Junior High Teachers' Perception on Consistent Implementing Technology-Based Gamification
Notice bibliographique
Résumé
The problem investigated was many junior high teachers do not consistently implement technology-based gamification (TBG) within class activities despite evidence showing it as a useful learning tool for student engagement. This study aimed to explore why junior high teachers do not consistently implement TBG and identify the barriers and potential solutions from teachers' perspectives. A modified technology acceptance model and diffusion of innovation theory were combined with cultural and local aspects to generate a comprehensive gamification acceptance model. A basic qualitative approach was suitable for the study. The research questions sought junior high teachers' perceptions about consistently implementing TBG, the obstacles, and the potential solutions. Seventeen teachers of four neighboring schools in western Canada formed the purposive sample for semistructured personal interviews. The method of data analysis was interpretive thematic coding. Study outcomes supported TBG's usefulness as a learning object and an engagement tool that offers students' sense of community. The data aiding TBG's ease of use indicated that teachers' experience, required preparation time, and technical support altered the TBG adoption rate. Also, internal and student-related pressures for teachers defined perceived social pressures and altered the TBG adoption rate. Teachers identified insufficient training as the main barrier and suggested that TBG standardization is the leading solution to inconsistent implementation of TBG. Principals may use the outcomes to remove the barriers for teachers. Districts directors can standardize TBG and measure teachers' practice with TBG. Such data may positively impact social change by supporting teachers to make informed decisions about removing barriers and improving the TBG adoption rate.
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 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».