Video Production in Elementary Teacher Education as a Critical Digital Literacy Practice
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
This article reports on a two-year, funded, qualitative inquiry into the challenges and possibilities of integrating video production into pre-service teacher education as a critical digital literacy practice. This includes the skills, knowledge, and dispositions that lead to ability to critique and create digital texts that interrogate the self, the other, and the world (Ávila & Zacher Pandya, 2013). Video making holds out enormous potential given our increasingly diverse classrooms and the growing need to have students connect and collaborate within their own communities and globally (Dwyer, 2016; Ontario Ministry of Education, 2015, 2016; Spires, Paul, Himes, & Yuan, 2018; Watt, 2017, 2018; Watt, Abdulqadir, Siyad, & Hujaleh, 2019). Video is especially significant in light of the fact that it is replacing print text as a dominant mode of communication (Manjou, 2018). Multimodal composing such as video production is, in fact, considered by some to be the essential 21st century literacy (Miller & McVee, 2012), but much remains to be done to bring digital technologies as literacy into the elementary classroom. Qualitative data includes a focus group, questionnaires, observations, and content analysis of teacher candidate videos and instructional plans. This study considers how video production can be integrated into teacher education programs to engage cross-curricular expectations and critical digital literacy perspectives. It responds to the pressing question of how to do teacher education differently in the digital age.
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 | 0,000 | 0,001 |
| 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 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle