Understanding Digital Literacy Training Success: An Exploration Across Canada
Notice bibliographique
Résumé
This paper reports progress of a SSHRC-funded research investigation that studies the factors affecting the success of digital literacy skills training offered by community-led organizations, such as public libraries, across Canada. The goal of the study is to identify best practices. The study also seeks to contribute to the theoretical understanding of digital literacy instruction led by community organizations. This paper reports preliminary results of the analysis of interviews with administrators and instructors from organizations in Canada which offer such training, as well as from interviews and surveys collected from people who took part in these organizations’ training activities. Cet article fait état de l'avancement d'une recherche financée par le CRSH qui étudie les facteurs influant sur le succès de la formation en littératie numérique offerte par des organismes communautaires, comme les bibliothèques publiques, partout au Canada. Le but de l'étude est d'identifier les meilleures pratiques. L'étude cherche également à contribuer à la compréhension théorique de l'enseignement de la littératie numérique menée par des organisations communautaires. Cet article présente les résultats préliminaires de l’analyse des entrevues avec des administrateurs et des formateurs d’organismes au Canada qui offrent une telle formation, ainsi que des entrevues et des sondages recueillis auprès de personnes ayant participé aux activités de formation de ces organismes.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,013 |
| Études des sciences et des technologies | 0,013 | 0,003 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».