Videogames and Complexity Theory: Learning through Game Play
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
The rich virtual worlds of videogames create powerful contexts for learning. In game worlds, as discussed by Shaffer, Halverson, Squire, and Gee (2004), “learners can understand complex concepts without losing the connection between abstract ideas and the real problems they can be used to solve” (p.5). Games are most powerful – and most complex – when they are “personally meaningful, experiential, social, and epistemological all at the same time” (Shaffer et al, 2004, p.3). In this paper we will suggest how complexity theory (Davis & Sumara, 2006; Waldrop, 1992) provides a framework that enabling us to understand learning as a complex and emergent process, an ongoing fluid relationship between personal knowing and collective knowledge as a learner/player observes and acts in the observed world. Learning skills in games becomes a process of ‘perception-action coupling’ (Chow et al., 2007; W. E. Davis & Broadhead, 2007; Renshaw, Davids, Shuttleworth, & Chow, 2008), where players’ capacity to understand game play and to act effectively is enabled through interaction in the game, discussion with other players, and prior understandings. As learners adapt to the perceived world in a self-organizing process, they develop a better relational connection to the perceived world, their task goals, and the actions and goals of others.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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