MétaCan
Menu
Retour à la cohorte
Enregistrement W3009298134 · doi:10.1186/s12992-020-00547-6

Serious games for serious crises: reflections from an infectious disease outbreak matrix game

2020· letter· en· W3009298134 sur OpenAlexaffabout
Julia Smith, Nathan Alexander Sears, Ben Taylor, Madeline Johnson

Notice bibliographique

RevueGlobalization and Health · 2020
Typeletter
Langueen
DomainePsychology
ThématiqueEducational Games and Gamification
Établissements canadiensGlobal Affairs CanadaGovernment of CanadaUniversity of TorontoSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésPreparednessPublic relationsGlobal healthPublic healthHealth policyCrisis managementMedicinePolitical scienceNursingLaw

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: While there is widespread recognition of global health failures when it comes to infectious disease outbreaks, there is little discussion on how policy-makers and global health organizations can learn to better prepare and respond. Serious games provide an underutilized tool to promote learning and innovation around global health crises. In order to explore the potential of Serious Games as a policy learning tool, Global Affairs Canada, in collaboration with the Department of National Defense and academic partners, developed and implemented a matrix game aimed at prompting critical reflection and gender-based analysis on infectious disease outbreak preparedness and response. This commentary, written by the core development team, reflects on the process and outcomes of the gaming exercise, which we believe will be of interest to others hoping to promote innovative thinking and learning around global health policy and crisis response, as well as the application of serious games more broadly. MAIN BODY: Participants reported, through discussions and a post-game survey, that they felt the game was reflective of real-world decision-making and priority-setting challenges during a crisis. They reflected on the challenges that emerge around global health co-operation and outbreak preparedness, particularly noting the importance of learning to work with private actors. While participants only sporadically applied gender-based analysis or considered the social determinants of health during the game, post-game discussions led to reflection on the ways in which equity concerns are put aside during a crisis scenario and on why this happens, offering critical learning opportunities. CONCLUSION: Matrix games provide opportunities for policy-makers and health professionals to experience the challenges of global health co-operation, test ideas and explore how biases, such as those around gender, influence policy-making and implementation. Due to their flexibility, adaptability and accessibility, serious games offer a potentially powerful learning tool for global health policy-makers and practitioners.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,042
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,042
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,007
Communication savante0,0070,006
Science ouverte0,0030,007
Intégrité de la recherche0,0050,008
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,062
Tête enseignante GPT0,426
Écart entre enseignants0,364 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobalization and HealthMême sujetEducational Games and GamificationTravaux en français237 207