Playing and Learning: An iPad Game Development & Implementation Case Study | Jouer et apprendre : une étude de cas du développement et de la mise en œuvre d’un jeu sur iPad
Notice bibliographique
Résumé
There is a great deal of enthusiasm for the use of games in formal educational contexts; however, there is a notable and problematic lack of studies that make use of replicable study designs to empirically link games to learning (Young, et al., 2012). This paper documents the iterative design and development of an educationally focused game, Compareware in Flash and for the iPad. We also report on a corresponding pilot study of 146 Grades 1 and 2 students playing the game, a paper and pencil related activity and completing a pre- and post-test. The paper outlines preliminary findings from the play testing, which included high levels of student engagement, an approaching statistical improvement from pre- to post-test, and a discussion of the improvements that needed to be made to the game following the pilot study. L’utilisation du jeu dans les contextes éducatifs officiels suscite beaucoup d’enthousiasme. Cependant, le manque d’études qui utilisent des modèles pouvant être répétés pour relier les jeux et l’apprentissage de manière empirique est remarquable et problématique (Young et coll., 2012). Cet article documente la conception et le développement itératifs d’un jeu aux accents éducatifs, Compareware, en Flash et pour l’iPad. Nous traitons également d’une étude pilote correspondante dans le cadre de laquelle 146 élèves de 1re et 2e année ont joué au jeu, réalisé une activité connexe à l’aide de crayons et de papier et passé des tests avant et après. L’article résume les conclusions préliminaires des essais du jeu, y compris des taux élevés d’engagement des élèves, l’amélioration statistique entre les tests avant et après le jeu, ainsi qu’une discussion des améliorations à faire au jeu après l’étude pilote.
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 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 | 0,003 | 0,001 |
| 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».