Introduction to a Class-based Online Writing Environment: Gwrit (Game of Writing)
Notice bibliographique
Résumé
The Game of Writing (GWrit) is an online writing environment where students can comment on each other’s writing and where they get rewards for on task activity (gamification). This paper brings together research on GWrit from the following perspectives: gamification, analytic tools, user habits, evaluation and task completion structures. First we introduce the way the system was designed to support experimenting with gamification and show the gamification rule editing environment we are developing. Second, we discuss the ways we are evaluating the interface of GWrit using Cognitive Walkthrough and Heuristic evaluation approaches. Third, we look at user behavior based on Google Analytics and compare this to the behavior expected and desired. Finally, we discuss the role task completion structures play in motivating learning. Compared with traditional ways of providing peer review, GWrit offers a different way of teaching writing. Our research shows that the major features of GWrit–including the gamification components, mutual study environment–have been recognized by users. We found that features tied to grades were used more frequently than those not tied to grades. Assignment deadlines, one of the task completion structures applied in GWrit, play an effective role in motivating learning. We end by describing potential improvements for the system from both programming and design perspectives. “Game of Writing” (GWrit) est un environnement d’écriture en ligne où les étudiants peuvent faire des commentaires sur l’écriture de chacun d’entre eux et où ils reçoivent des récompenses dues à leur travail axé à la tâche (ludification). Cette étude rassemble la recherche sur GWrit, venant des perspectives suivantes: la ludification, les outils d’analyse, les habitudes des utilisateurs, l’évaluation et les structures d’achèvement de tâches. Premièrement, nous présentons la façon dont le système a été conçu pour encourager l’expérimentation sur la ludification et pour montrer l’environnement de montage de règles de ludification que nous développons. Deuxièmement, nous discutons les manières dont nous évaluons l’interface de GWrit en employant les approches d’inspection cognitive et d’évaluation heuristique. Troisièmement, nous considérons le comportement des utilisateurs observé avec l’outil Google Analytics et le comparons au comportement attendu et désiré. Finalement, nous discutons du rôle que les structures d’achèvement de tâches jouent dans la motivation d’apprentissage. Comparé aux stratégies d’évaluation collégiale traditionnelles, GWrit en offre une nouvelle visée à l’enseignement de l’écriture. Notre recherche démontre que les utilisateurs reconnaissent les principales caractéristiques de GWrit – ce qui inclut des éléments de ludification et un environnement d’étude mutuelle. Nous avons trouvé que les éléments liés aux notes ont été utilisés plus fréquemment que ceux qui n’y ont pas été liés. Les délais de devoirs, une des structures d’achèvement de tâches employées dans GWrit, jouent un rôle efficace dans la motivation d’apprentissage. Pour conclure, nous décrivons des améliorations potentielles pour ce système en considérant les perspectives de programmation et de conception. <strong>Mots-clés:</strong> environnement d’écriture en ligne; ludification; analyses d’écriture; l’évaluation de système; recherche sur la motivation
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 | 0,000 | 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 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 ».