Notice bibliographique
Résumé
COVID-19 has created significant changes in the everyday lives of teachers, children and parents. Due to school lockdowns in the spring semester of 2020, teachers shifted from in-person classroom teaching into “emergent remote teaching” (Hodges et al. 2020, para. 5), where digital tools and software were used for instruction and teacher-student communications. Many children have also shifted their social lives from face-to-face to virtual interactions (Hutchins 2020); for example, engaging in online family story reading, social media participation, and joining after school activities digitally. This pandemic has highlighted the importance of being literate in digital environments for children. Digital literacy, that is, literacy practices undertaken across multi-media, involving “accessing, using and analysing digital texts and artefacts in addition to their production and dissemination” (Sefton-Green et al. 2016, p. 15). The importance of the digital world and digital tools for the post-COVID future where digital literacy could become more prominently featured for teachers, children, and parents must not be underemphasized.
 
 In this presentation, I reviewed the literature on young children’s digital literacy practices at home. Many studies have illustrated the benefits and various kinds of learning that children get from their digital play at home, including emergent literacy learning (Neumann 2016), digital citizenship (Bennett et al. 2016), etc. Moreover, I presented the complex trajectories of children playing with their digital devices and toys at home (Marsh 2017). In the 21st century children’s home play, the boundaries between the virtual and physical worlds are blurring (Marsh 2010; O’Mara and Laidlaw 2011; Carrington 2017).
 
 More importantly, this literature review suggests a gap and an opportunity for future researchers to explore home digital literacy of children, who are from minority backgrounds in Canada, as literacy practices are socially and culturally situated. This presentation illustrates the importance of my proposed doctoral research, as my research aims to explore Culturally and Linguistically Diverse (CLD) children’s digital home literacy practices in Canada.
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 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 | 0,002 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 tête enseignante, 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 ».