Kerangka kesedaran kognitif bagi reka bentuk antaramuka pengajaran berasaskan gamifikasi dalam kalangan pelajar kejuruteraan
Notice bibliographique
Résumé
Gamification is one of the most popular methods of teaching today. The usage of gamification appropriately applied to students will contribute to their learning. In the global world of education, the use of gamification affects the quality of their learning. This study discuses the elements of gamification design that contribute to the awareness of cognitive learners. A total of 400 UTHM students comprising of engineering students answer the questionnaire was developed to determine the criteria involved in cognitive awareness in developing gamification learning. The findings of the survey were analyzed using statistical descriptive. In addition, data found in survey questions are used for literature review to analyse the criteria for gamification to enhance cognitive awareness through content analysis and the targeted literatures are journals, conferences and books available in the database from 2015 to 2018. Both survey and literature review analys were used to indentify cognitive domain awareness criteria in gamification in learning design. In order to verify and validate the criteria, a checklist was used involving three experts in the field of gamification. This data is analyzed through heuristic analysis. Next, the data was verified and validated by the expert. The data was analysed using an interpretation of cohen kappa result. The overall findings determined the criteria of cognitive awareness in gamification learning for engineering students. It is hoped that the criteria for cognitive awareness will help to improve the decision-making process and the ability to evaluate students performance.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,008 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».