Games in Times of a Pandemic: Structured Overview of COVID-19 Serious Games
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic introduced an urgent need for effective strategies to disseminate crucial knowledge and improve people's subjective well-being. Complementing more conventional approaches to knowledge dissemination, game-based interventions were developed to create awareness and educate people about the pandemic, hoping to change their attitudes and behavior. OBJECTIVE: This study provided an overview and analysis of digital and analog game-based interventions in the context of the COVID-19 pandemic. As major pandemics and other large-scale disruptive events are expected to increase in frequency in the coming decades, this analysis aimed to inform the design, uptake, and effects of similar future interventions. METHODS: From November 2021 to April 2022, Scopus, Google, and YouTube were searched for articles and videos describing COVID-19-themed game-based interventions. Information regarding authorship, year of development or launch, country of origin, license, deployment, genre or type, target audience, player interaction, in-game goal, and intended transfer effects was extracted. Information regarding intervention effectiveness was retrieved where possible. RESULTS: A diverse assortment of 23 analog and 43 digital serious games was identified, approximately one-third of them (25/66, 38%) through scientific articles. Most of these games were developed by research institutions in 2020 (13/66, 20%) and originated in Europe and North America (38/66, 58%). A limited number (20/66, 30%) were tested on relatively small samples, using a diversity of research methods to assess the potential changes in participants' knowledge, attitudes, and behaviors as well as their gameplay experience. Although most of the evaluated games (11/20, 55%) effectively engaged and motivated the players, increased awareness, and improved their understanding of COVID-19-related issues, the games' success in influencing people's behavior was often unclear or limited. CONCLUSIONS: To increase the impact of similar future interventions aimed at disseminating knowledge and influencing people's attitudes and behaviors during a large-scale crisis, some considerations are suggested. On the basis of the study results and informed by existing game theories, recommendations are made in relation to game development, deployment, and distribution; game users, design, and use; game design terminology; and effectiveness testing for serious games.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,012 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».