MétaCan
Menu
Retour à la cohorte
Enregistrement W2070936505 · doi:10.5430/ijhe.v4n1p166

Unpacking the Information, Media, and Technology Skills Domain of the New Learning Paradigm

2015· article· en· W2070936505 sur OpenAlexvenueno aff
Charles Kivunja

Notice bibliographique

RevueInternational Journal of Higher Education · 2015
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLiteracy, Media, and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLife skills21st century skillsSkills managementUnpackingGraduation (instrument)Domain (mathematical analysis)Study skillsPsychologyDigital mediaMathematics educationPedagogyMedical educationComputer scienceWorld Wide WebEngineering

Résumé

récupéré en direct d'OpenAlex

Put simply, “Teaching our students so that they become well-equipped with the 21st century skills is the new learning paradigm” (Kivunja, 2014b, p. 85). These skills fall into four domains which the Partnership for 21st Century Skills (P21) identify as the Traditional Core Skills, the Learning and Innovation Skills, the Career and Life Skills, and the Digital Literacy Skills; also known as the Information, Media, and Technology Skills (P21, 2009). Arguing that the traditional core skills, such as reading, -riting, and –rithmetic are well known, and might need no elaboration, Kivunja (2014b) discussed the Learning and Innovations Skills domain, and Kivunja (2015a) unpacked the Career and Life Skills domain. This paper unpacks the Digital Literacy Skills domain to extend an understanding of this domain in three ways. First, what is it and what skills does it involve? Second, how can students be taught the skills of this domain so they will be job ready to use these skills on graduation? Third, what is the significance of this domain to each of the other domains; and therefore to the success of studying, working, living and being a productive citizen in the realities of the Digital Economy?

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,009
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,024
Communication savante0,0090,013
Science ouverte0,0010,007
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,012
Tête enseignante GPT0,263
Écart entre enseignants0,252 · 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 source (Gemma direct ou Codex distillé), 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

Citations59
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Higher EducationMême sujetLiteracy, Media, and EducationTravaux en français237 207