Educational research trends demonstrate a growing interest in understanding the impact of games on mathematics achievement. However, only a limited number of studies have synthesized previous quantitative studies to investigate how game-based learning (GBL) influences the enhancement of students' high-order thinking skills (HOTS) in mathematics. To address this gap, this meta-analysis study aims to investigate the effectiveness of GBL on students' mathematics HOTS. The study analyzed 40 effect sizes from 13 empirical studies published from 2010 to 2024, gathered from electronic databases such as Scopus, Eric, and Pro-Quest. R software was employed for analyzing effect sizes, detecting publication bias, and conducting subgroup analyses. Using the k-means algorithm, two studies identified as outliers were excluded. After removing these outliers, the findings revealed a positive effect of GBL on students' mathematics HOTS, with an overall effect falling within the small category (g = .134, p < .001). Additionally, moderator variables, including educational level, measured thinking skills, continent, control treatment, and intervention duration, significantly influenced the improvement of HOTS using GBL, while the sample size factor showed no significant impact. All findings, limitations, and implications are discussed in this article.
Las tendencias de investigación educativa muestran un creciente interés en comprender el impacto de los juegos en el logro en matemáticas. Sin embargo, solo un número limitado de estudios ha sintetizado investigaciones cuantitativas previas para investigar cómo el aprendizaje basado en juegos (ABJ) influye en la mejora de las habilidades de pensamiento de alto nivel (HOTS) de los estudiantes en matemáticas. Para abordar esta brecha, se ha realizado un estudio de metaanálisis con el objetivo de investigar la efectividad del ABJ en las HOTS matemáticas de los estudiantes. El estudio ha analizado 40 tamaños de efecto de 13 estudios empíricos publicados desde 2010 hasta 2024, recopilados de bases de datos electrónicas como Scopus, Eric y Pro-Quest. Se ha empleado el software R para analizar los tamaños de efecto, detectar sesgo de publicación y realizar análisis de subgrupos. Utilizando el algoritmo k-means, se han excluido dos estudios identificados como valores atípicos. Después de eliminar estos valores atípicos, los hallazgos han revelado un efecto positivo del ABJ en las HOTS matemáticas de los estudiantes, con un efecto general situado dentro de la categoría pequeña (g = .134, p < .001). Además, se ha encontrado que variables moderadoras, incluido el nivel educativo, las habilidades de pensamiento medidas, el continente, el tratamiento de control y la duración de la intervención, han influido significativamente en la mejora de las HOTS mediante el ABJ; mientras que el factor de tamaño de la muestra no ha mostrado un impacto significativo. Se han discutido todos los hallazgos, limitaciones e implicaciones en este artículo.
