MétaCan
Menu
Retour à la cohorte
Enregistrement W4321506239 · doi:10.5751/es-13862-280130

Games for experiential learning: triggering collective changes in commons management

2023· article· en· W4321506239 sur OpenAlexvenueno aff
Thomas Falk, Wei Zhang, Ruth Meinzen‐Dick, Lara Bartels, Richu Sanil, Pratiti Priyadarshini, Ilkhom Soliev

Notice bibliographique

RevueEcology and Society · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensnon disponible
Organismes subventionnairesConsortium of International Agricultural Research CentersFP7 International CooperationDeutsche Gesellschaft für Internationale ZusammenarbeitBundesministerium für Wirtschaftliche Zusammenarbeit und EntwicklungBundesministerium für Bildung und Forschung
Mots-clésExperiential learningCommonsCollective actionKnowledge managementSocial dilemmaSustainabilityContext (archaeology)Computer scienceSociologyPsychologyPolitical scienceSocial psychologyEcology

Résumé

récupéré en direct d'OpenAlex

As resource users interact and impose externalities onto each other, institutions are needed to coordinate resource use, create trust, and provide incentives for sustainable management. Coordinated collective action can play a key role in enabling communities to manage natural resource commons more sustainably. But when such collective action is not present, what can be done to foster it? We contribute to the understanding of how experiential learning through games can affect behavioral change, potentially leading to more sustainable commons management. We present a conceptual framework describing the most important processes involved in experiential learning games. The framework highlights the importance of the game context for achieving game outcomes. We list game features that have been argued to influence learning and behavioral determinants, focusing on the game narrative and experience, game rules, and attributes of players. We briefly describe how each game feature influences the processes in the framework. Next, we apply the conceptual framework to examine design features that were particularly important for influencing behavioral drivers in commons management in three intervention cases from India relating to groundwater, surface water, and forests. Our conceptual reflections underpin the need to debate about underlying assumptions in using games as intervention tools. Making assumptions transparent can help to understand why or under what conditions experiential learning works or fails. There is a critical need for more systematic choices of the right tools for the right purpose. This includes participants of the experiential learning who must be able to relate the game to their real life. A social dilemma in the game should at least, in its basic structure, represent a real-life dilemma. We close by highlighting future research needs both from the conceptual behavioral change as well as the game design perspective.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,056
Score d'incertitude au seuil0,624

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,040
Tête enseignante GPT0,340
Écart entre enseignants0,300 · 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 tête enseignante, 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

Citations16
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcology and SocietyMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207