Embedding Digital Pedagogy in Pre-Service Higher Education to Better Prepare Teachers for the Digital Generation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In preparing pre-service teachers for their professional practice in the information age, we need to impress upon them that the children in their classrooms will be Digital Natives, with skills for digital fluency rather than skills in the orthodoxy 3Rs developed with talk, chalk and board; paper, pencil and pen. Since most of our pre-service teachers belong to the pre-digital generation without the skills for 21 st century digital fluency, there is a great need for us as higher education practitioners, to prepare them well for the new classrooms they will work in so as to prevent a mismatch between them and their students where they could be seen as illiterate teachers trying to teach literate children. Embedding digital pedagogy in the skilling of these teachers is urgently needed to help them appreciate the role of technology in the teaching of pedagogy and content knowledge (TPACK). Fortunately enough, a wide range of apps are available for use on iPads, Androids, eTablets, Smart Phones and other platforms, which our pre-service teachers could apply in their teaching. One example of how this was achieved in higher education with two cohorts of 2 nd year B.Ed pre-service teachers is discussed in this paper. The paper demonstrates that social media digital tools can be embedded in pre-service higher education to help train pre-service teachers so they appreciate the TPACK model. The paper concludes that it is incumbent upon higher education providers, to ensure that graduates are well prepared to be effective teachers for the digital generation.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,006 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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