Digital Games in the Elementary Classroom: Using Club Penguin Island with Grade 6 ESL students
Bibliographic record
Abstract
L’auteur explore l’interaction négociée chez des élèves de 6e année (âgés de 11 à 12 ans) appelés à effectuer des tâches de communication dans le cadre du jeu de l’Île de Club Penguin, un jeu de rôle en ligne multijoueur de masse. À la différence des chercheurs qui se sont précédemment intéressés aux jeux numériques, il utilise le jeu de l’Île de Club Penguin en contexte d’interaction en classe. L’étude a pour buts d’évaluer la présence d’épisodes mettant l’accent sur la forme (EMAF), d’en définir les caractéristiques, d’évaluer l’incidence de la nature de la tâche et d’analyser les attitudes des participants à la suite de l’utilisation du jeu. Le projet est réalisé auprès de 20 élèves de 6e année inscrits à un programme intensif d’anglais langue seconde (ALS) dans la province de Québec. Une tâche lacunaire, une tâche lacunaire de raisonnement et une tâche comportant un élément de rédaction sont effectuées en dyades à l’aide de tablettes iPads. Des enregistrements et un questionnaire d’attitudes sont utilisés pour colliger les données. L’analyse révèle que les EMAF sont déclenchés au cours de la réalisation des tâches dans le cadre du jeu et que les élèves sont en mesure de négocier l’interaction sans l’aide de leur instructeur. L’auteur constate que la lacunaire entraîne davantage de EMAF et que les attitudes sont positives à l’égard du jeu et des tâches. Les retombées pédagogiques de l’étude font ressortir les conséquences de l’utilisation des jeux de rôle en ligne multijoueur de masse et enrichissent les écrits sur l’interaction négociée des jeunes apprenants.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".