MétaCan
Menu
Retour à la cohorte
Enregistrement W2096174676 · doi:10.1080/00131881.2010.524752

Digital game building: learning in a participatory culture

2010· article· en· W2096174676 sur OpenAlexafffundabout
Qing Li

Notice bibliographique

RevueEducational Research · 2010
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Games and Gamification
Établissements canadiensUniversity of Calgary
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésMathematics educationCitizen journalismFeelingThematic analysisPsychologyPedagogyQualitative propertyQualitative researchSociologyComputer scienceSocial psychologySocial science

Résumé

récupéré en direct d'OpenAlex

Background: The emergence of a participatory culture, brought about mainly by the use of Web2.0 technology, is challenging us to reconsider aspects of teaching and learning. Adapting the learning-as-digital-game-building approach, this paper explores how new educational practices can help students build skills for the 21st century. Purpose: This paper examines elementary students' learning experiences through digital game building and playing. The following research questions guided the study: (1) What emotions do students experience during the process of building digital games for others to use?; (2) What traits do students display when they learn through digital game-building?; and (3) What do students learn from the digital game-building experience? Sample: The participants were 21 elementary students (19 boys and two girls), aged between seven and 11, who were on a summer camp at a university in Canada. Design and methods: This small-scale study made use of enactivism (Li, Clark, and Winchester, Instructional design and technology grounded in enactivism: A paradigm shift?, British Journal of Educational Technology 41, no. 3: 403–419, 2010), a new theoretical framework, as a basis for analysing the students' experiences and responses as they created computer games to teach others the concept of Issac Newton's Three Laws of Motion. Quantitative and qualitative data collected included student and parent surveys, teacher and student interviews, field observations and the digital games created by the students. Data were subjected to quantitative and thematic analyses. Results: The results indicated that only a small minority of students reported never feeling the positive emotions excited/happy or smart/proud during the process of building digital games. In addition, analysis suggested that creativity, engagement and new identity were the three salient traits displayed by the students when learning by digital game-building. There was also evidence that students increased their understanding of the subject matter in question (mathematics, science and technology) and enhanced their general problem-solving abilities through the process. Conclusions: This small-scale study suggests that student engagement in the game-building experience can enhance not just the learning of the game design process but also subject matter and generic skills. Thus, the learning-as-building approach can empower students to ‘take over the technology’ and become creators rather than passive consumers.

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)0,010
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,027
Communication savante0,0120,008
Science ouverte0,0020,013
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,173
Tête enseignante GPT0,511
Écart entre enseignants0,337 · 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'étudeQualitatif
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

Citations76
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEducational ResearchMême sujetEducational Games and GamificationTravaux en français237 207