Investigation of Teacher Candidates’ Technology Competencies and Perceptions in Terms of Various Variables
Notice bibliographique
Résumé
The aim of this study is to examine the teacher candidates’ technology competencies and perceptions in terms of various variables (gender, type of education, department, whether they have their own computers or not, the situation of connecting to the Internet). The study is a survey model, and the research group consists of five hundred eighteen teacher candidates studying in nine different departments in the spring term of 2018–2019 academic year at Atatürk University Kazım Karabekir Education Faculty. “Technology Perception Scale” and “Computer Competency Scale”, which is developed by Tınmaz (2004), were used as data collection tools. The Cronbach alpha value of the Technology Perception Scale was calculated as ninety-four, and the Computer Competency Scale was eighty-eight. Independent Samples “T” test and Kruskal Wallis “H” test were used for data analysis. It has been concluded that there is no significant difference in terms of technology competencies of the teacher candidates in terms of education type, department, having own computer or not, and internet connection variabilities but there is a significant difference in terms of technology competencies in terms of gender (in favor of male) and there is a significant difference in terms of perceptions of gender (in favor of men), type of education (in favor of evening education), department, whether having a computer or not (in favor of having a computer) and the variables of connecting to the Internet.
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 | 0,001 | 0,005 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».