Understanding the relationship between the personal and professional use of technology by K-12 educators
Notice bibliographique
Résumé
Much research has been done around how and why teachers integrate technology into classroom practices. Various factors have been shown to be important including teachers??? beliefs, attitudes, comfort, knowledge and skills. This has proven to be a complex mix with the outcome of technology integration depending, in various ways, on all of these factors. A need has emerged for a way to look at this complex mix of variables that takes into account the reasons teachers use technology and the tasks which they complete using technology. This kind of research tool could be used in a variety of ways to analyze these variables. This paper describes the outcomes of a project to develop a multifaceted, domain based survey instrument that looks at the frequency of use and confidence in the use that educators have with various technology tasks, as well as the importance that they place on these tasks for personal and professional use. The instrument was then tested on a small group of teachers in a school board in Ontario, Canada and the data was analysed to determine if it could be used in broader studies to answer such questions as have been posed in the literature. The results show that the instrument will be valuable in showing how educators??? beliefs are connected to the frequency of use and confidence they have in certain technologies. It should also be able to determine if those beliefs change over time and if this translates into changes in technology use. It was less clear if the instrument would be useful in determining how educators??? personal and professional use of technology was related and further refinement for this purpose could be considered.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».