MétaCan
Menu
Retour à la cohorte
Enregistrement W3040529931 · doi:10.20355/jcie29414

Case Studies, Cuts, and Critical Information Literacy

2020· article· en· W3040529931 sur OpenAlexaffvenue
Reece Steinberg

Notice bibliographique

RevueJournal of Contemporary Issues in Education · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLibrary Science and Information Literacy
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésInformation literacyLibrary instructionTask (project management)Government (linguistics)Face (sociological concept)LiteracyTransferable skills analysisCritical thinkingMathematics educationHigher educationComputer sciencePedagogyPolitical scienceSociologyPsychologyManagementEconomics

Résumé

récupéré en direct d'OpenAlex

Post-secondary institutions are responding to cuts in government funding by prioritizing skills-building directly related to employment. Conservative governments ignore employers’ call for transferable skills in new graduates, and use funding cuts to pressure educational institutions’ focus. Librarians face the challenging task of offering instruction in both specific technical skills and transferable thinking skills in a limited time period. Critical information literacy is increasingly included as part of instruction in post-secondary libraries, in addition to technical use of library resources.
 Case studies in library classes or workshops fit within required guidelines for career-focused learning and practical skills-building while providing opportunities for students to engage in analysis of information. Cases lend themselves well to progressive, learner-focused, and flexible modes of instruction. This paper includes practical examples of library instruction using case studies, and reasons to consider them a radical, relevant tool in post-secondary library teaching.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,810
Score d'incertitude au seuil0,976

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,037
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,051
Tête enseignante GPT0,412
Écart entre enseignants0,361 · 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'étudeSans objet
Domainenon disponible
GenreEmpirique

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

En bref

Citations4
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Contemporary Issues in EducationMême sujetLibrary Science and Information LiteracyTravaux en français237 207