論文の概要: Innovation in Education: Developing and Assessing Gamification in the University of the Philippines Open University Massive Open Online Courses
- arxiv url: http://arxiv.org/abs/2409.03309v1
- Date: Thu, 5 Sep 2024 07:27:48 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-06 21:20:12.519355
- Title: Innovation in Education: Developing and Assessing Gamification in the University of the Philippines Open University Massive Open Online Courses
- Title（参考訳）: フィリピン大学オープン大学大規模オープンオンラインコースにおけるゲーミフィケーションの展開と評価
- Authors: Cecille Moldez, Mari Anjeli Crisanto, Ma Gian Rose Cerdeña, Diego S. Maranan, Roberto Figueroa,
- Abstract要約: ゲーミフィケーションは、ゲーム要素を統合することでユーザを動機付け、エンゲージメントさせる。
本研究では,バッジ,リーダボード,プログレッシブバーなどのMoodle要素の組み入れについて検討した。
この研究はMoodleの分析を利用して、学生のエンゲージメント、ビュー、投稿をコース全体にわたって追跡した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The University of the Philippines Open University has been at the forefront of providing Massive Open Online Courses to address knowledge and skill gaps, aiming to make education accessible and contributing to societal goals. Recognising challenges in student engagement and completion rates within Massive Open Online Courses, the authors conducted a study by incorporating gamification into one of the University of the Philippines Open University's Massive Open Online Courses to assess its impact on these aspects. Gamification involves integrating game elements to motivate and engage users. This study explored the incorporation of Moodle elements such as badges, leaderboards, and progress bars. Using Moodle analytics, the study also tracked student engagement, views, and posts throughout the course, offering valuable insights into the influence of gamification on user behaviour. Furthermore, the study delved into participant feedback gathered through post-evaluation surveys, providing a comprehensive understanding of their experiences with the gamified course design. With a 28.86% completion rate and positive participant reception, the study concluded that gamification can enhance learner motivation, participation, and overall satisfaction. This research contributes to the ongoing discourse on innovative educational methods, positioning gamification as a promising avenue for creating interactive and impactful online learning experiences in the Philippines and beyond.
- Abstract（参考訳）: フィリピンオープン大学は、知識とスキルギャップに対処する大規模なオープンオンラインコースを提供し、教育をアクセスし、社会的目標に貢献することを目的としている。
フィリピンオープン大学のMassive Open Online Coursesの1つにゲーミフィケーションを取り入れ、これらの側面に対する影響を評価することで、学生のエンゲージメントと完成率の課題を認識した。
ゲーミフィケーションは、ゲーム要素を統合することでユーザを動機付け、エンゲージメントさせる。
本研究では,バッジ,リーダボード,プログレッシブバーなどのMoodle要素の組み入れについて検討した。
この研究はMoodle分析を利用して、学生のエンゲージメント、ビュー、投稿をトラックし、ゲーミフィケーションがユーザーの行動に与える影響に関する貴重な洞察を提供する。
さらに、評価後の調査を通じて参加者からのフィードバックを掘り下げ、ゲーミフィケーション・コース・デザインでの経験を包括的に理解した。
28.86%の完成率とポジティブな参加者受け入れで、ゲーミフィケーションは学習者のモチベーション、参加、全体的な満足度を高めることができると結論付けた。
本研究は,フィリピンなどにおけるインタラクティブで影響力のあるオンライン学習体験の創出の道として,ゲーミフィケーションを将来性のある道と位置づけた,革新的な教育方法に関する議論の継続に寄与する。
関連論文リスト
- Personalised Feedback Framework for Online Education Programmes Using Generative AI [0.0]
本稿では,埋め込みを組み込むことでChatGPTの機能を拡張したフィードバックフレームワークを提案する。
本研究の一環として,オープンエンドおよび複数選択質問に対する有効率90%と100%を達成できる概念解の証明を提案し,開発した。
論文 参考訳（メタデータ） (2024-10-14T22:35:40Z) - From MOOC to MAIC: Reshaping Online Teaching and Learning through LLM-driven Agents [78.15899922698631]
MAIC(Massive AI-empowered Course)は、LLM駆動のマルチエージェントシステムを活用して、AIが強化された教室を構築するオンライン教育の新たな形態である。
中国一の大学である清華大学で予備的な実験を行う。
論文 参考訳（メタデータ） (2024-09-05T13:22:51Z) - AI-assisted Learning for Electronic Engineering Courses in High
Education [2.67766280323297]
この研究には、学生、講師、エンジニアなど、様々な利害関係者の評価と反映が含まれている。
この研究の結果は、AIツールとしてのChatGPTのメリットと限界に光を当て、技術的分野における革新的な学習アプローチの道を開いた。
論文 参考訳（メタデータ） (2023-11-02T07:48:10Z) - Quiz-based Knowledge Tracing [61.9152637457605]
知識追跡は、学習相互作用に基づいて個人の進化する知識状態を評価することを目的としている。
QKTは、既存の方法と比較して最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2023-04-05T12:48:42Z) - Effectiveness of an Online Course in Programming in a State University
in the Philippines [0.0]
本研究の目的は,オンラインコースがプログラミングコースの学習においてどの程度効果的かを明らかにすることである。
対象はPythonプログラミングであり,学生の反応を判断するための評価を行った。
論文 参考訳（メタデータ） (2022-11-23T06:51:02Z) - Comparative Study of Learning Outcomes for Online Learning Platforms [47.5164159412965]
パーソナライゼーションとアクティブラーニングは、学習の成功の鍵となる側面です。
私たちは2つの人気のあるオンライン学習プラットフォームの学習結果の比較正面調査を実施します。
論文 参考訳（メタデータ） (2021-04-15T20:40:24Z) - Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。
近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
論文 参考訳（メタデータ） (2021-01-19T12:23:32Z) - Barriers and Challenges of Computing Students in an Online Learning
Environment: Insights from One Private University in the Philippines [0.0]
本研究では,フィリピンの1つの私立大学における計算学生の課題について検討した。
調査は2020年3月16日から3月18日まで行われ、計300件の回答を得た。
学生も教員も完全にオンライン学習を行う準備が整っていないと結論付けることができる。
論文 参考訳（メタデータ） (2020-11-20T02:19:08Z) - Assessing the Effectiveness of Using Live Interactions and Feedback to
Increase Engagement in Online Learning [0.0]
オンライン学習体験にツールとライブフィードバックを導入することが学習者のパフォーマンスに与える影響について検討した。
以上の結果から,ライブインタラクションとすべてのパフォーマンス指標との間には,統計的に有意な相関が認められた。
論文 参考訳（メタデータ） (2020-08-19T03:35:44Z) - Peer-inspired Student Performance Prediction in Interactive Online
Question Pools with Graph Neural Network [56.62345811216183]
本稿では,対話型オンライン質問プールにおいて,より優れた生徒のパフォーマンス予測を実現するために,グラフニューラルネットワーク(GNN)を用いた新しいアプローチを提案する。
具体的には,学生のインタラクションを用いた学生と質問の関係をモデル化し,学生のインタラクション・クエストネットワークを構築する。
1631の質問に対して4000人以上の学生の問題解決過程において生成した104,113個のマウス軌跡からなる実世界のデータセットに対するアプローチの有効性を評価した。
論文 参考訳（メタデータ） (2020-08-04T14:55:32Z) - Attentional Graph Convolutional Networks for Knowledge Concept
Recommendation in MOOCs in a Heterogeneous View [72.98388321383989]
大規模なオープンオンラインコース(MOOC)は、学生が知識を習得するための大規模かつオープンな学習機会を提供する。
学生の関心を惹きつけるため、MOOCsプロバイダによる推薦制度が採用され、学生にコースを推薦する。
そこで本研究では,MOOCにおける知識概念レコメンデーションのために,Attentional Heterogeneous Graph Convolutional Deep Knowledge Recommender (ACKRec) という,エンドツーエンドのグラフニューラルネットワークに基づくアプローチを提案する。
論文 参考訳（メタデータ） (2020-06-23T18:28:08Z)
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。