Leveling Up Learning: Game Based Learning Initiatives in Canadian Higher Education
Notice bibliographique
Résumé
Game based learning (GBL), the use of game design elements within non-game contexts such as education, became increasingly popular in the early 2000s, yet empirical evidence about the benefit of games on student learning remains inconclusive. The potential impact of GBL can be influenced, for example, by design elements, context, and discipline. In Canadian higher education, GBL may be housed within departments, the library, or centres for teaching and learning. At our institution, GBL initiatives have only recently begun to surface; for example, the Department of English and Drama has recently launched a games studies minor for undergraduate students, the library has an extensive collection of video games available to borrow, and the academic skills centre has a large collection of board games that are used primarily for social game cafés. While opportunities for curricular connections may exist, our academic skills centre currently lacks staff who have both capacity and expertise in GBL pedagogy. Exploring possibilities for expansion, we aimed to understand the landscape of GBL initiatives across Canadian post-secondary institutions. To achieve this aim, we conducted an environmental scan of over 100 Canadian post-secondary institutions, gathering data such as the existence of GBL programs, category and level of programming (curricular, co-curricular, or research), initiative types, research development, faculty involvement, and availability of additional resources. Findings indicate inconsistencies in definitions used to promote GBL and a concentration of GBL initiatives at the curricular and research levels. The majority of GBL in Canada is led by faculty through course and degree-level programs at both undergraduate and graduate levels. This research gives us insight into GBL program development, challenges, and opportunities for higher education in Canada and globally.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,011 |
| Études des sciences et des technologies | 0,014 | 0,006 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».