Video Production in Elementary Teacher Education as a Critical Digital Literacy Practice
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.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».