Board Games as a Language Learning Tool: Assessing Attitudes Among Displaced Youth in Athens
Notice bibliographique
Résumé
Board games are effective educational tools, encouraging engagement, interaction, and collaboration. Regarding language learning, studies have found that extended use of games in language instruction can enrich vocabulary acquisition, improve grammatical comprehension, and boost overall language proficiency by making the learning process more enjoyable and less intimidating (Benoit, 2017; Ningrum, et al. 2024). Their social nature encourages communication and critical thinking, while it offers opportunities for students to practice language skills in a low-pressure setting (Iseli, 2024; Yaccob & Yunus, 2019). Nevertheless, little is known about the impact of such interventions on displaced populations. To address this gap, this study targets displaced youth, between 15-24 years old, living in Athens, who are attending Greek language classes at Gekko Educational Center. The research introduces different types of modern board games, adjusted for teaching Greek as a second language at A1, A2, B1 and B2 levels according to the CEFR (Council of Europe 2001, 2020). By applying pre- and post-intervention questionnaires, the study measures shifts in students' preferences and attitudes toward board game incorporation into language learning. Quantitative analysis showed significant improvements in engagement, motivation, and collaborative learning, which affirms the effectiveness of board games to support language acquisition among vulnerable students.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».