MétaCan
Menu
Retour à la cohorte
Enregistrement W3161333587 · doi:10.1145/3411763.3443431

Monitoring Cognitive Performance with a Serious Game

2021· article· en· W3161333587 sur OpenAlexaffabout
Jacqueline Urakami, You Zhi Hu, Mark Chignell

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Games and Gamification
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCognitionPsychological interventionPsychologyApplied psychologyCognitive Assessment SystemComputer scienceCognitive psychologyCognitive impairment

Résumé

récupéré en direct d'OpenAlex

This case study involves: the design and evaluation of serious games; the use of longitudinal research and remote testing in an international setting. Current methods for cognitive assessment tend to be inconvenient, costly and infrequently performed. This is unfortunate because cognitive assessment is an important tool. In the young it can detect atypical development, and in older people it can detect cognitive decline. For both young and old, cognitive assessments can identify problems and trigger interventions for reducing harms (e.g., adverse reactions to drugs) or providing treatment. Serious games for cognitive assessment can potentially be self-administered and played on an on-going basis so as to track cognitive status over time, something that is not practical with current methods. Inspired by this opportunity the BrainTagger team has developed a suite of cognitive assessment games. Studies are being carried out to assess the validity of these games for measuring the cognitive functions that they target, but those studies don't address the issue of whether people will be willing to play the game repeatedly, without supervision, over an extended period of time. Thus we carried out a longitudinal study with BrainTagger. We report on the logistical challenges of running this study with an international team located in Canada and Japan during the COVID19 pandemic. We also report on how the perceived “fun” of games changed over time. Our games were all versions of Whack-a-mole games, with each game requiring a different cognitive function to distinguish between targets (moles to hit) and distractors (moles to avoid). While the basic Whack-a-mole game is fun to play, having to play the same games again and again over a larger time period appeared to be more challenging than anticipated and motivation and acceptance seemed to gradually decrease over the course of the study. We conclude that addition of gamification features, such as leaderboards and in-game rewards, are needed to sustain enjoyment of our BrainTagger games and likely other games as well.

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 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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,273
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)0,0010,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,324
Écart entre enseignants0,298 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations10
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetEducational Games and GamificationTravaux en français237 207