MétaCan
Menu
Retour à la cohorte
Enregistrement W1830913221

A Virtual World for Teaching German

2007· article· en· W1830913221 sur OpenAlexaffabout
Richard Levy, Mary Grantham O’Brien

Notice bibliographique

RevueLoading... · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueSpatial Cognition and Navigation
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésRealiaGermanFluencyVocabularyMathematics educationPronunciationReading (process)Active listeningAction (physics)Space (punctuation)PsychologyPedagogyMultimediaComputer scienceLinguisticsCommunication
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this research, a virtual world of an Austrian town centre was created to teach German to first year students at the University of Calgary. While interacting with characters in the City of Salzburg, students were able to take control of their own learning, and at the same time were exposed to cultural and linguistic realia that are often not present in other types of language games. In playing the game, students reported an improvement in their listening skills, and they also noted that the experience was beneficial for vocabulary learning, pronunciation, general fluency, and improving reading skills. Surveys and direct observation of student game play offer insights into attitudes towards personal use of games, the value of educational games for teaching language and impact of different testing environments on the success of playing a game. Examining the recorded paths taken through this world by students during the game, space syntax research offers some interesting perspective insights into strategies game players employ when looking for the correct path through an urban space. In fact, isovist and axial maps may be helpful in predicting the first line of action taken by game players as they navigate through a virtual world with no verbal clues.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,012
Tête enseignante GPT0,274
Écart entre enseignants0,262 · 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'étudeExpérimental (laboratoire)
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

Citations9
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLoading...Même sujetSpatial Cognition and NavigationTravaux en français237 207