Samoprocjena digitalnih kompetencija hrvatskih studenata Filozofskog fakulteta u Splitu i kanadskih studenata sa Southern Alberta Institute of Technology
Notice bibliographique
Résumé
Contemporary man lives in a digital society. To be literate in a digital society does not just mean to be able to read, write and count. To be literate it is important to have other competencies such as digital competence. Digital competence is considered by the European Commission as one of the eight key competencies. She implies a secure, critical and creative use of ICT for achieving goals related to work, employment, learning, leisure and inclusion and/or participation in society. Therefore, the aim of this study was to examine differences in selfassessment of their own digital competence levels through five areas between Croatian students from the Faculty of Humanities and Social Science in Split and Canadian students from the Southern Alberta Institute of Technology. Questionnaire for Croatian and Canadian students was made for the purpose of the research. The questionnaire was conducted on a sample of 89 students from the Faculty of Humanities and Social Sciences in Split and on a sample of 36 students from the Southern Alberta Institute of Technology. The research results show that Croatian students from the Faculty of Humanities and Social Science in Split self-assess their own level of digital competence for five areas better than Canadian students from the Southern Alberta Institute of Technology. The results also show that students of Faculty of Humanities and Social Science in Split self-assess their own level of digital competence for five areas better than students of two-pronged studies at the Faculty of Humanities and Social Science in Split. The reason for this may be the fact that only selfassessment was used in the research, not objective evaluation like a knowledge test.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,006 |
| Science ouverte | 0,011 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».