The Effectiveness of Gamification Elements for the Development of Future Culturologists’ Digital Competence
Notice bibliographique
Résumé
The aim of the research was to experimentally prove the effectiveness of gamification of learning for the development of future culturologists’ digital competence. The research was based on the information from the monitoring of the subject or professional module, as well as a package of control and measuring materials. It also involved diagnostics of activity component, diagnostics of the level of digital component. Statistical tests — the Anderson-Darling test, the Cramér–von Mises test, Kolmogorov-Smirnov test, the Shapiro-Francia test, the Wilcoxon test, Mann-Whitney U-test, Student’s t-test — were performed to formally verify the consistency of data with the normal distribution law. The greatest differentiation was observed for cognitive, praxiological and reflective criteria. The increase in the cognitive component was promoted by the implementation of strategies for adapting educational content and multiple control of the students’ self-education process. The significant increase in the praxiological component was determined by the intensified student learning activity and, accordingly, the development of the activity component. In all tests, p significantly exceeds the fixed level of significance, so we can conclude that the data of the control and experimental groups were distributed uniformly at the beginning of the experiment. By testing the hypotheses H0 and H1 for EG and CG at the end of the pedagogical experiment, it was found that the statistics for the t-test exceeds the critical value and is in the range of significance. So, the approbation of the research results revealed significant differences in the learning outcomes of CG and EG, which allows us to state the effectiveness of gamification of learning. Based on the research results, we can argue that the gamification of learning has a significant impact on the development of future culturologists’ digital competencies. The study showed a significant positive impact of the introduction of gamification elements in the learning process. Further research should focus on studying ways to improve future culturologists’ digital competencies. It is necessary to study the impact of Internet technologies on the future culturologists’ professional development.
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 | 0,003 | 0,015 |
| 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 | 0,001 | 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) | 0,004 | 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 ».