Teaching in the iWorld: developing a repertoire of pedagogical discourse around the usage of touch screen devices in early years classrooms
Notice bibliographique
Résumé
\n\t\t\t\t\t Touch-screen devices have been enthusiastically adopted by schools across Australia and Canada. Their ease of use means that they are accessible by very young children, and these children often have free access to these devices in their home, however the devices tend to be ‘domesticated’ in the school context (O’Mara and Laidlaw, 2011). In the short period of their availability, a plethora of educational applications have been developed for these devices. This paper addresses emergent themes from our 2011-2013 Canadian/Australian project, Literacy learning in playful spaces: using multi-modal strategies to develop narrative with young learners, funded by the Canadian Social Sciences and Humanities Research Council (Insight Development Grant). In our analysis of the discourse around the introduction of portable touch screen devices into school literacy classes (published texts, teacher interviews, classroom observations), we noted that much of the public discourse is slanted towards the idea of “teacher-proofing” the curriculum. Initially the teachers we have been working with saw the apps themselves as complete, as doing all the work and the discourse around the devices was around what apps are “best”, and “is there an app for that?” It was only with more experience and time that teachers were able to harness the range of affordances of the devices—their capacity for recording audio, video, pictures etc., and start to categorise the apps themselves. In this paper we suggest ways in which current literacy models might be used to develop a repertoire of pedagogical discourse around these devices, providing language and framings for teachers to think about how these new tools might best be used to enhance literacy teaching and learning. O’Mara, J. & Laidlaw, L. (2011). Living in the iWorld: Two literacy researchers reflect on the changing texts and literacy practices of childhood. English Teaching: Practice and Critique 10 (4): 149-159. Available: http://edlinked.soe.waikato.ac.nz/research/journal/view.php?article=true&id=754&p=1\n\t\t\t\t
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».