MétaCan
Menu
Retour à la cohorte
Enregistrement W4403424116 · doi:10.1145/3677112

Using Psychophysiological Data to Facilitate Reflective Conversations with Children about their Player Experiences

2024· article· en· W4403424116 sur OpenAlexaff
Janelle Mackenzie, Madison Klarkowski, Ella Horton, Maryanne Theobald, Susan Danby, Lisa Kervin, Lance Barrie, Philippa Amery, Manesha Andradi, Simon S. Smith, Regan L. Mandryk, Daniel Johnson

Notice bibliographique

RevueProceedings of the ACM on Human-Computer Interaction · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Games and Gamification
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésPsychologyCognitive psychologyDevelopmental psychologyComputer scienceData scienceHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

Given the ubiquity of videogame play by children, concerns about the impacts of videogames, and increasing evidence of the benefits associated with digital play, it is important to evaluate the player experience (pX) of children. Moreover, it is essential to include children's voices in research about technologies designed for their use. However, eliciting rich, first-hand data on their experiences and perspectives is challenging because it requires children to articulate opinions in a pre-established context of general positivity towards games, alongside potential social desirability bias. In this paper, we present a methodology which uses children's psychophysiology as a prompt for reflective interviews, with two commercial off-the-shelf computer games (Rocket League and LEGO Builder's Journey). We consider the utility, reproducibility, reliability and validity of the method. In assessing the method, we discuss children's experience of wearing the sensors, the insights generated from the psychophysiological data, and the understanding that emerged when prompting children to reflect and comment on their own psychophysiological data.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,848
Score d'incertitude au seuil0,379

Scores Codex et Gemma par catégorie

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

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 Opus0,312
Tête enseignante GPT0,443
Écart entre enseignants0,131 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ACM on Human-Computer InteractionMême sujetEducational Games and GamificationTravaux en français237 207