Why Does Digital Learning Matter? Digital Competencies, Social Justice and Critical Pedagogy in Initial Teacher Education
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Digital tools and spaces are becoming prevalent in schools across the world requiring the development of digital skillsets for student-teachers. Digital technology, in enabling education to extend beyond the space and time boundaries of the conventional classroom (Seifert, T., Sheppard, B. Wakeham, M., 2015) , brings the digital landscape into the classroom and firmly into the frame of reference for those preparing student-teachers to enter the profession. For Initial Teacher Education (ITE) programmes which foreground social justice, the digital (technology which is linked to the internet) goes far beyond a skillset or a discrete subject. Engaging with digital learning encompasses the 21st century context - both local and global - in which student-teachers and their future pupils are situated. Developing a critical pedagogic approach involves understanding the context in which one lives and enabling learners to challenge or change it (Freire, 1996) . For those working in ITE a postdigital lens provides a means to understand the context in which they are situated. Critical pedagogy enables student-teachers to understand that context and challenge the inequities which persist, preparing them not simply to navigate the digital landscape, but to engage with it critically. Reflecting on student-teacher learning this article explores the digital dimension, highlighting the importance of digital learning when engaging with critical pedagogy and social justice in ITE.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle