Critical Media Literacy in Pedagogy and in Practice: A Descriptive Study of Teacher Education Instructors and Their Students.
Notice bibliographique
Résumé
This qualitative study explored the exchange between post-secondary Critical Media Literacy instructors and their students, describing their understandings of Critical Media Literacy, as well as their pedagogical struggles, within the context of a teacher education program. \tThe data suggested that the UCLA instructors understood Critical Media Literacy as a pedagogy rather than as a content area. They described this pedagogy as one that fosters radically open learning environments, that poses questions rather than delivering material, and one that uses media and technology to develop students' critical thinking skills. Their pedagogical struggles were those of addressing the construct of whiteness, conducting assessment that demonstrates and promotes students' learning, and teaching students with diverse backgrounds and hectic schedules. \tThe UCLA Teacher Education Program's graduates and students explained that integrating Critical Media Literacy into their high school Humanities classrooms increased their students' level of engagement with one another and with their communities. They described their challenges as the lack of access to technology and classroom materials, as well as the mandates to prepare students for standardized tests. While in-service teachers integrated Critical Media Literacy into their classes, pre-service teachers were less likely to do so, fearing that Critical Media Literacy would stimulate conversations too controversial for the high school setting. \tThis study depicts Critical Media Literacy as an engaging, relevant pedagogy, while revealing how educators understand and integrate Critical Media Literacy into their curricula. Future studies concerned with promoting Critical Media Literacy in the classroom should examine how instructors assess their students' learning, as well as how they navigate controversial materials with various student populations.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».