Gamification-Based Engineering Design Process Instructional Model to Enhance Digital Innovation Creativity Skills for Upper Secondary School Students
Notice bibliographique
Résumé
This study aims to develop and evaluate a gamification-based engineering design process (G-EDC) instructional model to enhance digital innovation creativity skills. The model integrates engineering design process stages with gamification techniques to create an engaging and problem-based learning environment. It emphasizes three key roles: Director (teacher), Disciple (student), and Debrief (reflection and refinement), along with eight stages of the engineering design process and core elements of gamification such as goals, points, rewards, and social interaction. The model was assessed by seven experts, including specialists in learning model development, educational evaluation, and gamification technology. The evaluation employed a 5-point Likert scale across six key components of the model. The results demonstrated a high level of appropriateness, with an overall average score of 4.73 (S.D. = 0.44). Specific strengths include the promotion of problem-solving and critical thinking (= 4.85), integration of digital tools (= 4.80), and alignment with learning objectives (= 4.80). These findings indicate statistically significant support for the model’s effectiveness in enhancing digital innovation creativity skills. The G-EDC model shows strong potential for flexible application across various educational contexts and contributes meaningfully to the development of 21st-century competencies.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».