MétaCan
Menu
Retour à la cohorte
Enregistrement W3115347874 · doi:10.37119/ojs2020.v26i1.467

Digital Citizenship in Ontario Education: A Concept Analysis

2020· article· en· W3115347874 sur OpenAlexaffvenueabout
Alexander Davis

Notice bibliographique

Revuein education · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media and Politics
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésCitizenshipConceptualizationGood citizenshipConstruct (python library)DemocracyCitizenship educationSociologyPolitical sciencePublic relationsLawComputer sciencePolitics

Résumé

récupéré en direct d'OpenAlex

Digital citizenship indicates one’s place in digitized society; however academics have not established a cohesive understanding about how digital citizenship is characterized. The Ontario Ministry of Education also does not provide a central conceptualization of digital citizenship and instead encourages Ontario school boards to construct and communicate ideas of digital citizenship. Accordingly, Ontario policymakers, educators, and students use differing understandings of digital citizenship, which ultimately impedes educational initiatives and hinders the overall development of the concept. For this paper, therefore, I inquired as to how Ontario public school boards portray digital citizenship. Using concept analysis, I examined digital citizenship documents from the 10 largest English Ontario public school boards. The results suggest that digital citizenship is predominately characterized by responsible and ethical technology use. I conclude with a discussion about how this representation relates to democratic citizenship more broadly and the implications this may have on youth civic engagement. Keywords: digital citizenship; technologies and education; democracy and education; democratic citizenship; concept analysis

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,243
Score d'incertitude au seuil0,619

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0080,012
Études des sciences et des technologies0,0090,011
Communication savante0,0070,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,040
Tête enseignante GPT0,342
Écart entre enseignants0,302 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations8
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuein educationMême sujetSocial Media and PoliticsTravaux en français237 207