論文の概要: Game-Based and Gamified Robotics Education: A Comparative Systematic Review and Design Guidelines
- arxiv url: http://arxiv.org/abs/2601.22199v2
- Date: Wed, 04 Feb 2026 03:41:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.022669
- Title: Game-Based and Gamified Robotics Education: A Comparative Systematic Review and Design Guidelines
- Title（参考訳）: ゲームベースでゲーム化されたロボティクス教育 : システムレビューとデザインガイドラインの比較
- Authors: Syed T. Mubarrat, Byung-Cheol Min, Tianyu Shao, E. Cho Smith, Bedrich Benes, Alejandra J. Magana, Christos Mousas, Dominic Kao,
- Abstract要約: 本稿では,ロボット教育におけるGBLとゲーミフィケーションの体系的レビューと比較合成について紹介する。
我々は4つのデータベースにまたがる12,485レコード(2014-2025)の95の研究を分析した。
1)アプローチコンテキストとペタゴギーの結合,2)入門プログラミングとモジュールキットの重視,3)短期研究の地平線。
- 参考スコア（独自算出の注目度）: 44.4001664732566
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robotics education fosters computational thinking, creativity, and problem-solving, but remains challenging due to technical complexity. Game-based learning (GBL) and gamification offer engagement benefits, yet their comparative impact remains unclear. We present the first PRISMA-aligned systematic review and comparative synthesis of GBL and gamification in robotics education, analyzing 95 studies from 12,485 records across four databases (2014-2025). We coded each study's approach, learning context, skill level, modality, pedagogy, and outcomes (k = .918). Three patterns emerged: (1) approach-context-pedagogy coupling (GBL more prevalent in informal settings, while gamification dominated formal classrooms [p < .001] and favored project-based learning [p = .009]); (2) emphasis on introductory programming and modular kits, with limited adoption of advanced software (~17%), advanced hardware (~5%), or immersive technologies (~22%); and (3) short study horizons, relying on self-report. We propose eight research directions and a design space outlining best practices and pitfalls, offering actionable guidance for robotics education.
- Abstract（参考訳）: ロボティクス教育は計算思考、創造性、問題解決を奨励するが、技術的な複雑さのために依然として困難である。
ゲームベースの学習(GBL)とゲーミフィケーションはエンゲージメントの利点を提供するが、それらの影響はいまだに不明である。
ロボット教育におけるGBLとゲーミフィケーションの体系的レビューと比較合成をPRISMAで実施し,4つのデータベース(2014-2025)で12,485レコードから95研究を解析した。
我々は各研究のアプローチ、学習コンテキスト、スキルレベル、モダリティ、教育、成果(k = .918)をコーディングした。
1) 形式的な教室(p < .001) とプロジェクトベースの学習(p = .009) 、(2) 高度なソフトウェア (~17%) 、高度なハードウェア (~5%) 、没入型技術 (~22%) 、(3) 自己申告に依存した短期学習地平線(英語版) の3つのパターンが出現した。
我々は,8つの研究方向と,ベストプラクティスと落とし穴を概説するデザイン空間を提案し,ロボット教育のための実用的なガイダンスを提供する。
関連論文リスト
- What Matters for Simulation to Online Reinforcement Learning on Real Robots [51.77095085120584]
物理ロボットにおけるオンライン強化学習を成功させる設計選択について検討する。
私たちはアルゴリズム、システム、実験的な決定を体系的に緩和します。
広く使用されているデフォルトのいくつかは有害であり得るが、標準RLのプラクティスにおいて、堅牢で容易に採用される設計選択のセットは、タスクやハードウェア間で安定した学習をもたらす。
論文 参考訳（メタデータ） (2026-02-23T10:34:15Z) - From Pilots to Practices: A Scoping Review of GenAI-Enabled Personalization in Computer Science Education [0.6372261626436676]
生成AIは、大規模にパーソナライズされたコンピュータサイエンス教育を可能にするが、そのようなパーソナライゼーションが学習を阻害するかどうかについては疑問が残る。
このスコーピングレビューは、259レコードから純粋にサンプリングされた32の研究を合成し、マップのパーソナライズ機構と効果信号を生成する。
インテリジェントなチューター、パーソナライズされた素材、フォーマティブなフィードバック、AI強化されたアセスメント、コードレビューの5つのアプリケーションドメインを特定し、デザインの選択が学習結果をどのように形成するかを分析します。
論文 参考訳（メタデータ） (2025-12-23T19:20:34Z) - Integrating Large Language Models in Software Engineering Education: A Pilot Study through GitHub Repositories Mining [1.043230260556633]
大規模言語モデル(LLM)は、ソフトウェア工学(SE)教育においてますます採用されている。
本研究の目的は,LLMをSE教育に組み込むための検証フレームワークを開発することである。
論文 参考訳（メタデータ） (2025-09-05T07:46:27Z) - Teaching LLM to Reason: Reinforcement Learning from Algorithmic Problems without Code [76.80306464249217]
本稿では,LLMにより良い理性を教えることを目的としたTeaRを提案する。
TeaRは、注意深いデータキュレーションと強化学習を活用して、コード関連のタスクを通じて最適な推論パスを発見するモデルをガイドする。
我々は、2つのベースモデルと3つの長いCoT蒸留モデルを用いて広範な実験を行い、モデルのサイズは15億から32億のパラメータから、Math、Knowledge、Code、Logical Reasoningにまたがる17のベンチマークにまたがる。
論文 参考訳（メタデータ） (2025-07-10T07:34:05Z) - Benchmarking Generalizable Bimanual Manipulation: RoboTwin Dual-Arm Collaboration Challenge at CVPR 2025 MEIS Workshop [120.2806035123366]
RoboTwin Dual-Arm Collaboration Challengeは、CVPR 2025の第2回MeISワークショップで行われた。
ライバルは、剛性、変形性、触覚ベースのシナリオをカバーする17のデュアルアーム操作タスクに完全に取り組んだ。
コンペティションの設定、タスク設計、評価方法論、重要な発見と今後の方向性について概説する。
論文 参考訳（メタデータ） (2025-06-29T17:56:41Z) - Instruction Tuning with Human Curriculum [15.025867460765559]
本稿では,カリキュラム・インストラクション・チューニングについて紹介する。(2)多様なカリキュラム戦略を採用することの潜在的な利点を探求し,(3)合成命令・レスポンス・ジェネレーション・フレームワークを規定する。
我々の生成パイプラインは、人間の学習の逐次的かつ秩序的な特性をエミュレートするために体系的に構成されている。
本稿では,人間教育の様々な段階にまたがる,命令応答型データセットを生成する手法について述べる。
論文 参考訳（メタデータ） (2023-10-14T07:16:08Z) - Understanding the role of single-board computers in engineering and
computer science education: A systematic literature review [0.0]
シングルボードコンピュータ(Single-Board Computers, SBCs)は、工学と計算機科学において、技術と教育の両面において、より頻繁に採用されている。
この体系的な文献レビューは、SBCがエンジニアリングとコンピュータ科学にどのように使われているかについて考察する。
論文 参考訳（メタデータ） (2022-03-30T18:34:03Z)
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。