Most of the scientific literature on computer games aimed at offering or aiding in psychotherapy provides little information on the relationship between the game's design and the player's cognitive processes. This article investigates the use of Bloom's taxonomy in describing a psychotherapeutic game in terms of knowledge level and cognitive processing. It introduces the Revised Bloom Taxonomy and applies this to five psychotherapeutic games (Personal Investigator, Treasure Hunt, Ricky and the Spider, Moodbot, and SuperBetter) in a two-round procedure. In the first round consensus was reached on the Player Actions with Learning Objectives (PALOs) in each game. The second round sought to determine what level of knowledge and cognitive processing can be attributed to the PALOs by placing them in the taxonomy. Our low intercoder reliability in the second round indicates that Bloom's Revised Taxonomy is not suitable to compare and contrast content between games.
MULTIFILE
Docenten van Fontys Hogeschool Bedrijfsmanagement, Educatie en Techniek (BEnT) hebben geëxperimenteerd (Gorissen, 2014) met Flipping the Classroom in relatie tot de taxonomie van Bloom. Bij dit concept worden lage kennisniveaus uit deze taxonomie voor de les aangesproken en in de les worden hogere kennisniveaus aangesproken. Bij het herontwerp van hun lessen zijn docenten ondersteund door workshops, gegeven door Fontys Educatief Centrum (FEC). Het onderzoek geeft inzicht in de ervaringen van docenten als ze Flipping the Classroom toepassen en dient als input voor FEC zodat toekomstige workshops nog beter aansluiten bij behoeften van docenten. De hoofdvraag is: Wat zijn ervaringen van docenten en studenten van een HBO-instelling met het toepassen van de taxonomie van Bloom in relatie tot Flipping the Classroom? Hiervoor zijn drie deelonderzoeken uitgevoerd, te weten een kwalitatieve analyse van de lesvoorbereidingen en individuele interviews met docenten en een kwantitatief onderzoek onder studenten over de door hun gevolgde lessen via dit concept. Resultaten laten zien dat docenten het concept correct toepassen en ze hiervoor activerende werkvormen en ICT tools inzetten. Docenten zijn enthousiast over de toepassing ondanks dat herontwerp tijdrovend is. Studenten kenden het concept vooraf niet maar hérkenden het wel, zowel voorafgaand als in de les. Vanwege de lage respons onder studenten kan alleen een voorzichtige conclusie getrokken worden dat het concept bijdraagt aan betere verwerking van de leerstof en dat het vaker toegepast mag worden. De belangrijkste aanbevelingen zijn gericht op kennisdeling tussen docenten die dit concept (willen gaan) toepassen in het onderwijs en nader onderzoek naar de invloed op de leerprestaties van de studenten.
DOCUMENT
Cyanobacterial blooms can be toxic to humans swimming in affected waters. According to the European Bathing Water Directive bathing waters should be closed during cyanobacterial blooms. In the Netherlands, cyanobacteria monitoring in all official bathing water locations is usually performed every two weeks during the bathing season. In face of the large temporal and spatialvariability of cyanobacterial bloom dynamics this monitoring frequency however is too low for adequate early warnings to the public.High frequency monitoring and forecasting models can provide information on cyanobacterial blooms in between the regular monitoring dates and for a few days into the future. In the H2020 project EOMORES, we have combined observational data from a spectral camera (Ecowatch) near a Dutch bathing site with fluorescence data from an underwater drone to analyse the variability ofcyanobacterial blooms at short temporal and spatial scales. The results are used in a short term forecasting model of cyanobacterial blooms (AlgaeRadar) and a 3D scum forecasting model (EWACS). The AlgaeRadar is cross-validated with biweekly data from other bathing water sites and shows improved model performance compared to an earlier version that was built with only biweekly data.For the site with high-frequency chlorophyll observations the near-real time data are assimilated in the model to further enhance the model performance. Model performance of EWACS is verified using high frequency pictures from the Ecowatch station, showing scum layers on the water. This allowed us to validate and calibrate the EWACS model. Model validation abilities were in the pastalso limited by to the patchy nature and high temporal variability of the scum layers, which was not covered by sparse scum observations. With the resulting models, early warnings for cyanobacterial blooms are more reliable than those from the current practice that are merely based on biweekly monitoring data. For the protection of public health this provides better opportunities as well.
DOCUMENT
