MétaCan
Menu
Retour à la cohorte
Enregistrement W3118612437 · doi:10.7821/naer.2021.1.616

Digital Rights, Digital Citizenship and Digital Literacy: What’s the Difference?

2021· article· en· W3118612437 sur OpenAlexaff
Luci Pangrazio, Julian Sefton‐Green

Notice bibliographique

RevueJournal of New Approaches in Educational Research · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media and Politics
Établissements canadiensImpact
Organismes subventionnairesMinisterio de Economía y Competitividad
Mots-clésCitizenshipLiteracyDigital literacyPolitical scienceSociologyPedagogyLawPolitics

Résumé

récupéré en direct d'OpenAlex

Abstract Using digital media is complicated. Invasions of privacy, increasing dataveillance, digital-by-default commercial and civic transactions and the erosion of the democratic sphere are just some of the complex issues in modern societies. Existential questions associated with digital life challenge the individual to come to terms with who they are, as well as their social interactions and realities. In this article, we identify three contemporary normative responses to these complex issues –digital citizenship, digital rights and digital literacy. These three terms capture epistemological and ontological frames that theorise and enact (both in policy and everyday social interactions) how individuals learn to live in digitally mediated societies. The article explores the effectiveness of each in addressing the philosophical, ethical and practical issues raised by datafication, and the limitations of human agency as an overarching goal within these responses. We examine how each response addresses challenges in policy, everyday social life and political rhetoric, tracing the fluctuating uses of these terms and their address to different stakeholders. The article concludes with a series of conceptual and practical ‘action points’ that might optimise these responses to the benefit of the individual and society.

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)0,012
score de la tête « metaresearch » (Gemma)0,024
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: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,024
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,053
Communication savante0,0220,028
Science ouverte0,0010,007
Intégrité de la recherche0,0070,008
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,269
Tête enseignante GPT0,436
Écart entre enseignants0,167 · 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

Citations251
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of New Approaches in Educational ResearchMême sujetSocial Media and PoliticsTravaux en français237 207