Year Zero Economics - Using Edu-Larping to Explore Economic Systems in the Ninth Grade
Notice bibliographique
Résumé
The curriculum of the province of Alberta, Canada, stipulates that grade nine students learn about economics, comparing the United States and Canada (Alberta Education 2007). Supervisor Ken Koziej assigned Mikael Hellström to teach this unit to three grade nine classes during his practicum. Hellström had pioneered the use of edu-larps, game-based learning, and gamification as a sessional instructor at the Universities of Alberta and Calgary (Hellström 2016; 2017) and chose those methods to deliver the unit. The game design for the tabletop role-playing game Mutant: Year Zero (The Free League 2015) incorporates mechanics for play on three levels: character, for world exploration; resource extraction and world exploration; and base building. The latter two levels effectively create an in-game economy. Collaborating with his supervisor, Hellström adapted them for classroom use. The goal was to create a unit fulfilling Mochocki’s (2014) criteria for edu-larp, in other words, that it is a) mono-disciplinary and targets a single school subject; b) knowledge-oriented and communicates textbook subject matter to students; and c) teacher-friendly, by not demanding time-consuming preparations. This paper describes the unit, the process of converting elements of Mutant: Year Zero for teaching, how students played the unit, and the post-game evaluation. While the unit did not fulfill all of Mochocki’s criteria, student engagement was high, consistent with previous findings on game-based learning (Prensky 2005; Gee 2007; Hattie 2009).
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 | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».