MétaCan
Menu
Back to cohort
Record W2910723932 · doi:10.52358/mm.v1i1.58

Création et évaluation d’un prototype de jeu sérieux dédié à l’amélioration de la lecture chez les enfants présentant des symptômes de dyslexie

2018· article· fr· W2910723932 on OpenAlexaffvenue
François Lewis, Patrick Plante

Bibliographic record

VenueMédiations et médiatisations · 2018
Typearticle
Languagefr
FieldSocial Sciences
TopicTechnology-Enhanced Education Studies
Canadian institutionsUniversité TÉLUQ
Fundersnot available
KeywordsHumanitiesPhilosophyArt

Abstract

fetched live from OpenAlex

Cet article, qui est la synthèse d’un mémoire de maîtrise, a principalement trois objectifs. Le premier objectif consiste à développer une méthodologie de conception de jeu sérieux éducatif (JSÉ) permettant spécifiquement d’aider les enfants qui éprouvent des difficultés en lecture ou qui présentent des symptômes associés à la dyslexie développementale. Le deuxième objectif consiste à réaliser un prototype Alpha du jeu, et le troisième objectif consiste à évaluer la cohérence du scénario ainsi que l’ergonomie du jeu par un test utilisateur.
 Les travaux de Green et Bavellier (2012) indiquent que jouer à des jeux vidéo d’action améliore l’attention et l’apprentissage. Tandis que la recherche de Franceschini, Gori, Ruffino, Molteni et Facoetti (2013) démontre que l’utilisation d’un jeu vidéo d’action sans dimension sérieuse améliore la concentration et la vitesse de lecture des enfants dyslexiques.
 Dans le cadre de cette recherche, nous croyons que l’ajout d’exercices de rééducation en lecture à un jeu vidéo d’action améliorera son efficacité pour l’apprentissage de la lecture des enfants présentant des symptômes associés à la dyslexie.
 Les résultats de l’expérimentation portant sur la cohérence du scénario ainsi que sur l’ergonomie du jeu sont prometteurs. Des modifications devront être effectuées, notamment au niveau de la navigation et de l’optimisation des missions du jeu.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.005
metaresearch head score (Gemma)0.005
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.557
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0050.005
Meta-epidemiology (narrow)0.0000.001
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.002
Science and technology studies0.0040.002
Scholarly communication0.0000.001
Open science0.0000.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0010.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.048
GPT teacher head0.384
Teacher spread0.337 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations2
Published2018
Admission routes2
Has abstractyes

Explore more

Same venueMédiations et médiatisationsSame topicTechnology-Enhanced Education StudiesFrench-language works237,207