論文の概要: Piloting a Game Jam in Nigeria to Support Empathy and Compassion
- arxiv url: http://arxiv.org/abs/2108.03475v1
- Date: Sat, 7 Aug 2021 15:52:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-19 03:11:03.101601
- Title: Piloting a Game Jam in Nigeria to Support Empathy and Compassion
- Title(参考訳): ナイジェリアでゲームジャムを操縦、共感と思いやりを支援する
- Authors: Karen Schrier, Eugene Ohu, Ikeola Bodunde, Morenike Alugo, Cynthia
Emami, Adeola Babatunde
- Abstract要約: 我々はナイジェリアの公立学校でのゲームジャムを用いて、異なる民族集団における視点獲得、共感、思いやりを高めることを目的としている。
2021年には、12歳から20歳の生徒のアイデンティティ探索と視点取得に焦点を当てたゲームジャムを試験的に実施しました。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While games may help to support skills practice and attitudinal change, the
game creation process itself may also be effective in enhancing empathy and
compassion for other people. Nigeria has over 250 ethnic groups and 500
languages amid its 200 million people. We aim to enhance perspective-taking,
empathy, and compassion across different ethnic groups using game jams in
public schools in Nigeria. In 2021, we piloted a game jam focused on identity
exploration and perspective-taking for students ages 12 to 20. Initial results
and next steps are shared.
- Abstract(参考訳): ゲームはスキルの練習やその場の変化を支援するのに役立つが、ゲーム作成プロセス自体は、他人への共感や思いやりを高めるのにも有効である。
ナイジェリアには250以上の民族と500の言語があり、2億人が暮らしている。
ナイジェリアの公立学校でのゲームジャムを活用した,さまざまな民族間の視点選択,共感,思いやりの向上を目指す。
2021年、私たちは12歳から20歳の生徒のアイデンティティ探索と視点取得に焦点を当てたゲームジャムを試験しました。
初期結果と次のステップが共有される。
関連論文リスト
- Neural Population Learning beyond Symmetric Zero-sum Games [52.20454809055356]
我々はNuPL-JPSROという,スキルの伝達学習の恩恵を受けるニューラル集団学習アルゴリズムを導入し,ゲームの粗相関(CCE)に収束する。
本研究は, 均衡収束型集団学習を大規模かつ汎用的に実施可能であることを示す。
論文 参考訳(メタデータ) (2024-01-10T12:56:24Z) - Deploying ADVISER: Impact and Lessons from Using Artificial Intelligence
for Child Vaccination Uptake in Nigeria [2.390802843124094]
ナイジェリアは乳幼児死亡率が低下している。
ナイジェリアでの低ワクチン接種は、5歳未満の子どもの毎日2000人以上が死亡する主要な要因となっている。
私たちはナイジェリアの政府パートナーと共同でADVISER: AI-Driven Vaccination Intervention Optimiserをデプロイしました。
論文 参考訳(メタデータ) (2023-12-30T21:07:21Z) - Ego-Exo4D: Understanding Skilled Human Activity from First- and
Third-Person Perspectives [194.4630465857545]
Ego-Exo4Dは、熟練した人間の活動を同時に捉えたエゴセントリックでエゴセントリックなビデオを中心にしている。
世界の13都市から800人以上の参加者が131の異なる自然シーンでこれらの活動を行った。
論文 参考訳(メタデータ) (2023-11-30T05:21:07Z) - Pixel to policy: DQN Encoders for within & cross-game reinforcement
learning [0.0]
強化学習は様々なタスクや環境に適用できる。
多くの環境は類似した構造を持ち、他のタスクでのRL性能を改善するために利用することができる。
この研究は、スクラッチからトレーニングされたRLモデルのパフォーマンスと、トランスファーラーニングの異なるアプローチの比較も行っている。
論文 参考訳(メタデータ) (2023-08-01T06:29:33Z) - An Analysis of How COVID-19 Shaped the Realm of Online Gaming and Lesson
Delivery [0.0]
新型コロナウイルスのパンデミックにより、学校や大学は遠隔学習に適応せざるを得なくなった。
オンラインゲームは、教師や学生たちにとって、ますます重要なツールになるだろう。
論文 参考訳(メタデータ) (2023-04-12T18:37:27Z) - Mastering the Game of No-Press Diplomacy via Human-Regularized
Reinforcement Learning and Planning [95.78031053296513]
ノープレス外交(No-press Diplomacy)は、協力と競争の両方を含む複雑な戦略ゲームである。
我々は、人間の模倣学習ポリシーに対する報酬最大化ポリシーを規則化する、DiL-piKLと呼ばれる計画アルゴリズムを導入する。
RL-DiL-piKLと呼ばれる自己再生強化学習アルゴリズムに拡張可能であることを示す。
論文 参考訳(メタデータ) (2022-10-11T14:47:35Z) - Hidden Agenda: a Social Deduction Game with Diverse Learned Equilibria [57.74495091445414]
社会的推論ゲームは、個人が他人に関する潜在的に信頼できない情報を合成する方法を学ぶための道を提供する。
本研究では,未知のチームアライメントのシナリオにおいて,学習エージェントを研究するための2D環境を提供する2チームソーシャル推論ゲームであるHidden Agendaを紹介する。
Hidden Agendaで訓練された強化学習エージェントは、自然言語でのコミュニケーションを必要とせずに、協力や投票など、さまざまな行動を学ぶことができることを示した。
論文 参考訳(メタデータ) (2022-01-05T20:54:10Z) - Playing 2048 With Reinforcement Learning [0.0]
本稿では,2048年に勝利するための強化学習手法について検討する。
我々のアプローチには、深いQ-ラーニングとビームサーチがあり、ビームサーチは2048 28.5時間に達する。
論文 参考訳(メタデータ) (2021-10-20T05:02:31Z) - Trust-ya: design of a multiplayer game for the study of small group
processes [2.029924828197095]
本稿では,人間集団における状態過程のいくつかの要素のモデルとして,協調型マルチプレイヤーベッティングゲームであるTrust-yaの設計について述べる。
このゲームは、社会的階層を観察し、影響を及ぼす手段として、ステータス主導のリーダー・フォロワー行動を引き出すように設計されている。
論文 参考訳(メタデータ) (2021-09-09T05:13:14Z) - Snakes AI Competition 2020 and 2021 Report [65.7695644335859]
スネークスAIコンペティションはインノポリス大学が主催した。
IEEE Conference on Games 2020と2021エディションの一部だった。
エージェントに人工知能アルゴリズムを学習し、実装するためのサンドボックスを作成することを目的としていた。
論文 参考訳(メタデータ) (2021-08-11T10:27:11Z) - From Motor Control to Team Play in Simulated Humanoid Football [56.86144022071756]
我々は、現実的な仮想環境でサッカーをするために、物理的にシミュレートされたヒューマノイドアバターのチームを訓練する。
一連の段階において、プレイヤーはまず、現実的な人間のような動きを実行するために、完全に関節化された身体を制御することを学習する。
その後、ドリブルやシューティングといった中級のサッカーのスキルを身につける。
最後に、彼らは他の人を意識し、チームとしてプレーし、ミリ秒のタイムスケールで低レベルのモーターコントロールのギャップを埋める。
論文 参考訳(メタデータ) (2021-05-25T20:17:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。