Grim FATE: Learning About Systems Thinking in an In-Depth Climate Change Simulation
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
Background. Simulations of complex systems have a long history of use for the study and promotion of systems thinking , yet more can be done in identifying games that promote development of systems thinking . Aim. This study is an exploration of the hypothesis that FATE OF THE WORLD, a challenging and complex climate change simulation , can promote systems thinking about climate change. Questions. This article analyzes players’ engagement with FATE OF THE WORLD using three key questions : 1. In what ways does the game support thinking about climate change as a complex system? 2. Does the game correspond to players’ a priori model of climate change? 3. How do players relate to FATE as an artifact they embrace, critique, and tinker with? Method. 33 participants were matched into control and test groups , and experimental participants were assigned to play a full game scenario of FATE OF THE WORLD. Experimental and control groups were compared using pre-and-post intervention concept maps . Post interviews were conducted with the test group. Results. Concept maps revealed statistically significant differences between the control and test groups. Interviews revealed diversity in learning outcomes and the ways in which acceptance of the game’s model of climate change influenced learning. Conclusions. FATE serves as proof-of-concept for the power of complex simulations to promote systems thinking as well as in-depth reflection on key social challenges . However, simulations like FATE are unlikely to serve well as stand-alone educational tools, which highlights the importance of effective teaching to accompany the game.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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