MétaCan
Menu
Retour à la cohorte
Enregistrement W2594761309 · doi:10.5539/jel.v6n3p31

The Effect of Information Literacy on Teachers’ Critical Thinking Disposition

2017· article· en· W2594761309 sur OpenAlexvenueno aff
Aycan Çiçek Sağlam, İbrahim Çankaya, Hakan Ucer, Muhammet Cetin

Notice bibliographique

RevueJournal of Education and Learning · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Critical Thinking Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInformation literacyCritical thinkingDispositionPsychologyMathematics educationTurkishLiteracyScale (ratio)Data collectionPedagogySocial psychologySociologySocial science

Résumé

récupéré en direct d'OpenAlex

The concepts of information literacy and critical thinking are two important concepts of today’s information and technology age closely related to each other and sometimes used interchangeably. The purpose of the current study is to explore the relationship between the secondary school teachers’ critical thinking disposition and information literacy. The study was conducted in line with relational survey model. The study group of the research is comprised of 626 secondary school teachers working in 22 secondary schools located in the Şehzadeler province of the city of Manisa in Turkey. The scales were administered to all the teachers in the study group. However, the total number of teachers sampled resulted in 473 (75.56%) usable survey protocols. In the collection of the research data, Turkish adaptation of California Critical Thinking Disposition Inventory (CCTDI-T) and Information Literacy Scale were used. The findings of the study revealed that the teachers’ critical thinking disposition and their information literacy levels are “low”. Besides, it was found that there is a significant, positive and bilateral relationship between the teachers’ critical thinking disposition and information literacy. Moreover, the regression analysis results indicate that the dimensions of information literacy level explain 15% of critical thinking.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,011
Tête enseignante GPT0,380
Écart entre enseignants0,370 · 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 source (Gemma direct ou Codex distillé), 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

Citations25
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetEducation and Critical Thinking DevelopmentTravaux en français237 207