Refugee Youth Leverage Social, Physical, and Digital Information to Enact Information Literacy
Notice bibliographique
Résumé
A Review of: Lloyd, A., & Wilkinson, J. (2017). Tapping into the information landscape: Refugee youth enactment of information literacy in everyday spaces. Journal of Librarianship and Information Science. Advance online publication. http://dx.doi.org/10.1177/0961000617709058 Abstract Objective – To describe the ways in which refugee youth use everyday information to support their learning. Design – Photo voice technique, a process by which the population under consideration is provided with cameras and asked to visually document an aspect of their experience. Setting – Social agency in New South Wales, Australia Subjects – Fifteen 16-25 year old refugees resettled from South Sudan or Afghanistan Methods – Three workshops were conducted. In the first, participants learned how to use the cameras and the protocols for participation. Between the first and second workshops, participants took several photographs of places, sources and types of information that were personally meaningful. In the second workshop, participants were first split into small groups to share and discuss the five images that they selected as their most important information sources and later reconvened as a large group in which participants again shared and discussed their images. In the third and final workshop, the authors shared their findings and analysis with the participants and invited discussion. The authors analyzed both photos and group transcripts from the workshops using Charmaz’s constant comparative method. Main Results – Refugee youth use digital, vernacular, meditational, and visual literacies in everyday settings in to order to understand and create their new information landscapes. Information literacy enactment is agile and responsive to context. Conclusion – Engaging with digital, vernacular, and visual information in a variety of contexts is central to how young refugees (re)form their information landscapes.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».