A Study on Using Serious Games in Teaching German as a Foreign Language
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 interest in Digital Game-Based Language Learning (DGBLL) has increased considerably in recent years although being a relatively new approach. Despite the interest that DGBLL took, the studies in the context of German as a Foreign Language (FL) are quite limited. Moreover, DGBLL in the Turkish context is not prevalent. Due to this gap in the literature, a research project was launched at a big state university in Turkey in 2014 to explore the potentials and limitations of DGBLL. The study focuses specifically on serious games for FL teaching and learning. The aim of the project, in addition to the promotion of linguistic skills of the learners, is to contribute to the development of professional qualifications of the future FL teachers. The present research aims to report on the pilot study of the project. A one group pre-test post-test research design was used in the study. Quantitative data was collected via two opinion questionnaires implemented at the beginning and at the end of the process as well as a receptive vocabulary test. Qualitative data was collected via semi-structuted interviews and game diaries that participants kept. Two serious games for German was selected and used with traditional dictation, transcription and reading comprehension activities. The results of an 11-week gaming activity indicated significant differences between pre- and post-tests in vocabulary. Additionaly, age was found to be an important factor that affects participants’ attitudes towards serious games. The results indicate that the participants found game activities useful for the development of other language skills.
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 | 0,001 | 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 | 0,000 | 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) | 0,000 | 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 découle