Smartkuber: A Serious Game for Cognitive Health Screening of Elderly Players
Notice bibliographique
Résumé
OBJECTIVE: The goal of this study was to design and develop a serious game for cognitive health screening of the elderly, namely Smartkuber, and evaluate its construct, criteria (concurrent and predictive), and content validity, assessing its relationship with the Montreal Cognitive Assessment (MoCA) test. Furthermore, the study aims to evaluate the elderly players' game experience with Smartkuber. SUBJECTS AND METHODS: Thirteen older adults were enrolled in the study. The game was designed and developed by a multidisciplinary team. The study follows a mixed methodological approach, utilizing the In-Game Experience Questionnaire to assess the players' game experience and a correlational study, to examine the relationship between the Smartkuber and MoCA scores. The learning effect is also examined by comparing the mean game scores of the first and last game sessions of each player (Delta scores). RESULTS: All 13 participants (mean age: 68.69, SD: 7.24) successfully completed the study. Smartkuber demonstrated high concurrent validity with the MoCA test (r = 0.81, P = 0.001) and satisfying levels of predictive and content validity. The Delta scores showed no statistically significant differences in scoring, thus indicating no learning effects during the Smartkuber game sessions. CONCLUSIONS: The study shows that Smartkuber is a promising tool for cognitive health screening, providing an entertaining and motivating gaming experience to elderly players. Limitations of the study and future directions are discussed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».