MétaCan
Menu
Retour à la cohorte
Enregistrement W4404838064 · doi:10.1016/j.procs.2024.09.590

A Survey for Educational Metaverse: Advances and Beyond

2024· article· en· W4404838064 sur OpenAlexaff
Shihao Peng, Daocheng Hong, Jun Huang

Notice bibliographique

RevueProcedia Computer Science · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducation and Learning Interventions
Établissements canadiensCarleton University
Organismes subventionnairesEast China Normal UniversityNational Natural Science Foundation of China
Mots-clésComputer scienceMetaverseData scienceHuman–computer interactionVirtual reality

Résumé

récupéré en direct d'OpenAlex

The Metaverse, a convergence of cutting-edge technologies such as Virtual Reality (VR), Augmented Reality (AR), Artificial Intelligence (AI), and blockchain, represents the next frontier in digital society’s evolution. Meanwhile, as societal emphasis on education intensifies, a multitude of novel technologies are being integrated into the educational landscape with the aim of improving overall educational outcomes. This trend has resulted in the conceptualization of the Educational Metaverse as an extension of Metaverse applications in this domain. Notwithstanding its advent, there exists a notable dearth of scholarly efforts dedicated to meticulously summarizing and analyzing the most up-to-date research findings on the Educational Metaverse. Thus, this study systematically reviews recent literature to examine the Metaverse’s role in education, a field that stands to benefit significantly from the integration of these technologies. From an interdisciplinary perspective, guided by the insights derived from clustering algorithms, approximately 90 recent publications were meticulously analysed to explore and synthesise various aspects pertaining to the Educational Metaverse. This comprehensive review meticulously explores its primary characteristics, progression of foundatonal technologies, and multiplicity of practical implementations, thereby unravelling the transformative potential it holds for revolutionising pedagogical practices. The findings underscore the Educational Metaverse’s capacity to enhance learner engagement and motivation through immersive experiences, while also addressing the educational needs of individuals with special requirements. The study highlights the importance of optimizing the Educational Metaverse’s technical architecture and developing pedagogical strategies that are inclusive and effective. Furthermore, it emphasizes the need to ensure educational equity and accessibility, allowing all learners to harness the benefits of this technological innovation. As the Metaverse emerges as a pivotal force in educational modernization, it is anticipated that its applications will continue to proliferate. The research further indicates that the future trajectory of the Educational Metaverse is poised towards comprehensiveness and integration, with technology advancements emphasizing real-time capabilities and security enhancements. It is anticipated to extend its reach into a broader array of scenarios, thereby enabling a wider cross-section of disciplines and populations to reap the benefits it affords.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,022
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0130,016
Études des sciences et des technologies0,0010,001
Communication savante0,0050,011
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,003

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 Opus0,028
Tête enseignante GPT0,337
Écart entre enseignants0,310 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcedia Computer ScienceMême sujetEducation and Learning InterventionsTravaux en français237 207