L’usage des technologies numériques pour le développement de compétences multimodales en littératie au 21e siècle
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
L’omniprésence du numérique dans toutes les sphères de nos activités quotidiennes suscite de nouveaux enjeux éducatifs qui exigent une réflexion critique sur l’émergence de nouvelles compétences en littératie adaptées aux besoins des citoyens qui travaillent dans cette ère numérique (Romero, Lille et Patiño, 2017). À la lumière de ces nouveaux défis éducationnels, cet article présente une étude sur l’apport de l’usage des technologies numériques dans le développement de compétences multimodales en littératie au 21 e siècle. Plus précisément, il traite d’une étude réalisée en salles de classe primaire et secondaire en contexte d’immersion française dans l’une des provinces anglophones du Canada et portant sur l’apport de l’usage des technologies numériques (par exemple, les iPod et les tablettes) dans le développement de compétences multimodales en littératie. L’analyse de données numériques, comme des vidéos et des artefacts multimodaux créés à l’aide d’applis ( apps ) par les élèves, dévoile l’apport des possibilités ( affordances , terme anglais) offertes par les nouveaux outils numériques dans le développement de compétences multimodales en littératie. Les résultats indiquent particulièrement la contribution des possibilités offertes par ces outils dans la création de nouveaux modes d’expression, de représentation de la pensée, d’action et d’engagement qui, à leur tour, favorisent le développement de compétences multimodales nécessaires au 21 e siècle. Ces résultats sont discutés à la lumière des théories d’apprentissage documentées par la recherche dans le domaine des neurosciences cognitives et par des études antérieures sur le concept de multimodalités.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle