Perceptions and Preferences of Digital and Printed Text and Their Role in Predicting Digital Literacy
Notice bibliographique
Résumé
<p>This study explored the relationships between the reading of digital versus printed text among 1,206 South Korean high school students in grades 9 through 12. The <em>Test</em><em> of </em><em>Silent Contextual Reading Fluency</em> (2<sup>nd</sup> ed.), the <em>Digital Propensity Index</em>, and the <em>Reading Observation</em> <em>Scale</em> were among the instruments used to measure reading proficiency and digital propensity. Statistical analysis was comprised of a paired sample <em>t</em> test to compare students’ reading perceptions of digital and printed text; independent sample <em>t</em> tests were used to explore reading preferences and the relationships between digital and printed text; and a multiple linear regression was used to explore digital propensity based on reading behaviors. Among the results, students were found to have higher positive perceptions of the reading of printed text; reading preference depended on the purpose for reading (e.g., learning versus entertainment); and significant mean differences were found among students’ reading scores and digital propensity regarding preferences between the reading of digital and printed text. Although much more research is needed before any definitive conclusions can be drawn, the findings suggest several ways to achieve student literacy competency in the use of digital and printed text, while also pointing to additional factors that influence perceptions and behaviors among these two formats.</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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».