MétaCan
Menu
Retour à la cohorte
Enregistrement W1876919191 · doi:10.29173/mruer161

Digital technology and the arts: Investigating the integration of digital technologies in the elementary art curriculum

2014· article· en· W1876919191 sur OpenAlexvenueno aff
Lyndsey Sutley

Notice bibliographique

RevueMount Royal Undergraduate Education Review · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueDigital Media and Visual Art
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumCreativityThe artsDigital artSubject matterEmerging technologiesTechnology integrationSubject (documents)MultimediaSociologyPedagogyEngineering ethicsPsychologyComputer scienceMathematics educationEngineeringTeaching methodVisual artsArtWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Art is a wonderful way for students to express their creativity and engage in their learning in a new and interesting way. In today’s modern world, the integration of digital technologies has the capability to enhance lessons and provide unique opportunities for students to experience the curriculum. Through the surveying of my fellow teacher candidates, family, friends and an e-mail interview with a subject matter expert, I asked specific questions about the potential positive and negative effects of the integration of digital technology in the elementary art curriculum. In addition, I explored five added sources to supplement my research. As a result of this investigation, I discovered that a balance of new and old technologies is fundamental to the art experience in the elementary art curriculum. It is imperative that technology is not the sole focus and that other traditional art mediums are included in the curriculum. This research project allowed for the exploration of the positive and negative impact of integrating digital technologies in the arts for my future teaching practice. Ultimately, the potential benefits of the integration of digital technologies far outweigh any of the negatives and the opportunities they present are endless.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,921
Score d'incertitude au seuil0,374

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,015
Tête enseignante GPT0,283
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMount Royal Undergraduate Education ReviewMême sujetDigital Media and Visual ArtTravaux en français237 207