MétaCan
Menu
Retour à la cohorte
Enregistrement W1958085880 · doi:10.24908/pceea.v0i0.5768

Introduction of Gamification in Common Core Engineering

2015· article· en· W1958085880 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
venuePublié dans une revue dont le pays d'attache est le Canada.

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueExperimental Learning in Engineering
Établissements canadiensUniversity of Calgary
Organismes subventionnairesSuncor Energy Incorporated
Mots-clésCurriculumGrading (engineering)IncentiveComputer scienceStudent engagementMathematics educationPoint (geometry)PedagogyPsychologyEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

The Schulich School of Engineering is currently redesigning its first-year curriculum and will be piloting a number of new approaches in the Fall15/Winter16 academic year. In addition to experiences with flipped classrooms and online professional skills modules, we will be adding a component of gamification to one of our first-year courses. Gamification is the application of the typical elements of game playing (e.g., point scoring, competition with others, rules of play) to education in order to encourage engagement with the course material in a compelling and familiar way. This paper will describe the following: underlying game mechanics; game design techniques; and how these can be integrated into/applied to/used to enhance engineering education. Approaches covered will include the following: using experience points to replace traditional grading; user -generated content; and a tiered rewards system giving students choices that enable them to strategically manipulate their relationship with the course material. Gamification has the ability to let students make choices based on their strengths. Given the four-player archetypes of Explorer, Achiever, Socializer, and Predator, it is important to include incentives that motivate each type of student. Effective gamification achieves not only engagement, but it also attends to cross-archetype engagement. That is, the Socializers will constantly inform the other students of achievements that have been discovered by mainly the Explorers, but when Explorers receive a new achievement, they will feel compelled to become a Socializer and tell everyone of their discovery. Predators might earn an achievement for passing a certain number of people on a leaderboard or for creating a question that was very challenging. They will then feel a sense of ownership and likewise will play the role of Socializer and inform others of their achievement.Examples of ways that gamification can be applied to current practices will be provided.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,322
Score d'incertitude au seuil0,884

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,203
Écart entre enseignants0,195 · 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