Self-Directed Learning and Consensus Decision-Making in the Co-Creation of Virtual Worlds Promoting Student Mental Health Through Mobile Technology Use: A Scoping 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
Mobile technology advancements have led to cellphone bans in some school jurisdictions. The basis of these bans is judging their utilization by students as unhealthy, antisocial, and educationally controversial. Banning student cellphones neglects the positive mental health of cellphone use that comes from self-directed learning in students using them in the co-creation of virtual worlds through online communities. This scoping review examines peer-reviewed research from 2021–2025 demonstrating positive mental health value in self-directed mobile technology use through co-creating virtual worlds. The searches are of seven primary databases and one supplementary database, using the keywords “self-directed learning AND mobile technology AND co-creation AND virtual worlds”. Excluded are reviews, book chapters, abstracts, and conference proceedings. The assessment of the findings is that cellphone use promotes a combination of self-directed learning and consensus decision-making, and provides mental health benefits when virtual worlds are co-created by students permitted their use. Appraising these results—regarding self-directed learning, consensus decision-making, and student mental health—the conclusion is that in contemplating the school cellphone use of mobile technology, educators rethink banning their classroom use. The aim would be to support the co-creation of virtual worlds to promote increased self-direction, consensus decision-making, and positive mental health.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 découle