Learning the Russian Language in the Game: Traditional and New Approaches
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 article deals with the traditional game approaches that have well recommended themselves at the lessons of the Russian language, and their potential and ways of modifying into a single game space of the lesson is being discussed. Basing on personal experience, the authors of the article present the possibilities of organizing a Russian language lesson in the form of a quest. Many experts rightly paid attention to the effectiveness of using games in the learning process. Despite the attractiveness for teachers and students, until recently, game approaches as a form of education have remained on the periphery of the educational process, being just a supplement to the main methods. Only role-playing games can be called an exception, with their being included both in the educational process of school and university education, and in professional-oriented training of specialists. However, under the influence of processes in modern culture and the active development of gaming technology, the "gamification" of education acquires the character of a mass phenomenon both at school and in higher educational institutions, and ignoring these processes is not only impossible but impractical. In this regard, the article provides a scientific and methodological understanding of this form of education and identifies the structural peculiarities of the quest unlike the other game forms. The article is addressed to teachers of Russian as a foreign language and can be used as a kind of model for conducting quests in classes both in various courses on grammar, reading, writing, listening, linguistic and cultural studies, and in students' independent educational activities.
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 | 0,002 | 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) | 0,001 | 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