Notice bibliographique
Résumé
Technology has become an increasingly necessary tool for human activity, causing changes in routines and practices (Mishra & Koehler, 2006). Despite an increasing amount of money spent on technology by school boards, there is a lack of understanding about what teachers need to know in order to effectively integrate technology in classrooms. Technology in the field of education is inevitable; however, Mishra and Koehler (2006) suggest educators tend to examine it at face value. There is an unresolved conflict between the use of technology to make previous goals efficient and fulfilling the status-quo, versus the ability to have technology change the nature of pedagogy (Berg, Benz, Lasley & Raisch, 1998). This qualitative study aimed to elucidate if elementary teachers were utilizing technology in ways that were conducive for student learning. Rather than focusing on the types of technology utilized, this study examined how technology was integrated into school systems. Effective integration was examined through the goals of 21st century learning that require students to be creative, collaborate, and think critically. Data was derived from semi-structured interviews with two Ontario elementary educators. Using the technological pedagogical content knowledge framework, four themes emerged: teacher attitudes, learning and instructional strategies, critical thinking, and challenges and next steps. Although teachers have positive attitudes toward technology, findings suggest there is a lack of focus and professional development infusing technology with the 21st century learning goals. Furthermore, the ineffective utilization of technology appears to provide an ease for pedagogy rather than to enhance student learning.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 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 ».