The use of serious games for psychological education and training: a systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction The present systematic review aims to synthesize and critically analyze the use of serious games in the professional training and education of psychologists and psychology students. Methods Following PRISMA guidelines, database searches from inception to July 2023 (PsycINFO, PubMed, Web of Science, and Scopus) yielded 4,409 records, of which 14 met the eligibility criteria, including 17 studies. Quality assessment was performed using the Newcastle-Ottawa Scale and the Risk of Bias Tool for Randomized Trials. Results The review identified three pivotal areas where serious games demonstrated significant educational impact: enhancing psychological traits and attitudes (e.g., prejudice, empathy), promoting theoretical knowledge acquisition (e.g., biopsychology), and developing professional skills (e.g., investigative interview with children). Serious games, particularly those providing feedback and modeling, significantly enhance the quality of learning and training for psychology students and professionals. Discussion Key findings revealed that serious games operate by offering realistic, engaging, and flexible learning environments while mitigating risks associated with real-world practice. Methodological limitations, including moderate to high risk of bias in many studies, especially those that relied on cross-sectional data, underscore the need for rigorous designs and long-term evaluations. Practical implications suggest integrating serious games into curricula to address gaps in experiential learning for psychologists, facilitating skill development and knowledge retention. Future research should explore the long-term impact of serious games on professional competencies and assess their applicability across diverse educational contexts.
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 découle