MétaCan
Menu
Retour à la cohorte
Enregistrement W4413117876

Exploring students' experience with game-based learning: a descriptive study.

2025· article· en· W4413117876 sur OpenAlexaffabout
Nazlee Sharmin, Malav Shah, A. Chow

Notice bibliographique

RevuePubMed · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Games and Gamification
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMathematics educationGame based learningDescriptive statisticsComputer sciencePsychologyDescriptive researchHuman–computer interactionMathematicsStatistics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Background: Game-based learning aims to promote student engagement and boost motivation in the classroom. However, creating long-term motivation in an education game is challenging and requires a balance between "fun" and "educational" objectives. The gaming platform Gimkit allows educators to create, host, and play quiz-based games in class and host game-based homework in learning management systems. Gimkit was introduced in 2 dental hygiene courses at a Canadian university: one was offered in person; the other was asynchronous online. This study aimed to explore students' perception of game-based learning experiences, their choice of game modes, and their source of motivation. Methods: Students from the second and third years of the dental hygiene program were invited to participate in a voluntary online survey to collect their perceptions of either the live quiz game or the game-based homework assignments, their choice of game mode, and their motivation to play. Descriptive statistics were applied to analyze the survey data. Results: Thirty-five percent (n = 15) of the in-person class and thirty percent (n = 14) of the online class completed the voluntary survey. All participants from the online and in-person groups strongly agreed that they improved their knowledge by playing the game. Discussion: Students were largely motivated extrinsically and played the game to learn course content. Students from the in-person class were driven towards Gimkit live quiz games by in-class competition. For online students, the "challenge of the game" was the most attractive feature of Gimkit. Conclusion: Game-based learning with Gimkit can motivate dental hygiene students and promote self-determination.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,140
Tête enseignante GPT0,343
Écart entre enseignants0,204 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetEducational Games and GamificationTravaux en français237 207