Young Quebecers in a situation of precarity and their digital literacy practices
Notice bibliographique
Résumé
In its latest report based on PIAAC data, the Institut de la statistique du Québec (2015) notes that the young people aged 16 to 24 whose education got interrupted did not generally reach or exceed the level 3 in Problem solving in Technology-Rich Environments. Yet, young people in Western countries are often portrayed homogenously as digital native. This may be explained by the fact that studies have mainly focused on ‘Anglo-American or middle-class contexts’ (Prinsloo and Rowsell, 2012: 271). Using a New Literacy Studies perspective, this paper challenges narratives about young people’s digital literacy practices. It draws on data collected in 2012 in two community-based organisations for young people in Quebec (Canada). In total, 122 hours of participant observation were undertaken and 21 research interviews were conducted (14 young people and 7 youth workers). A content analysis (Gibbs, 2008) was performed. The results indicate that the young people used a wide range of new technologies, and this, regardless of their education level. They used digital technologies to learn new things, access cultural products, solve problems, express themselves, organise their social lives, and communicate with friends and family. Another important finding was that the young people’s digital literacy practices cannot be ‘divorced’ from their offline lives (Thomas, 2007); their situation of precarity shaped their online practices. Considering the young people’s financial difficulties, the fact that computers were available on the premises of the two organisations was an appealing element. The organisations were not just offering access to computers and the Internet, but were also supporting young people in learning how to use them. This indicates that even though they were not in education at the time of the study, the young people were still learning about digital literacies. What they learned was directly related to their everyday lives, and in some occasions, countered their situation of precarity.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,003 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 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 ».