AI-Driven Gamification in Virtual Worlds: A Conceptual Framework for Digital Entrepreneurship Competency Development
Notice bibliographique
Résumé
The rapid digital transformation of the 21st century has redefined entrepreneurship, demanding new competencies that extend beyond traditional business knowledge. This study introduces the AI-Driven Gamification in Virtual Worlds for Digital Entrepreneurship Competency (AIDGAIDGVW-DEC) framework, which integrates artificial intelligence, gamification, and immersive virtual world technologies to foster entrepreneurial mindsets and digital skills. Employing a qualitative documentary research design, the framework was developed through a synthesis of scholarly literature and subsequently validated by a panel of five experts in educational technology, entrepreneurship, and learning sciences. The framework consists of three interconnected components: inputs (digital entrepreneurship content, gamification elements, AI-powered personalization, and virtual world technologies), learning processes (VR game-based simulations, AI behavior analysis, gamification engagement, and continuous assessment), and outputs (entrepreneurial competencies, motivation, practical application of knowledge, and behavioral change). Expert evaluation using a 5-point Likert scale confirmed the framework’s high appropriateness across all dimensions, with mean scores ranging from 4.60 to 4.90, indicating “absolutely appropriate” levels. Notably, theoretical alignment achieved the highest rating (M = 4.90, SD = 0.45), underscoring the framework’s strong conceptual foundation. The findings highlight both the theoretical and practical contributions of the framework. Theoretically, it synthesizes gamification, immersive learning, and AI-driven personalization into a cohesive pedagogical model. Practically, it offers educators a replicable, flexible tool for designing innovative curricula that enhance learner engagement and entrepreneurial readiness. Future research should focus on empirical implementation, scalability, and cross-cultural applicability to further refine the framework and strengthen its generalizability. The findings indicate the framework’s strong conceptual grounding and expert-validated appropriateness. While promising, the framework requires future empirical testing to determine its effectiveness in real educational contexts. This study therefore provides a foundational contribution for guiding further instructional design and research in digital entrepreneurship education.
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,014 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».