Enhancing Digital Creativity in Higher Education Through Gamified Distance Learning Systems
Notice bibliographique
Résumé
The study aimed to examine the impact of a gamified distance learning system on enhancing digital creativity in distance education. The research involved 36 graduate students from Sukhothai Thammathirat Open University enrolled in the Public Administration Innovation course. Over a six-week experimental period, the learning system incorporated gamification elements, including missions, challenges, and collaborative tasks, to promote engagement and skill development. Data collection tools comprised 1) a digital creativity assessment form, 2) an evaluation rubric for learners’ digital innovation projects, and 3) a satisfaction survey regarding the gamified learning system. The data were analyzed using t-test dependent statistics to compare digital creativity scores before and after the intervention, rubric criteria for project quality evaluation, and descriptive statistics for satisfaction levels. Results showed a significant increase in digital creativity, with post-test scores (M = 4.49, SD = 0.21) significantly higher than pre-test scores (M = 3.19, SD = 0.19) at the 0.05 significance level. Rubric-based evaluations indicated that learners’ digital innovation projects were rated between good and very good. Additionally, learners expressed high satisfaction with the gamified system, with an average score of 4.35 (SD = 0.69). This study provides evidence of the effectiveness of gamification in fostering digital creativity, addressing a notable gap in traditional educational methods. The integration of game-based elements within distance education supports increased interaction, motivation, and collaboration among learners. The findings underscore the potential of gamified learning systems as a strategic tool for enhancing essential digital skills and creativity in higher education. The study highlights practical implications for curriculum design and offers innovative approaches to address the challenges of distance learning in the digital age. Further exploration is recommended to optimize gamification designs for diverse educational contexts and learner needs.
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 | 0,000 | 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) | 0,000 | 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 ».