MétaCan
Menu
Retour à la cohorte
Enregistrement W2870569635 · doi:10.1097/cin.0000000000000455

Educational Analytics

2018· article· en· W2870569635 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueCIN Computers Informatics Nursing · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Games and Gamification
Établissements canadiensDempsey (Canada)
Organismes subventionnairesNational Center for Advancing Translational Sciences
Mots-clésAttritionLogistic regressionAnalyticsDescriptive statisticsPsychologyOddsConfidence intervalOdds ratioMedical educationComputer scienceMedicineData scienceStatistics

Résumé

récupéré en direct d'OpenAlex

To determine the effects of gamification on student education, researchers implemented "Kaizen," a software-based knowledge competition, among a first-year class of undergraduate nursing students. Multiple-choice questions were released weekly or biweekly during two rounds of play. Participation was voluntary, and students could play the game using any Web-enabled device. Analyses of data generated from the game included (1) descriptive, (2) logistic regression modeling of factors associated with user attrition, (3) generalized linear mixed model for retention of knowledge, and (4) analysis of variance of final examination performance by play styles. Researchers found a statistically significant increase in the odds of a correct response (odds ratio, 1.8; 95% confidence interval, 1.0-3.4) for a round 1 question repeated in round 2, suggesting retention of knowledge. They also found statistically significant differences in final examination performance among different play styles.To maximize the benefits of gamification, researchers must use the resulting data both to power educational analytics and to inform nurse educators how to enhance student engagement, knowledge retention, and academic performance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,821
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,359
Écart entre enseignants0,326 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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