The Development and Effectiveness of Game-Based Learning Prototypes for Daily Life Words at B1 Level: A Case Study of Engineering Students in Thailand
Notice bibliographique
Résumé
In order to communicate effectively, it is undeniable that language learners should have rich vocabularies. In this study, online games are proposed to be an effective learning method in language teaching and learning. The study aimed at constructing game prototypes–online intermediate daily life lexicon (IDLL) games, assessing quality of online IDLL games, and investigating effectiveness of these games. This study comprised two stages: design and evaluation. Quality of the online games was validated by four experts and 109 games players. Experts were asked to complete the IDLL evaluation form, whereas 109 game players were assigned to complete the learning experience questionnaire and learners’ satisfaction questionnaire. Effectiveness of the online games in relation to English vocabulary knowledge at B1 level was measured by the IDLL mini pretest and posttest. Quantitative data were analyzed by descriptive statistics, arithmetic mean, t-test dependent sample, and the effect size (ES) on learners’ gained scores. Qualitative data were investigated using content analysis of the IDLL evaluation form and learners’ satisfaction questionnaire. The findings revealed that the developed online games appear to be good learning material since both experts and learners view the games at the acceptable quality with sone revision needed further, such as learning content, game design, website design, technical limitation, and human errors. The findings also suggested that the developed online games were effective since students’ vocabulary knowledge had improved. Furthermore, students reported that they felt positive about the online games since they felt that they could learn in an enjoyable and interactive environment. Therefore, it was considered that this method can be used for teaching vocabulary within the Thai context. However, further development and revision were needed since the study was a trial process.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».