A Digital Literacy Initiative in Honors: Perceptions of Students and Instructors about Its Impact on Learning and Pedagogy.
Notice bibliographique
Résumé
Researchers acknowledge the necessity of acquiring digital competencies to participate adequately in society (Ala-Mutka; Boyles; Cobo; Davies; Littlejohn, Beetham, & McGill; Teske & Etheridge; Tryon; Warf). Although the development of digital competencies has become increasingly important in higher education, integrating digital literacies in the college classroom has occurred at a slow pace. Honors programs and colleges represent one area of the academy that typically values a more traditional approach to skill development while resisting technology. My research study describes a digital literacy initiative in the Georgia State University Honors College, a large urban research university, and explores its perceived impact on teaching and learning. The study examines the activities introduced in the classroom and various disciplines, and it seeks to determine if the initiative’s goals were met. This study does not attempt to make any sweeping claims about whether digital literacy should be a primary focus of honors education; rather, its purpose is to discover how adapting pedagogy to include digital competencies might meet the objectives of undergraduate honors education. The research question asks how the intentional inclusion of digital competencies into the honors classroom affects learning and pedagogy, with the goal of providing a model for other honors programs and colleges seeking to implement and evaluate similar programs.
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 | 0,000 |
| 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 ».