The Game-based Learning (GbL) Platform with Generative AI to Enhance Digital and Technology Literacy Skills
Notice bibliographique
Résumé
The GbL platform, or game-based learning platform, with generative AI is a research tool initiated from the combination of game-based learning concepts and generative artificial intelligence technology; thereby, this platform is intended to be used as a guideline for the instruction management, in which learners can respond and interact with the real-time activities by means of gamification. The objectives of this research are (1) to study and synthesize the conceptual framework of the GbL platform with generative AI to enhance digital and technology literacy skills, (2) to develop the architecture of the GbL platform with generative AI to enhance digital and technology literacy skills, and (3) to study the results of the development of the GbL platform with generative AI to enhance digital and technology literacy skills. The results of this research show that (1) the overall elements suitability of the architecture of the GbL platform with generative AI is at the highest level (Mean = 4.51, SD = 0.48), and (2) the overall suitability of the architecture of the GbL platform with generative AI is at the highest level (Mean = 4.59, SD = 0.41). Nevertheless, there are still some research gaps in this study; that is, this study was conducted with quite a small sample group and it focuses mainly on the results of evaluation on the architecture of the GbL platform. Therefore, this research is regarded merely as a pilot study designated for feasibility study to further develop the GbL platform that can be put in practical use in the future.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».