The impact of a digital educational video game on academic achievement, multidimensional engagement, and disengagement in three distinct biology undergraduate course contexts
Notice bibliographique
Résumé
Despite extensive research demonstrating the effectiveness of digital educational games in enhancing various learning outcomes, skepticism persists regarding their practical applicability in diverse educational settings. This study addresses a significant gap in literature by providing an empirical evaluation of a cellular biology educational game in post-secondary biology instruction across varied delivery contexts. The tower defense game, Life on the Edge, was assessed for impacts on academic achievement, multidimensional engagement, and disengagement after controlling learner factors (perceived prior knowledge, goal orientations, and game experience) in different biology undergraduate course contexts (online and face-to-face lecture and laboratory) at a Canadian public university. Nine hundred seventy-four students participated in the study, of which 449 were in experimental groups using the game, and 525 were in control groups using alternative learning resources. We conducted a t-test and found no significant differences in academic achievement within the three-course contexts. However, multivariate analysis of covariance (MANCOVA) showed that integrating the game in different course contexts improved behavioral, cognitive, and emotional engagement while reducing behavioral disengagement. This study provides empirical evidence of the engagement benefits of integrating educational video games into diverse course contexts. However, cognitive and emotional disengagement effects were inconsistent across these settings, highlighting the complexity of learner-game interactions. These results underscore the need for tailored implementation strategies to optimize the impact of digital games in education. By bridging research and practice, the study contributes to the theoretical understanding of game-based engagement and practical approaches for integrating educational games into post-secondary curricula.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».