A Pilot Study of the Attractive Features of Active Videogames Among Chinese Primary School Children
Notice bibliographique
Résumé
OBJECTIVE: The present study (1) explored the attractive features that affect Chinese primary school children's preferences of active videogames (AVGs) and (2) contrasted these findings with those in the Western literature. PARTICIPANTS AND METHODS: ") were employed. Participants used four selected AVGs for 3 minutes each. After each play period, children (1) described the strengths and weaknesses of each game as well as rated the attractive features of each game based on a 16-item questionnaire and (2) rated up to 5 items that were most influential regarding their AVG preferences. RESULTS: Participants indicated that control was the most significant feature, followed by feedback, goal, and graphics. The top five rated features imply that the perception of competence was the most appealing aspect and expected outcome of Chinese children who play AVGs. CONCLUSIONS: Compared with the Western findings regarding attractive AVG features, the present study found certain similarities as well as significant differences among Chinese AVG players. Based on the present study, control, feedback, goal, and graphics are the most significant features that attract Chinese children to play AVGs. Physical exertion, social interaction, competition, and learning outcomes, which are valued according to Western studies, were not mentioned as significant features by Chinese children. These findings demonstrate a need to investigate the effect of cultural background in AVG study design.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».