Mobile technologies for learning: Exploring critical mobile learning literacies as enabler of graduateness in a South African research‐led University
Notice bibliographique
Résumé
Abstract At Stellenbosch University there is a drive to integrate the development of graduate attributes and the use of emerging technologies in the curriculum. With the aim of discovering the role of emerging mobile technologies in learning a qualitative research project was undertaken with a senior‐student cohort. An inductive thematic analysis was done using Ng's () mLearning literacies framework (cognitive, socio‐emotional and technical), and situating it within the field of graduateness (Barrie ; Bozalek & Watters, ). This paper reports on the research which informs the literature on graduateness with regards to the potential role of critical mobile learning literacies and expands the application of the mLearning literacies framework as part of the digital literacies debate. Resulting themes were: (1) a critical awareness of 21st century learning; (2) an underdeveloped mLearning literacy (with criticality as indicator); and (3) multidimensional expectations regarding the development of mLearning literacy. To support the notion of lifelong learning and graduateness, we call for the development of particularly criticality in mLearning literacy skills at a cognitive, socio‐emotional and technical level with mobile devices in both formal and informal learning. This has implications for curriculum design, pedagogic approaches and a focus on interactions with new forms of knowledge.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,007 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».