An analysis of virtual simulations from the TPACK perspective
Notice bibliographique
Résumé
INTRODUCTION. Virtual simulations (VS) have increased their presence in the higher education training actions during the last years and has been consolidated as a result of the COVID-19 pandemic as a powerful tool that allow us to overcome many of the limitations of the face to face simulation rooms, related to costs and replicability. However, there is a lack of studies about the use of theoretical models, such as the TPACK, for the analysis of VS. METHOD. In this article a systematic review of the literature is conducted with the main aim of analysing the characteristics of the VS used in higher education during the last decade (2012-2022) from the optic of the TPACK model. RESULTS. The main findings are the big use of VS in Health-related areas and especially in the American continent (Unite States and Canada); the screen-based and computer-based simulation played online as the most common technological features; and the Experiential learning, the Situated learning and the Problem-based learning as the most common theories for the pedagogical justification of VS in higher education. DISCUSSION. A series of relationships has been spotted among the technological, pedagogical and content features of the VS that help us to better understand this tool that has a growing use, especially in the health field. Conclusions show, on the one hand, the lack of articles that properly describe the use of VS according to the TPACK requirements and, on the other hand, the adequacy and viability of this model for the analysis and development of VS.
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 | 0,009 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».