MétaCan
Menu
Retour à la cohorte
Enregistrement W4391327490

Nothing Like a Good Fiasco! Exploring the Potential of Tabletop Role-Playing Games (TRPGs) As Literacy Experiences

2021· article· en· W4391327490 sur OpenAlexaff
Harrison Campbell, Andrea Jean Madsen

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Learning in Education
Établissements canadiensNorthern Alberta Institute of TechnologyUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésNothingLiteracyComputer scienceMathematics educationSociologyPsychologyEpistemologyPedagogyPhilosophy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Within this position paper, we describe the use of Fiasco, a tabletop role-playing game (TRPG), as it relates to the creation of literacy experiences. Fiasco is a TRPG that utilizes prompts inspired by genre fiction to collaboratively generate, establish, and resolve scenes between a varied cast of characters in several rounds improvisational roleplay. To explore the range of literacy experience opportunities, present in its play, we present our experiences designing and playing a Fiasco session and reflect upon the transformative potential of tabletop games in creating literacy experiences. The position we undertake, in favor of the considered use of TRPGs for learning through serious gaming in classrooms, is reflective of the experiences within our local gaming and learning communities. Based upon this experience and relevant literature, we contend that table-top gaming fits well within literacy pedagogy and explore how they can be used in classrooms. Therefore, our discussion is centered upon the potential of tabletop games experiences to be considered inventive, specifically in relation to the teaching and learning of literacy skills within a serious gaming framework.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Science ouverte, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,354
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0040,008
Science ouverte0,0060,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,137
Tête enseignante GPT0,489
Écart entre enseignants0,352 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetMobile Learning in EducationTravaux en français237 207