MétaCan
Menu
Retour à la cohorte
Enregistrement W1516694793 · doi:10.1344/der.2015.27.122-137

Videojuegos para la inclusión educativa

2015· article· es· W1516694793 sur OpenAlexaff
Begoña Esther Sampedro Requena, Karen McMullin

Notice bibliographique

RevueRevistes Científiques de la University of Barcelona (University of Barcelona) · 2015
Typearticle
Languees
DomaineComputer Science
ThématiqueEducational Technology in Learning
Établissements canadiensTrent University
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophyArt

Résumé

récupéré en direct d'OpenAlex

En un mundo globalizado e interconectado donde las sociedades están abocadas a cambios continuos y demandan aprendizajes funcionales, activos y eficientes, hoy más que nunca, la educación se configura como un elemento primordial para desarrollar, por un lado, las nociones técnicas e instrumentales de cada una de las áreas del conocimiento y, por otro, las destrezas que capaciten a la persona para desenvolverse en estos escenarios variantes, en los que la comunicación y la socialización son herramientas fundamentales. No obstante, se debe considerar que un aprendizaje eficaz tiene en cuenta diversos procesos psicológicos como la atención, la memoria, la percepción, la motivación, la emoción, etc.; pero además se apoya en una serie de principios psicopedagógicos y didácticos como la imitación, el interés, la actividad, la significación o el juego. Precisamente, este último instrumento pedagógico es el más empleado, en todas sus variantes, para la conquista de los diversos aprendizajes dado los atributos subyacentes que posee. El siguiente artículo presenta en líneas teóricas una de las variantes de este principio didáctico, los videojuegos, reflexionando sobre sus propiedades y los beneficios que comportan en el desarrollo de los procesos de aprendizaje inclusivos, donde se manifiestan los elementos de presencia, participación y progreso.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0040,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0290,003

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,022
Tête enseignante GPT0,265
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevistes Científiques de la University of Barcelona (University of Barcelona)Même sujetEducational Technology in LearningTravaux en français237 207