MétaCan
Menu
Retour à la cohorte
Enregistrement W2307935587

Game-based Learning in the University Classroom

2016· article· en· W2307935587 sur OpenAlex
Hadi Hosseini, Maxwell Hartt

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueORCA Online Research @Cardiff (Cardiff University) · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Games and Gamification
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésVariety (cybernetics)Set (abstract data type)Computer scienceStrengths and weaknessesGame mechanicsGame designRelation (database)Domain (mathematical analysis)Taxonomy (biology)Human–computer interactionMathematics educationPsychologyArtificial intelligence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Gamification focuses on the application of game mechanics and gameful thinking in non-game contexts to engage users in solving problems or carrying out tasks. This interactive workshop will explore the theoretical and psychological relationship between games and learning, with particular focus on Bloom's taxonomy of learning and the relation between its affective domain and gamified learning. The workshop then introduces various elements of gameful design and a variety of gamification methods that can be used in a university classroom. Participants will learn strategies to incorporate gamification into a variety of learning environments and will have the opportunity to design game-based learning events that can be used in undergraduate lectures. Individuals from all disciplines can participate and benefit from techniques to identify and learn from a diverse set of strategies and methods that can be adopted to use in different disciplines and levels of teaching. Finally, the workshop provides an opportunity for participants to dive deeper and discuss strengths, weaknesses, and possible threats in gamified learning.

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 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)0,002
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,697
Score d'incertitude au seuil0,648

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,079
Tête enseignante GPT0,360
Écart entre enseignants0,282 · 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