MétaCan
Menu
Retour à la cohorte
Enregistrement W4317885473 · doi:10.2196/45467

Design Preferences for a Serious Game–Based Cognitive Assessment of Older Adults in Prison: Thematic Analysis

2023· article· en· W4317885473 sur OpenAlexvenueno aff
Rhys Mantell, Adrienne Withall, Kylie Radford, Michael M. Kasumovic, Lauren A. Monds, Ye In Hwang

Notice bibliographique

RevueJMIR Serious Games · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Games and Gamification
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPrisonCognitionThematic analysisPsychologyApplied psychologyQualitative researchSociologyCriminologyPsychiatrySocial science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Serious games have the potential to transform the field of cognitive assessment. The use of serious game-based cognitive assessments in prison environments is particularly exciting. This is because interventions are urgently needed to address the rapid increase in the number of currently incarcerated older adults globally and because of the heightened risks of dementia and cognitive decline present in this population. Game-based assessments are assumed to be fun, engaging, and suitable alternatives to traditional cognitive testing, but these assumptions remain mostly untested in older adults. This is especially true for older adults in prison, whose preferences and needs are seldom heard and may deviate from those previously captured in studies on cognition and serious games. OBJECTIVE: This study aimed to understand the design preferences of older adults in prison for a game-based cognitive assessment. METHODS: This study used reflexive thematic analysis, underpinned by critical realism, and applied the technique of abduction. Overall, 4 focus groups with a total of 20 participants were conducted with older adults (aged ≥50 years; aged ≥45 years for Aboriginal and Torres Strait Islander people) across 3 distinct prison environments in Australia. RESULTS: Self-determination theory was used as a theoretical foundation to interpret the results. Overall, 3 themes were generated: Goldilocks-getting gameplay difficulty just right through optimal challenge (the first theme emphasizes the participants' collective desire for an individualized optimal level of difficulty in serious gameplay), Avoiding Childish Graphics-gimmicky gameplay can be condescending (the second theme raises the importance of avoiding immature and childlike gameplay features, as some older end users in prison felt that these can be condescending), and A Balanced Diet-meaningful choice and variety keeps game-based assessments fun (the third theme highlights the strong user preference for meaningful choice and variety in any serious game-based cognitive assessment to maximize in-game autonomy). CONCLUSIONS: The collection of these themes provides novel insights into key game design preferences of marginalized older adults.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,033
score de la tête « metaresearch » (Gemma)0,050
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,175

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0330,050
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0050,005
Communication savante0,0040,004
Science ouverte0,0020,005
Intégrité de la recherche0,0010,002
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 Opus0,042
Tête enseignante GPT0,390
Écart entre enseignants0,347 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations12
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Serious GamesMême sujetEducational Games and GamificationTravaux en français237 207