Notice bibliographique
Résumé
The way the world moves forward forces us to prepare ourselves through 21st-century educational processes: those that are active, realistic, systemic, and cross-disciplinary. However, facilitating such processes is not trivial as they require skills and resources that educators can seldom possess. Narratives, primarily in the form of interactive digital narratives (IDNs), are potent tools for 21st-century education, but they too require significant resources from educators. Transmedia learning, which is the use of educational media revolving around a story universe, can potentially support educators in applying IDNs, primarily if it lets them and their students add new narratives to a shared story universe, thus freeing them from having to create narratives from scratch. However, how to conduct this co-creation process is underexplored. Through a theoretical investigation of the literature on 21st-century education, IDNs, transmedia learning, narrative co-creation, and shared universes, we propose a framework for co-designing a transmedia learning ecosystem. The framework divides a transmedia learning ecosystem into learning content, narrative, and interactivity aspects, to be handled collaboratively by educators, narrative experts, and interactivity experts. Furthermore, each aspect is systemic and hierarchical, which allows for designing educational IDNs that expand upon each other, thus letting each educator work on one that suits their expertise while ensuring that the end products provide a comprehensive learning experience. We applied the framework in a case study of co-designing a transmedia learning ecosystem for 21st-century informatics education. The case study’s preliminary result is a general design of the ecosystem, which shows how co-design tasks can be delegated efficiently to produce IDN media that deliver informatics subjects hierarchically and engagingly. We also discuss our future research directions, including developing the ecosystem further to produce actual IDN media and expanding the framework to support other IDN creation activities, such as design implementation and IDN media validation.
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 | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,013 | 0,017 |
| Science ouverte | 0,002 | 0,025 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».