Revisiting media literacy measurement: Development and validation of 3‐factor media literacy scale
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
Abstract Background In this technologically advanced era, media literacy is necessary to effectively evaluate the information and understand various biases inherent in media messages. Several media literacy (ML) tools are available; however, we need generic and objective tools that can be applied to all forms of media messages. Objectives The current study aimed to develop and validate an objective and generalized measure of media literacy based on the previously available tools. This study suggested that the access component should be removed from the media literacy tools as recommended in previous literature. Methods The total of 386 respondents, both males and females, were recruited from different universities in Lahore. The age of the sample ranged from 18 to 25 (M=20.98, SD=2.12), with an approximately equal proportion of males (47%) and females. Results and Conclusions This study proposed a compact Media Literacy Scale (MLS) with 3 constructs: analyze (09 items; α=.76), evaluate (08 items; α=.72), and comprehend (07 items; α =76). This 24 items scale explains 55.4% variance was administered to 386 respondents aged 18 to 30 years (M=20.98, SD=2.12). This developed scale will help assess the baseline level of media literacy in the audience so that in the future, evaluation of the efficacy of media literacy, and media literacy programs could be provided.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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