Starting from ‘scratch’: Building young people’s digital skills through a coding club collaboration with rural public libraries
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
While digital infrastructure is clearly a critical factor in addressing the digital divide for rural society, it is only one component in realising the benefits of information and communication technology (ICT). It is increasingly acknowledged that citizens, governments, and businesses need to develop skills and motivations to use technologies. It is also recognised that young people and their rural communities are among those who gain the least from opportunities to engage in and benefit from an ever-evolving digital society. As with other areas of rural development, local community institutions and actors assume their own leadership in developing initiatives to overcome challenges and advance digital literacy and in this regard, public libraries have led and continue to hold considerable potential to champion this area. This article reports on the experiences of a 14-month community-based collaborative research project with public libraries engaged in a process of developing coding clubs for children and youth in rural Manitoba, Canada. Our research sets out to answer the questions: first, whether it is viable for public libraries to cultivate advanced digital skills among rural youth and contribute to bridging the rural-urban digital divide by running coding clubs following the CoderDojo model? And second, what are the critical conditions to ensure the success of public library coding clubs? In examining some of the experiences encountered in adopting the coding club as a model of digital literacy building, we discuss wider themes for rural public libraries interested in advancing digital literacy building within their communities.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,005 | 0,087 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle