MétaCan
Menu
Retour à la cohorte
Enregistrement W2232054398 · doi:10.29173/mruer114

Technology as a resource: Increasing engagement in learning and developing 21st century skills

2014· article· en· W2232054398 sur OpenAlexaffvenue
Jessica Lukey

Notice bibliographique

RevueMount Royal Undergraduate Education Review · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology-Enhanced Education Studies
Établissements canadiensMount Royal University
Organismes subventionnairesnon disponible
Mots-clésVariety (cybernetics)Student engagementTheme (computing)21st century skillsResource (disambiguation)Information technologyPsychologyPedagogyMathematics educationKnowledge managementComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

The purpose of this research study was to help inform the researcher’s future practice as a teacher on the influence of technology on young learners. The question of inquiry pertained to define how technology has initiated and increased student engagement within their learning, and through this, how technology has specifically influenced the creation of the 21st century learner. By beginning the inquiry through a literature review on the theme of technology and student engagement, the researcher was able to gain an understanding that technology is the motivator for children in developed, and even in undeveloped countries. In order to assess the relationship of technology and student engagement in learning, along with how digital devices influence the creation of 21st century learners, the researcher surveyed a variety of teacher candidates and university students to draw conclusions. From the research findings of the study, the researcher concluded that students were attracted to technology as it is a tool that is convenient in organizing information, and is efficient in making data easier to allocate. Therefore, the skills that technology imparted upon 21st century learners from the findings were allowing students to become self-directed learners, access and, evaluate information through critical thinking and solving data to become more engaged thinkers, and influencing leadership and collaboration skills.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,967
Score d'incertitude au seuil0,797

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,012
Tête enseignante GPT0,334
Écart entre enseignants0,322 · 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'étudeSans objet
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

Citations0
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMount Royal Undergraduate Education ReviewMême sujetTechnology-Enhanced Education StudiesTravaux en français237 207