MétaCan
Menu
Retour à la cohorte
Enregistrement W2287254187 · doi:10.5539/ies.v9n3p71

Psychometric Properties of a Digital Citizenship Questionnaire

2016· article· en· W2287254187 sur OpenAlexvenueno aff
Mohamad Sahari Nordin, Tunku Badariah Tunku Ahmad, Ainol Madziah Zubairi, Nik Ahmad Hisham Ismail, Abdul Hamid Abdul Rahman, Fuad Trayek, Mohd Burhan Ibrahim

Notice bibliographique

RevueInternational Education Studies · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyCitizenshipConstruct validityConstruct (python library)Discriminant validityEquivalence (formal languages)Convergent validityReliability (semiconductor)Social psychologyPsychological interventionMathematics educationApplied psychologyPsychometricsDevelopmental psychologyComputer scienceMathematicsInternal consistency

Résumé

récupéré en direct d'OpenAlex

<p class="apa">The purpose of this study was twofold, i.e. to examine the extent to which students’ self-reported use of digital technology constituted meaningful and interpretable dimensions of the digital citizenship construct, and to test the adequacy of the construct in terms of its reliability, convergent validity, discriminant validity, and measurement equivalence for male and female students. The sample consisted of 391 undergraduates from 15 institutions of higher education in Malaysia. The data were collected using a self-reported 17-item questionnaire measuring university students’ digital citizenship behaviours. The results of the study supported and extended the results of previous work on students’ behaviors when using digital technology. The study found evidence that students’ digital citizenship is a valid and reliable multidimensional construct, and the measurement is gender-invariant. The findings are useful in making evidence-informed decisions in choosing and developing instructional interventions to produce ethical and responsible technology users, and in informing future research in the area.</p>

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)0,000
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,263
Score d'incertitude au seuil0,818

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,088
Tête enseignante GPT0,404
Écart entre enseignants0,316 · 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'étudeObservationnel
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

Citations58
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetImpact of Technology on AdolescentsTravaux en français237 207