Gaming Experience and Spatial Learning in a Virtual Morris Water Maze
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.
Notice bibliographique
Résumé
Experience playing video games has been associated with perceptual and cognitive improvements (e.g., Castel, Pratt, & Drummond, 2005; Boot, Kramer, Simons, Fabiani, & Gratton, 2008; Colzato, van den Wildenberg, & Hommel, 2013; Oei & Patterson, 2013) For instance, video gamers show superior spatial abilities than non-gamers (Greenfield, Graig, & Lohr, 1994; Feng, Spence, and Pratt, 2007; Green & Bavelier, 2003). Given that such abilities have been associated with educational and vocational success in STEM fields (Wai, Lubinski, & Benbow, 2009), it is important to understand the relationship between them and video game experience. In past research, virtual versions of the Morris Water Maze (VMWM) have been used to investigate spatial learning in non-human subjects. Yet, the extent of VMWM’s ability to reliably and validly assess human spatial learning is relatively unknown. We developed a VMWM within the Second Life (2015) virtual world and conducted a pilot study with 12 eighth grade students. In the experiment, the participants learned to find the location of a platform in the VMWM. We analyzed performance on the task to identify data trends indicative of spatial learning. Specifically, we compared performance between males and females with varying levels of gaming expertise. In this article, we report on an analysis of navigation strategies as measured by participants’ path lengths and patterns, and we discuss the implications of these results in assessing spatial cognition.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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