Digital resources and didactic methodology in the initial training of History teachers
Notice bibliographique
Résumé
This paper analyzes the links that exist between the perceptions of teachers-in-training regarding the use of digital resources in the Secondary Education classroom and their own methodological and epistemological conceptions. Shulman’s theories continue to largely guide current research on teacher knowledge. However, the impact caused by the new technologies has inspired new approaches like T-PACK, which put the focus on the teachers’ digital competence. In order to address this goal, information has been collected by means of a questionnaire implemented in 22 universities, 13 Spanish (344 participants) and 9 British (162 participants). The analysis of data was conducted along three phases: a) examination of the structure of assessments regarding the usefulness of digital resources by analyzing latent classes; b) estimation of confirmatory factor models for variable evaluation processes, History as a formative subject and historical competencies; c) estimation of interclass differences by using confirmatory factor models. The results showed four types of response regarding the use of digital resources in the classroom that were polarized about two items: comics and video games. Important interclass differences have likewise been found regarding methodological issues (traditional and innovative practices), as well as less important differences concerning epistemological conceptions and views on the development of historical competencies in the classroom. El objetivo de este trabajo es analizar los vínculos entre las percepciones del profesorado en formación sobre el uso de los recursos digitales en el aula de Secundaria, y sus concepciones metodológicas y epistemológicas. Las teorías de Shulman siguen orientando en gran medida las investigaciones sobre el conocimiento del profesorado. Sin embargo, el impacto de las nuevas tecnologías ha impulsado nuevos enfoques, como el T-PACK, que incide en la competencia digital docente. Para abordar este objetivo se ha recogido información de un cuestionario implementado en 22 universidades, 13 españolas (344 participantes) y 9 inglesas (162 participantes). Los análisis de datos se realizaron en tres fases: a) exploración de la estructura de las valoraciones sobre la utilidad de los recursos digitales mediante análisis de clases latentes; b) estimación de los modelos factoriales confirmatorios para las variables procesos de evaluación, Historia como materia formativa, y competencias históricas; c) estimación de las diferencias entre clases. Los resultados mostraron cuatro perfiles de respuesta en función de la opinión sobre el uso de los recursos en el aula, y polarizadas en torno a dos ítems: cómics y videojuegos. También se ha podido comprobar importantes diferencias entre clases en cuestiones metodológicas (prácticas tradicionales e innovadoras); y diferencias menos importantes sobre percepciones epistemológicas y de desarrollo de competencias históricas en el aula.
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 | 0,013 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».