PEDAGOGICAL ASSUMPTIONS OF TRANSFORMATIVE DI-GITAL MODEL FOR SOCIAL CHANGE
Notice bibliographique
Résumé
Creating of digital models which transform learning and its outcomes, as well as the learner’s educational, developmental and educative achievements has become vital to provision of inclusion possibilities in a networked society. Researchers have produced several frameworks of using digital technologies in education, but these are generally do not appropriately incorporate socio-contextual perspectives. To explore this area and create a transformative model of teaching-learning at higher levels of education in Special pedagogy and social work an appropriate pedagogical provisions are needed to transform educational process as a system including: (a) meaningful and transforming objectives, (b) adequate for digital learning and leading to social change pedagogical principles, (c) reflectivity with the domain of knowledge creation, (d) self-evaluation of learning and social inclusion, (e) transformations of teacher/educator activities towards social inclusion and knowledge share, as well as collaborative learning in organizational settings of emerging knowledge society. This study, focuses on tertiary education and doctoral investigations, reviews the literature on facilitated by transitions social changes, and introduces a theoretical underpinning of digital learning within a pedagogical model. The dominating method is theoretical analysis that includes reviewing, analysing and synthesising literature on the theme “in an integrated way such that new frameworks and perspectives on the topic are generated” (Torraco, 2005, p. 356; Hamilton & Torraco, 2013). The article introduces the theoretical approach to the project “Implementation of Transformative Digital Learning in Doctoral Program of Pedagogical Science in Latvia” and “Gender aspects of digital readiness and development of human capital in region”.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».