Pedagogical Foundation to Promote Students’ Engagement and Creativity While Co-creating a Music Learning Game
Notice bibliographique
Résumé
Learning-game co-creation is a pedagogical activity where learners draw on their knowledge of a specific topic to collaboratively create a learning game that peers can later use to gain a new understanding of a topic (Kafai & Burke, 2015; Kangas, 2010). Indeed, this approach offers important learning opportunities, as students call upon their acquired knowledge to create the different components of their game (e.g., rules, objective, dynamics, elements), all while also calling upon their creativity and encouraging their engagement with the activity. Studies exploring game creation as a learning activity have allowed us to identify and understand the common phases of this process. However, it is less clear to determine which are pedagogical principles the teacher should consider when implementing this approach into their own “teaching reality.” In this paper, we present a pedagogical experience based on co-creating a music learning game with seven young musicians (age: 10–14). More specifically, our paper presents the educational, operational, and conceptual models that enabled us to establish a robust pedagogical foundation upon which we built this learning activity that, to our knowledge, had never been explored in our field (music education). Therefore, we will explain how we used each model to a) structure the set of activities that enabled the participants to create their own music learning game, b) guide the researcher’s pedagogy act to co-create a music learning game with the students, and c) understand the participants’ creative response towards this learning activity.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 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 tête enseignante, 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 ».