Monitoring Cognitive Performance with a Serious Game
Notice bibliographique
Résumé
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 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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».