Temel Eğitim Programlarında Dijital Okuryazarlık
Notice bibliographique
Résumé
Bu araştırmada, Temel Eğitim Programları dijital okuryazarlık bağlamında incelenmiştir. Nitel araştırma deseni benimsenen çalışmada veri toplama tekniği olarak doküman analizi kullanılmıştır. Araştırmanın veri kaynağını; temel eğitim Türkçe, matematik, fen bilimleri, sosyal bilgiler ve hayat bilgisi dersi öğretim programları oluşturmaktadır. Öğretim programlarının seçiminde ölçüt örnekleme yöntemi kullanılmıştır. Ölçüt, derslerin okullarda haftada en az 3 ders saati işleniyor olmasıdır. Bu araştırmada öğretim programlarının tema ve kategorileri, “bağlam, kazanım, eğitim durumları ve ölçme-değerlendirme”dir. Analiz birimi olarak da “kelimeler ve ilgili paragraflar” belirlenmiştir. Doküman incelemesinden elde edilen veriler içerik analizi ile çözümlenmiştir. Araştırma sonucuna göre öğretim programlarının bağlam boyutunda dijital okuryazarlığın “dijital yetkinlik” olarak yer aldığı; kazanım boyutunda dijital okuryazarlık becerisiyle ilgili kazanımların bulunduğu, Türkçe, sosyal bilgiler, hayat bilgisi dersi öğretim programında diğer öğretim programlarına göre dijital okuryazarlığa daha çok yer verildiği görülmüştür. Sosyal bilgiler öğretim programında tüm sınıf seviyelerinde dijital okuryazarlık becerilerine ilişkin düzenli kazanımların olduğu, ayrıca fen bilimleri öğretim programının dijital okuryazarlık bağlamında en az kazanıma sahip öğretim programı olduğu belirlenmiştir. Fen, Türkçe ve sosyal bilgiler öğretim programında eğitim durumları boyutunda dijital okuryazarlık becerilerine yer verildiği ortaya çıkmıştır. Eğitim durumları boyutunda, matematik ve hayat bilgisi dersi öğretim programında, ölçme ve değerlendirme boyutunda ise hiçbir programda dijital okuryazarlığa yer verilmediği ortaya çıkmıştır.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».