Gamification i opplæring : Hvordan påvirker gamification opplæringen av ansatte på arbeidsplassen?
Bibliographic record
Abstract
Den teknologiske utviklingen har gitt helt nye muligheter for opplæring av ansatte på arbeidsplassen. Vi har i denne masteroppgaven utforsket hvordan gamification – bruk av spillelementer – brukes i norsk arbeidsliv. I studien vår ser vi på dagligvarebransjen og effekten av gamification i opplæring av ansatte på arbeidsplassen. Først så vi på spilldesignerens innflytelse på opplæringsprogrammet før det kommer til kundebedrift. Deretter undersøkte vi HR-avdelingens strategi for bruk og implementering av gamification i opplæringen. Til slutt intervjuet vi de ansatte, de som brukte gamification i opplæringen, om deres opplevelse.\n\nVårt teoretiske rammeverk baserer seg på en helhetlig forståelse av begrepet gamification, som blant annet belyser design av opplæring ved hjelp av spillelementer, egenskaper ved gamification og de åtte drivkreftene for motivasjon.\n\nVi har intervjuet HR-direktører og ansatte i to norske dagligvarekjeder som benytter seg av gamification i opplæring. Vi har også intervjuet to norske bedrifter som spesialiserer seg på spilldesign.\n\nSpilldesignere har en betydelig innflytelse på bruk av gamification i opplæring av ansatte. Vi fant ut at denne designeren har en viktig og krevende rolle, da man her blant annet må forstå spilleren og bedriften som skal ta i bruk gamification.\n\nResultatene vi har innhentet, viser forbedringer innen svinn, kundetilfredshet, omsetning med hensyn til like for like-vekst og økning i handel. Disse resultatene er verdt å merke seg, selv om de selvsagt må tolkes med en viss forsiktighet.\n\nVed hjelp av vår studie har vi sett at HR-direktøren har en viktig posisjon som et bindeledd mellom spilldesigneren og de ansatte. Det er de som implementerer spillmekanismene, og derfor har de det store ansvaret for å motivere og engasjere de ansatte som skal læres opp.\n\nVåre analyser har vist at butikkansatte påvirkes av gamification i opplæring ved at de blir mer motiverte, engasjerte og får økt serviceinnstilling. Alder, språk og teknisk kompetanse kan imidlertid skape begrensninger ved bruk av gamification i opplæring. Mangel på variasjon og høy grad av struktur i opplæringsprogrammet kan svekke interessen. Vår studie tyder på at kreativiteten og tilbakemeldingene fra de ansatte bør brukes mer for å kunne få til suksessfull opplæring. Et viktig funn i vår studie er at gamification ikke kan erstatte menneskelig kontakt, også kalt «skulder-til-skulder-opplæring» av en av våre informanter. Gamification kan derimot fungere godt som supplement til tradisjonell opplæring.
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 | 0.004 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.010 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.025 | 0.006 |
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".