Leaderboard Design Principles to Enhance Learning and Motivation in a Gamified Educational Environment: Development Study
Notice bibliographique
Résumé
BACKGROUND: Gamification in education enhances learners' motivation, problem-solving abilities, decision-making abilities, and social skills such as communication. Numerous ongoing studies are examining the application of gamification design methodology and game mechanics to a learning environment. Leaderboards are a type of game mechanic that assist learners in goal setting and unleash the motivation for learning. OBJECTIVE: The aim of this study was to develop leaderboard design principles to assist learners in efficient goal setting, improve learning motivation, and promote learning in gamified learning environments. METHODS: This study implemented 2 different strategies. First, we analyzed previous research on leaderboards that focus on educational efficacy and influence on social interactions. Second, we collected and analyzed data related to cases of leaderboards being used in educational and sport environments. RESULTS: This study determined 4 leaderboard design objectives from previous studies. Based on these objectives, we developed 3 leaderboard design principles. First, macro leaderboards and micro leaderboards should be designed and used together. Second, all the elements used to measure learners' achievements in an educational environment should be incorporated into the micro leaderboard. Third, leaderboards should be designed and considered for application in contexts other than learning environments. This study further analyzes best practices considering the 3 leaderboard design principles. CONCLUSIONS: This study contributes toward resolving problems associated with leaderboard design for the application of gamification in educational environments. Based upon our results, we strongly suggest that when teachers consider applying gamification in classrooms, the leaderboard design principles suggested in this research should be incorporated.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».