Augmented Reality Applications in Education: Arloopa Application Example
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Arloopa is an augmented reality application that enables the integration of digital content such as images, sounds, texts into real world environments. By another definition the Arloopa app is an AR visualization tool that brings the physical and digital worlds together as one. Arloopa is an augmented reality (AR) and virtual reality (VR) app and game development company which provides advanced AR and VR services, such as: cloud-based augmented reality services, custom branded augmented reality app and game development, virtual reality app and game development, 2D and 3D content creation. In this study, the integration of Arloopa application into educational environments and application examples are presented within the scope of augmented reality applications course at a government university in Turkey. In addition, in this research, the presentation of the Arloopa application within a course unit and tips will be given to be used in future research on the integration of the application into education. At the end of the process, an interview form was prepared to determine opinions from the students about the Arloopa application and the use of augmented reality applications in education in general. The interview form prepared by the researcher was applied to 27 students within the scope of the course. According to the results obtained; the students found the use of augmented reality applications in education useful in terms of making the lesson fun, providing permanence in learning, and improving creativity skills. Despite all these positive aspects, the fact that some apps are salaried is accepted as the biggest limitation.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle