MétaCan
Menu
Retour à la cohorte
Enregistrement W2187958767 · doi:10.26524/1421

Motivation to Move with Exergaming in Online Physical Education

2014· article· en· W2187958767 sur OpenAlexaff
Brian J. Kooiman, Dwayne P. Sheehan

Notice bibliographique

RevueInternational Journal of Physical Education Fitness and Sports · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Games and Gamification
Établissements canadiensMount Royal University
Organismes subventionnairesnon disponible
Mots-clésCurriculumEntertainmentThe InternetPsychologyPhysical educationMathematics educationPhysical activityMultimediaPedagogyComputer scienceMedicinePhysical therapy

Résumé

récupéré en direct d'OpenAlex

Motivation to move is critical in online physical education (OLPE). This study looked at the motivational aspect of remote exergaming versus another student versus proximally against a console generated non-player character (NPC). Research shows that students in grades 4-12 are motivated to play exergames because they are native gamers. The entertainment value of the exergame garners more effort from the students than they realize they are expending. This research showed that exergames are motivating for students (N=124) aged 11-18 in grades 6-12. The subjects reported high motivation to participate while playing both a computer-generated NPC and a remote human opponent over the internet. Scores for motivation were highest when subjects played another student over the internet but were also high for proximal NPC play. This research positions exergaming as a potential piece of OLPE curriculum that can help students access the emotional aspect of physical education curriculum.

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 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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,890
Score d'incertitude au seuil0,517

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,010
Tête enseignante GPT0,336
Écart entre enseignants0,326 · 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 tête enseignante, 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

Citations13
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Physical Education Fitness and SportsMême sujetEducational Games and GamificationTravaux en français237 207