A Digital Learning Ecosystem through Metaverse Experiences to Develop Modern Digital Entrepreneurs Competencies
Notice bibliographique
Résumé
This study explores the development and evaluation of a digital learning ecosystem through metaverse experiences aimed at enhancing the competencies of modern digital entrepreneurs. The objectives were as follows: (1) to study the digital learning ecosystem through metaverse experiences, (2) to design and develop a digital learning ecosystem using a metaverse experience, and (3) to study the results of using the digital learning ecosystem through metaverse experiences. The research method was divided into three phases based on these objectives. The first phase involved studying the digital learning ecosystem through metaverse experiences. In the second phase, the digital learning ecosystem for design and development was evaluated for its effectiveness by twelve experts using a suitability assessment form. The third phase examined the outcomes of using the digital learning ecosystem through metaverse experiences, focusing on digital entrepreneurs’ competencies and innovative thinking skills. The study included 30 participants from higher education institutions in Thailand. The findings revealed a significant improvement in learners’ digital competencies post-intervention with a large effect size (Cohen’s d = 1.72), indicating the substantial impact of the digital learning ecosystem through metaverse experiences. Additionally, there was a notable enhancement in innovative thinking skills as evidenced by high mean scores in creativity, problem-solving, value creation, presentation, and implementation. The experts found the digital learning ecosystem through metaverse experiences to be highly appropriate and effective.
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 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».