MétaCan
Menu
Retour à la cohorte
Enregistrement W3196126752 · doi:10.15353/joci.v16i0.3485

Digital Justice

2020· article· en· W3196126752 sur OpenAlexvenueno aff
Suguna Chundur

Notice bibliographique

RevueThe Journal of Community Informatics · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media and Politics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDigital literacySociologyDigital divideSituatedCritical consciousnessLiteracyPedagogyEngineering ethicsKnowledge managementComputer scienceInformation and Communications TechnologyEngineeringWorld Wide WebArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

As technology use permeates many parts of society there are still groups where the penetration of technology is low: adults with little exposure to technology during their traditional learning years, users from lower SES, lower education levels, resulting in a digital divide between the digital haves and have-nots. This paper presents a community-based, mixed methods research project that endeavored to study the phenomenon of digital divide through a set of theoretical frameworks: Rawls’ principles of justice as fairness provided the overall social justice umbrella, Sen’s capability approach grounded the study in the specificities of learners’ lives and acknowledged learner diversity, and Horton’s cultural education, Freire’s critical consciousness, and Eubanks’ critical technology education provided the pedagogical lens to understand the importance of the critical learning process in digital education. The findings from the study support the concept of situated or contextual technology that seeks to increase the benefits of technology for adult learners while providing them the tools to manage complex digital environments through relatable instruction, user-centric design for technological tools and interfaces, and more robust government action in alleviating the digital divide through well-designed digital literacy programs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,194
Score d'incertitude au seuil0,579

Scores Codex et Gemma par catégorie

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

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 Opus0,080
Tête enseignante GPT0,346
Écart entre enseignants0,265 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Community InformaticsMême sujetSocial Media and PoliticsTravaux en français237 207