11～14岁超常儿童与普通儿童问题解决能力的发展比较

以北京市某中学和某小学11-14岁之间294名学生为被试，其中超常儿童131人，普通儿童163人。采用推箱子任务，结合横断比较和纵向追踪数据，从认知能力、元认知能力和认知效率三个维度来考察超常儿童与普通儿童问题解决能力的发展差异。结果发现超常儿童在问题解决能力的三个维度上均优于普通儿童，两类儿童问题解决能力的发展模式不一致：超常儿童的问题解决能力发展先快后慢，快速发展期在11-12岁半之间；普通儿童的问题解决能力发展先慢后快，快速发展期在12岁半-14岁之间。超常儿童与普通儿童的问题解决能力差异随年龄增大逐渐减小。

基于单片机的新型推箱子游戏设计

本文设计了一种基于AT89C55单片机的新型推箱子游戏。系统以硬件为基础,通过若干子地图构建整个游戏区域,并根据操作规律设计了灵活的控制算法,最后采用C语言进行软件设计,通过TS160128点阵式液晶为载体显示数据,达到了具有人性化的操作和美观的页面效果。

基于PROTEUS的推箱子游戏的设计和仿真

基于经典的推箱子游戏适不仅用于休闲娱乐,还可用于训练人的逻辑思维和思考能力,老少皆宜。因此采用单片机仿真软件PROTEUS和AT89S52单片机设计了一款推箱子的游戏,通过PROTEUS绘制推箱子游戏的外围硬件电路,用基于T6963C内核的液晶PG160128A来做为推箱子游戏的显示屏,用keil软件设定了游戏规则,编写了相应的软件代码,通过PROTEUS仿真实验可实现箱子在显示屏上、下、左、右四个方向的任意移动,符合经典推箱子游戏的游戏规则,所以该设计方法是可行、可用、可推广的。

触屏版推箱子游戏中的走迷宫算法

在Android等移动平台上的触屏版推箱子游戏中,游戏主角在触摸操作下的移动路径计算属于走迷宫算法.提出了一种基于右手法则、足迹标记和捷径优化的迷宫路径搜索算法,采用直行、沿墙搜索和路径优化三个步骤实现.经实际项目的应用验证,该算法具有良好的有效性和高效性,能够满足游戏操作的实时性要求.

利用游戏log-file预测学生推理能力和数学成绩--机器学习的应用

以360名初中生为被试,使用推箱子游戏,结合游戏日志文件(log-file)和机器学习技术预测学生的推理能力和数学成绩。预测变量是从推箱子的过程数据中提取的一系列特征指标,结果变量是瑞文推理测验成绩和数学成绩,且均以25%为高低分组的临界值转换为二分变量。结果发现,训练的模型预测推理能力最高能获得76.11%的查准率、65.72%的精确率、63.10%的查全率以及65.01%的F1得分;预测数学成绩最高能获得83.07%的查准率、73.70%的精确率、73.33%的查全率以及75.57%的F1得分。研究结果说明,机器学习建立的区分模型具有较好的预测效果,利用log-file所记录的游戏过程数据可以对个体的能力进行有效预测。