MétaCan
Menu
Retour à la cohorte
Enregistrement W3172681601 · doi:10.21432/cjlt27965

Serious Games in Higher Distance Education

2021· article· en· W3172681601 sur OpenAlexaffvenue
Ann Celestini

Notice bibliographique

RevueCanadian Journal of Learning and Technology · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Games and Gamification
Établissements canadiensTrent University
Organismes subventionnairesnon disponible
Mots-clésEntertainmentSituatedSituated learningMathematics educationMobile devicePsychologyEducational gamePedagogyMultimediaComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Games have been socially entrenched throughout history as a form of entertainment. Current rapidly changing technological advances have permitted an increasingly prominent means of utilizing these sources of entertainment in an instructional capacity for educational purposes. Serious gaming as a result, focuses on engaging learners in activities which are not solely developed for enjoyment purposes. Goal oriented pursuits based in either an authentic or fictitious scenario can be designed to improve a learner or players motor and cognitive abilities or knowledge (de Freitas & Jarvis, 2006; Lamb et al., 2018; Protopsaltis et al., 2011). Serious gaming promotes intentional, active, and mobile learning that can be successfully used as a supplemental educational tool to facilitate a situated understanding of specific content (Admiral et al., 2011; Gee, 2005). This paper is a brief overview of game-based learning, or serious games, as an innovative instructional strategy in higher distance education.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,800
Score d'incertitude au seuil0,573

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 Opus0,011
Tête enseignante GPT0,282
Écart entre enseignants0,271 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations8
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Learning and TechnologyMême sujetEducational Games and GamificationTravaux en français237 207