MétaCan
Menu
Retour à la cohorte
Enregistrement W4214521330 · doi:10.24834/educare.2022.1.4

The Media Literacy of Teenagers

2022· article· en· W4214521330 sur OpenAlexaffabout
Pierre Fastrez, Nathalie Lacelle, Julia Bihl, Eve Gladu, Éric Delamotte, Catherine Delarue-Breton, Christophe Ronveaux, Denise Sutter Widmer

Notice bibliographique

RevueEducare - vetenskapliga skrifter · 2022
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLiteracy, Media, and Education
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésCompetence (human resources)Media literacyFeelingPsychologyLiteracyEmpowermentInformation literacyPedagogyMathematics educationPolitical scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

In this paper, we present the conceptual framework, objectives, and methodology of an interdisciplinary research program (2018–2022) on the media literacy competence of teenagers in French-speaking Belgium, Quebec, France, and Switzerland. The program is undertaken by researchers in four universities, one in each national context. Focusing on information search and multimodal production as core media literacy activities, this program develops a multi-level assessment method to measure media literacy competence at varying levels of complexity. Additionally, we relate task-based measures of competence with self-reported competence and practices and seek to document the influence of the students’ interpretation of the tasks contexts and purposes, their motivation and feeling of empowerment, and their collaborative practices on the exercise of their media literacy. Preliminary results reveal that students report substantially higher levels of competence in information search than in web production; however, this difference is reduced when students assess their ability to perform specific search-related or production-related actions. These results are discussed in light of the potential usefulness of the program for teachers and for curricular design.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,619
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,017
Tête enseignante GPT0,234
Écart entre enseignants0,217 · 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.

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

Citations5
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEducare - vetenskapliga skrifterMême sujetLiteracy, Media, and EducationTravaux en français237 207