Do “Interactive” Educational Technologies Promote Interactive Literacy Instruction?
Notice bibliographique
Résumé
This article explores the concept of lesson interactivity within six primary and elementary teachers’ use of whole-class and personal digital devices over multiple lessons including Interactive Whiteboards, data projectors, laptop computers, and others. The analysis focuses on the differences between technical vs pedagogic interactivity (Smith, Higgins, Wall, & Miller, 2005) where technical interactivity refers to direct tactile interaction with technology and pedagogic interactivity refers to the interaction between teachers, students, and lesson content which may occur with or without technology use. Technical interactivity varied in duration between teachers and lessons, but teachers’ use of whole-class devices typically exceeded students’ use. Use of personal devices by students was infrequent, and often supported the content displayed on a whole-class device. In terms of pedagogic interactivity facilitated by technology use, the most frequent activities were teacher-directed questioning and guided practice, during which the teachers had a correct answer or method in mind. Use of deeper pedagogic interaction through discussion, student inquiry, or research were not observed. Teachers expressed that they faced barriers to interactive technology use including program and resource constraints as well as lack of teacher comfort with technology. This research was conducted following Tri-Council guidelines for the Ethical Conduct of Research Involving Humans. It has passed the research ethics board of two universities and two school districts.
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) | 0,002 | 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 ».