Engagement Strategies in a Peer-quizzing Game: Investigating Student Interactions and Powergaming
Notice bibliographique
Résumé
Educational games are a popular means of engaging students in learning activities. However, students in game-based learning environments often engage in powergaming to reap undeserved rewards and spoil the experi-ence of their peers. This may happen when the students pretend to engage in game activities or collude with other students, exploiting the game settings and rules to maximize their points. In this explorative study, we investigate powergaming in three settings of an asynchronous online multiplayer peer-quizzing game in a blended learning setting – a first-year programming class in a Canadian university. We designed three experi-mental settings with three versions of an education game which allowed different levels of powergaming. The between-subject study involved three experimental groups: Group 1 used a game version where they received weekly performance feedback and tips on how to improve their performance, Group 2 used a game version with access to an existing resource bank, allowing them to maximize the number if their activities in the game, and Group 3 served as a control group with no additional interventions. The research aimed to investigate 1) the association between the power gamers' activity, their grades and their preference to work alone or in a group, 2) the types of activities (type of quiz questions) most used by power gamers, and 3) which game setting was the most conducive to power gaming. The results show that better grades are not associated with higher activity levels in the game. Students who engaged in more diverse types of game activities had better learning outcomes The control Group 3 had the highest average grades. As we expected, Group 2 engaged in the high-est number of activities, esp. in creating questions, a form of powergaming. The qualitative results showed that contrary to our assumption the powergamers in Group 2 was not harmful, because it created a rich set of re-sources in the game and fostered student engagement in the game.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».