MétaCan
Menu
Retour à la cohorte
Enregistrement W2035611965 · doi:10.5430/wje.v1n1p3

Applying a Conceptual Mini Game for Supporting Simple Mathematical Calculation Skills: Students’ Perceptions and Considerations

2011· article· en· W2035611965 sur OpenAlexvenueno aff
Chris Panagiotakopoulos

Notice bibliographique

RevueWorld Journal of Education · 2011
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Games and Gamification
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSimple (philosophy)Mathematics educationPsychologyPerceptionTeaching methodComputer sciencePedagogyEpistemology

Résumé

récupéré en direct d'OpenAlex

Mathematics is an area of study that particularly lacks student enthusiasm. Nevertheless, with the help of educational games, any phobias concerning mathematics can be considerably decreased and mathematics can become more appealing. In this study, an educational game addressing mathematics was designed, developed and evaluated by a sample of 33 students of the fifth grade of a primary school. Each student played the educational game “Playing with Numbers” (PwN), performing additions with integers, additions with decimals and multiplications with integers for a total of one hour, divided into four sessions. Next, the sample was asked to provide feedback regarding specific questions, and the analysis of the results showed that the PwN application is attractive and delivers usage. The attraction of the PwN game probably owes its success to its competitive element, as users are driven to achieve high scores. The PwN application was also found to be easy to use, and this made the challenge of achieving a high score more appealing, as success depended only on the cognitive skills of the user and not on any weaknesses or difficulties raised by the application itself. The findings of this study show that students would benefit from educational games and would be happy to work within an environment that motivated them and indirectly forced them to deal with mathematical operations while playing.

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)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,067
Tête enseignante GPT0,405
Écart entre enseignants0,338 · 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'étudeObservationnel
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

Citations23
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of EducationMême sujetEducational Games and GamificationTravaux en français237 207