming van de deelnemers werden alle interviews audio-opgenomen en letterlijk in het Engels getranscribeerd. Thematische analyse werd toegepast om de gegevens te analyseren. Twee onderzoekers codeerden onafhankelijk de transcripties, die vervolgens iteratief werden gecategoriseerd in thema's. Meningsverschillen werden opgelost door overleg. Een grondige analyse van de gedragsmatige en psychologische reacties op gamification werd mogelijk gemaakt door de combinatie van deze kwalitatieve inzichten met interfacelogs die gebruikfrequentie, feedbackresponsen en doelnastreef registreerden.
Preprocessing van sentimentgegevens:
Om interoperabiliteit te waarborgen met Engelstalige tools zoals TextBlob en VADER, werden alle tekstuele gegevens vóór sentimentberekening naar het Engels vertaald, omdat de oorspronkelijke gebruikersreacties in het Chinees waren. Om contextuele en affectieve correctheid te behouden, werd de Deep LAPI gebruikt voor vertaling, en twee tweetalige onderzoekers valideerden vervolgens handmatig de resultaten. Deze geverifieerde Engelse teksten werden vervolgens gebruikt om de sentiment-, polariteits- en subjectiviteitsscores te berekenen. Het Chinees-talige sentimentmodel SnowNLP werd ook gebruikt om een willekeurige subset van 200 antwoorden te onderzoeken om de cross-linguïstische betrouwbaarheid te evalueren; de resultaten toonden een sterke positieve associatie met VADER-polariteitsscores (r = 0,84).
Tabel 1 vat de antwoorden samen uit de dataset van 272 Chinese universiteitsstudenten EFL die eerder gebruik gaven van een gamified Engelse woordenschatleerapplicatie. Volgens de demografische gegevens is de onderzoekspopulatie van deze studie geschikt om de doelgroep te onderzoeken, omdat deze volledig vertegenwoordigt Chinese studenten op het gebied van geslacht, leeftijd, studie en jaren leservaring. Wat betreft oefenontwerpen gebruikte 79,04% van de gemeten de apps meer dan een uur per week, en 94,11% gebruikte ze meerdere keren per week. De informatie over praktijkgedrag werd geobserveerd in combinatie met aanvullende antwoorden van de leden.
De dataset bevat demografische variabelen (leeftijd, geslacht, studierichting, studiejaar) en gebruiksgerelateerde variabelen (frequentie van appgebruik en wekelijkse gebruiksduur). De 272 entiteiten in de dataset vallen doorgaans in de leeftijdsgroep 18-22 jaar (91,91%), waarvan 60,66% mannen en 39,34% vrouwen zijn. Deze leeftijdsverdelingsgaranties geven aan dat het aantal deelnemers overeenkomt met dat van studenten die mobiel ondersteund taalleren gebruiken en lijkt op de traditionele bachelorpopulatie.
Hoewel respondenten uit een diverse academische achtergrond kwamen, zijn de belangrijkste groepen als volgt: Technologieën (38,97%), Techniek (37,87%), Natuurwetenschappen (12,87%) en Wiskunde (10,29%). De interdisciplinaire verdeling maakt het mogelijk om te vergelijken hoe studenten in andere vakgebieden gamified systemen bekijken en gebruiken. Wat betreft academische prestaties vormden derdejaars (36,03%) en tweedejaars (26,47%) het grootste percentage deelnemers, gevolgd door eerstejaars (18,01%) en vierdejaars (19,49%). Volgens deze verdeling zijn de meeste respondenten middel- tot hogere leerlingen, wat hun mate van participatie en kritische analyse van de leermiddelen kan beïnvloeden. Wat betreft appgebruik gaf 28,31% van de bijdragers aan Baicizhan dagelijks te gebruiken, terwijl 33,46% aangaf het vier tot vijf keer per week te gebruiken, wat wijst op een hoge mate van frequente interactie met het sociale netwerk. Slechts 2,21% van de gebruikers gebruikte de app minder dan eens per week. Het wekelijkse gebruik van de apps van deelnemers veranderde, waarbij de meerderheid het 1-3 uur gebruikte (50,37%) en minder studenten het langer dan 5 uur gebruikten (11,4%).
De inlogfrequentie en interactielogboeken van deelnemers werden geïnterpreteerd als SRL-gerelateerde gedragsindicatoren, die de autonomie van gebruikers in het beheren van leeractiviteiten, het monitoren van routines en volharding in betrokkenheid weerspiegelen, in overeenstemming met post-pandemisch onderzoek naar technologieadoptie en zelfgereguleerd leren (SRL). Kwalitatieve interviewgegevens onthulden ook verschillende thema's die overeenkomen met TAM-kenmerken, waaronder waargenomen bruikbaarheid ("het leaderboard motiveert me om dagelijks te studeren") en het ervaren gebruiksgemak ("de app is eenvoudig en intuïtief te navigeren"). Deze dimensies verbinden conceptueel het huidige CDA-kader met adoptie-gebaseerde standpunten uit recent vergelijkend onderzoek, ondanks het feit dat ze nooit officieel zijn gecodeerd of gemodelleerd5. Om CDA- en sentimentbevindingen kwantitatief te trianguleren en de integratie van gedrags-, perceptuele en discoursniveaustudies te verbeteren, zullen toekomstige versies van deze studie korte, gevalideerde metingen van TAM en SRL bevatten.
Faircloughs CDA-model
Een echte constructie37om te onderzoeken hoe discours in gamified taalleerapplicaties, zoals Baicizhan, neoliberale idealen genereert en in stand houdt, is toegankelijk via Faircloughs driedimensionale Critical Discourse Analysis (CDA)-model. Drie onderling verbonden procedures worden gecombineerd in het model: sociale praktijk (macroniveau), discursieve praktijk (meso-niveau) en tekstuele analyse (microniveau).
Tekstuele analyse (T) - Microniveau
Taalaspecten, waaronder termen, organisatie en app-ontwerpherinneringen (zoals "Dagelijks doel bereikt" en "Houd je streak levend"), zijn het primaire doel van dit niveau. Stel dat alle tekstuele eenheden van de gebruiker als volgt zijn:
(1)
Hier staat TeI voor een speciaal sms-bericht of prompt.
Om neoliberale ordening en het voorkomen te evalueren:
(2)
(3)
Bijgevolg is de neoliberale dichtheid van de tekstlaag:
(4)
Diskursieve praktijk (D) - Meso-niveau
Dit is informatie verzameld uit interviews en interfacelogs over hoe gebruikers met de app omgaan (frequentie van gebruik, feedbackrespons en doelbevinding).
Laten wei een gebruiker vertegenwoordigen en aij een handeling van interactie (zoals het voltooien van een taak of het bekijken van een ranglijst). Beschrijf de matrix van interacties:
(5)
De gebruikerszelfoptimalisatiescore wordt nu als volgt gedefinieerd:
(6)
Het neoliberale gewicht (belangrijkheid) van handeling aij wordt aangeduid door wj. Bijvoorbeeld, het zien van het leaderboard heeft een hogere wj dan alleen toegang tot de app.
Sociale praktijk (S) - Macroniveau
Dit houdt in dat men analyseert op welke manieren app-gebruik en discours meer algemene sociale ideeën weerspiegelen (zoals productiviteit en concurrentie).
Laat P(usi,λ k) een binaire of vae waarde zijn die aangeeft of gebruikersdiscours karakteristiek λk bevordert, en laat λk een ideologiekenmerk zijn (zoals eerlijkheid of zelfoptimalisatie).
Vervolgens, het ideologische uiterlijk van gebruikers:
(7)
Dit meet in hoeverre elke neoliberale ideologie λk zich heeft verspreid over de gebruikersbasis. De algemene CDA-frameworkscore van een gebruikersinterface kan als volgt worden geschreven:
(8)
Wanneer elke dimensie een gewicht krijgt (α,β,γ), dat empirisch kan worden aangepast of gebaseerd op kwalitatieve overwegingen.
Het driedimensionale Critical Discourse Analysis (CDA)-model dat door Fairclough is vastgesteld, wordt geïllustreerd in Figuur 3, dat wordt gebruikt om gamified kennis te evalueren voor onderwijsgrenzen, voornamelijk in taalleerstadia zoals Baicizhan. De bovenste rij van de figuur vertegenwoordigt de drie analytische dimensies van CDA, terwijl de onderste rij de uitkomsten van die dimensies integreert om één samenhangend resultaat te genereren.
Deze studie creëerde een kort codeboek voor de Critical Discourse Analysis (CDA) dat discursieve aspecten in drie categorieën verdeelde: tekstueel (woordkeuze, metaforen), visueel (iconen, kleuren, badges) en functioneel (punten, niveaus, meldingen). Motiverende statements zoals "Blijf doorgaan!" voor tekst, sterbadges voor visuals en voortgangsmeldingen voor functionele functies zijn illustratieve voorbeelden. Na het oplossen van ambiguïteiten en iteratief verbeterde codes, pasten twee bekwame programmeurs onafhankelijk het codeboek toe op de data. Cohen's Kappa werd gebruikt om overeenstemming tussen coders te berekenen, en de resultaten toonden een bevredigende betrouwbaarheid (κ = 0,78), wat consistentie en nauwkeurigheid in de studie waarborgde.
Sentimentanalyse en discoursmapping
Sentimentanalyse is toepasbaar op door gebruikers gegenereerde inhoud, evenals op uitleg, app-recensies, communicatielogboeken en conferentietranscripties, na de conclusie van Faircloughs drieledige Critical Discourse Analysis, die tekstuele, discursieve en sociale herhaling37 omvat. Deze stap categoriseert de emotionele toon (positief, negatief en neutraal) en intensiteit met behulp van Natural Language Processing (NLP)-procedures. Om de emotionele connectie van de gebruiker met gamified leerdynamiek vast te stellen, worden bijvoorbeeld normale uitingen van stress of tevredenheid als reactie op lijnverlies of een presentatie op het leaderboardniveau gemeten. Deze studie helpt bepalen of gamified instrumenten, zoals volgen en competitie, groeidruk of participatie, de neoliberale waarden die in CDA aan het licht komen, ondersteunen of tegenspreken.
Algoritme 1, verstrekt in Aanvullend Bestand 1, toont het werkproces van sentimentanalyse en discoursmapping. Nadat tekstuele informatie is verzameld en vooraf verwerkt, worden gebruikersobservaties voorbereid met methoden zoals kleine letters, stopwoordeliminatie, lemmatisering en interpunctuatiefiltering. Vervolgens werd sentimentanalyse uitgevoerd op Engelse en Chinese EFL-tekstgegevens, waarbij voorbewerkingsstappen zoals kleine letters, stopwoordverwijdering, lemmatisering en interpunctiefiltering werden gevolgd. Deze teksten worden onderworpen aan sentimentanalyse met behulp van programma's zoals VADER, TextBlob of BERT-gebaseerde modellen, die elke tekst classificeren als neutraal, positief of negatief op basis van de emotionele toon of polariteitsscores. Dit helpt de emotionele reacties van gebruikers op gamified fundamenten te definiëren, zoals beoordelingen van presentatie, regels en prijzen. Tegelijkertijd worden uitdrukkingen en ideeën gerelateerd aan specifieke neoliberale concepten – zoals "zelfoptimalisatie", "concurrence", "effectiviteit" of "tracking" – geïdentificeerd door discoursaspecten te verwijderen via trefwoordgebaseerde matching of thematische codering, overeenkomstig.
Conceptuele labels die tijdens de CDA-fase werden genoemd, zijn nu in de tekst van elke gebruiker te begrijpen. Een discourskaart, die authenticeert hoe gedetailleerde discoursen en houdingen samen voorkomen binnen de dataset, wordt vervolgens ontworpen op basis van de uitkomsten. Dit kan het maken van grafieken of heatmaps omvatten die de expressieve toon en regelmaat van elk ideologisch thema laten zien. Om een meer volledig beeld van het materiaal te creëren, worden deze gevoelens en discoursbegrippen vervolgens gedeeld met de CDA-resultaten. Dit onderzoek helpt verifiëren of leerlingen de neoliberale discoursen in het grensstelsel overnemen of afwijzen. Daarnaast belicht het emotionele ervaringen in gamified learning, waarbij situaties worden geïdentificeerd waarin het verplaatsen van diensten onbedoeld fundamentele prikkels of leerlingkeuze kan ondermijnen.