Exploring the Catalysts and Components of Gamification in Enterprise: A Systematic Literature Review
Notice bibliographique
Résumé
This comprehensive review scrutinizes the body of literature on enterprise gamification from 2015 to 2023, drawing from databases such as Elsevier, IEEE, and Google Scholar.A corpus of 37 articles, bearing a close thematic affinity, were examined with an aim to discern the primary impetuses for gamification initiatives and to delineate the most prevalent elements across a broad spectrum of disciplines.It is underscored that gamification emerges as a multidisciplinary concept with far-reaching influence on an array of business operations, spanning marketing, customer engagement, management, health promotion, and software engineering, among others.The analysis discerns six primary categories of drivers prompting the adoption of gamification initiatives: enhancement of customer experience, bolstering employee engagement, process improvement, ensuring security and compliance, fostering organizational awareness and motivation, and promoting well-being.Employee engagement was recurrently cited, with objectives such as cultivating learning, augmenting engagement, and enhancing performance being predominantly highlighted.The findings also reveal an excess of 40 distinct gamification elements, with feedback mechanisms, points, badges, leaderboards, and progress bars being the most frequently employed.The review underlines the necessity of defining clear objectives and identifying pertinent stakeholders prior to the implementation of gamification strategies.Notwithstanding certain limitations, including the exclusion of particular types of publications and the potential oversight of relevant studies, this review furnishes insightful perspectives on the application of gamification in enterprises.Future research is encouraged to delve into the effects of less commonly utilized gamification elements.
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 | 0,011 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,018 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 ».