MétaCan
Menu
Retour à la cohorte
Enregistrement W2264917829 · doi:10.29173/mruer312

Defeating the digital divide

2015· article· en· W2264917829 sur OpenAlexvenueno aff
Jessica Byrne

Notice bibliographique

RevueMount Royal Undergraduate Education Review · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVariety (cybernetics)Digital divideMultimediaComputer scienceWonderPsychologyInformation and Communications TechnologyInternet privacyWorld Wide WebSocial psychology

Résumé

récupéré en direct d'OpenAlex

In my personal experience I witnessed a discrepancy between what was available to schools and students from high and low socioeconomic areas. This made me wonder about their access to digital technologies, specifically how the digital divide affects education and how I can help as an educator. Using information from background research, an anonymous survey completed by my peers and current teachers, and an interview with an expert, I was able to conclude that digital technologies are an effective educational tool used to enrich students’ learning experiences. This can be achieved using a variety of different strategies and tools, including Smart technology, tablets, video blogs, and experiments. Educators should participate in professional development opportunities to help lessen the digital divide. This in-depth knowledge will give them the skills to effectively use digital technologies in their classrooms. Schools can also ensure students have access to technology to balance any lack of access at home.

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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,957
Score d'incertitude au seuil0,703

Scores Codex et Gemma par catégorie

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

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 Opus0,040
Tête enseignante GPT0,327
Écart entre enseignants0,288 · 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

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMount Royal Undergraduate Education ReviewMême sujetChild Development and Digital TechnologyTravaux en français237 207