Investigation of Factors Affecting Information Literacy Student Learning Outcomes Fails to Undercover Significant Findings. A Review of: Detlor, B., Julien, H., Willson, R., Serenko, A., & Lavallee, M. (2011). Learning outcomes of information literacy instruction at business schools. Journal of the American Society for Information Science and Technology, 62(3), 572-585.
Notice bibliographique
Résumé
Objective – To ascertain the factors influencing student learning during information literacy instruction (ILI) and create a theoretical model based on those factors. Design – Mixed methodology consisting of interviews and an assessment test. Setting – Three Canadian business schools. Subjects – Seven librarians, 4 library administrators, 16 business faculty, and 52 undergraduate business students were interviewed, and the Standardized Assessment of Information Literacy Skills (SAILS) test was administered to 1,087 undergraduate business students across three different business schools. Methods – The authors used an interview script to conduct interviews with librarians, library administrators, business school faculty, and undergraduate business school students at three business schools in Canada. The authors also administered the SAILS test to undergraduate business students at the same three Canadian business schools. Main Results – ILI works best when it is related to an assignment, part of the curriculum, periodically evaluated, adequatelyfunded, timely, mandatory, interactive, uses handouts, provides the proper amount of information, and favourably viewed within the school. ILI student learning outcomes are affected by whether the students find the ILI beneficial and relevant, their year in the program, gender, status as international or domestic student, and overall academic achievement. Conclusion – Creation of theoretical model consisting of the three main factors influencing student learning outcomes in information literacy instruction: learning environment, information literacy components, and student demographics.
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 | 0,029 | 0,118 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».