MétaCan
Menu
Retour à la cohorte
Enregistrement W2985985011 · doi:10.4018/978-1-7998-2015-4.ch003

Engendering Multiliteracies Using Digital Games and Digital Literature

2019· book-chapter· en· W2985985011 sur OpenAlexaffabout
Nolan Bazinet

Notice bibliographique

RevueAdvances in educational technologies and instructional design book series · 2019
Typebook-chapter
Langueen
DomainePsychology
ThématiqueEducational Strategies and Epistemologies
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésAffordanceDigital literacySociologyMathematics educationPedagogySocial mediaLiteracyMedia studiesPsychologyComputer scienceWorld Wide WebHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

Recent calls for critical education in regards to social and digital media argue for the importance of 21st century media and literacy skills (Butler, 2017; Storksdieck, 2016). These calls join a chorus of academics who have long been calling for the importance of multiliteracy development in education (Cope & Kalantzis, 2000; Lankshear & Knobel, 2011; New London Group, 1996). In searching for texts that may facilitate multiliteracy development, digital games has emerged as an option in formal education, given the complex critical thinking, learning, and literacy practices they can afford (Beavis, O'Mara, & McNeice, 2012; Gee, 2007; Squire, 2008; Steinkhueler, 2010). The chapter explores the multiliterate affordances when using digital literature and digital games at an English language college in Quebec. Results show that the implications of using digital games to engender multiliteracy development are substantive.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,513
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,004
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,291
Écart entre enseignants0,266 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvances in educational technologies and instructional design book seriesMême sujetEducational Strategies and EpistemologiesTravaux en français237 207