Detail publikace
A Methodology for Multimodal Learning Analytics and Flow Experience Identification within Gamified Assignments
Oliveira Wilk (USP)
Hruška Tomáš, prof. Ing., CSc. (UIFS FIT VUT)
Isotani Seiji (USP)
gamifikace, teorie toku, multimodální analytika učení, automatická identifikace, vzdělávací systémy
Hodně výzkumu se snažilo poskytnout studentům v gamifikovaných vzdělávacích systémech zážitek z toku, aby se zvýšila motivace a zapojení. Stále však chybí kvantitativní výzkum k hodnocení vlivu stavu toku na výsledky učení. Jedním z problémů souvisejících s identifikací zkušeností s tokem je, že použité techniky jsou často invazivní nebo nejsou vhodné pro masivní aplikace. Tento dokument navrhuje způsob řešení této výzvy. Popíšeme metodologii založenou na multimodální analytice učení, jejímž cílem je poskytnout automatickou identifikaci toku zkušeností studentů v gamifikovaných úkolech a měřit její vliv na výsledky učení. Aplikace vyvinuté metodiky ukázala, že existují korelace mezi výsledky učení a stavem toku, ale závisí na počáteční úrovni uživatele. Toto zjištění naznačuje přidání dynamického přizpůsobení obtížnosti k gamifikovanému úkolu.
@INPROCEEDINGS{FITPUB12184, author = "Olena Pastushenko and Wilk Oliveira and Tom\'{a}\v{s} Hru\v{s}ka and Seiji Isotani", title = "A Methodology for Multimodal Learning Analytics and Flow Experience Identification within Gamified Assignments", pages = "1--9", booktitle = "Extended Abstracts of the 2020 CHI Conference on Human Factors in Computing Systems", year = 2020, location = "Honolulu, US", publisher = "Association for Computing Machinery", ISBN = "978-1-4503-6819-3", doi = "10.1145/3334480.3383060", language = "english", url = "https://www.fit.vut.cz/research/publication/12184" }