MétaCan
Menu
Retour à la cohorte
Enregistrement W4285137451 · doi:10.1016/j.ijer.2022.102014

The power behind the screen: Educating competent technology users in the age of digitized inequality

2022· article· en· W4285137451 sur OpenAlexaff
Jennifer N. Ross, Abby Eastman, Nicole Laliberté, Fiona Rawle

Notice bibliographique

RevueInternational Journal of Educational Research · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueDigital literacy in education
Établissements canadiensInstitute for Christian StudiesUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSituatedCompetence (human resources)InequalityDigital literacyPower (physics)SociologyDigital divideLiteracyWork (physics)PoliticsPedagogyPreconditionPolitical sciencePsychologyComputer scienceInformation and Communications TechnologyEngineeringSocial psychologyWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Digital technologies are deeply embedded in social, economic, and political hegemonies both past and present. Understanding the power dynamics, inequalities, and oppressions at work in and through digital technologies stands as a precondition to educating fully literate, fully competent digital citizens and technology users. This article is situated within an area of overlap between digital literacy and digital competence; that is, it is situated at the overlap of functional and cognitive skills, pedagogy and policymaking. We argue that it is crucial to introduce students to the language and theoretical frameworks examining what power is and how it functions in order to empower students to critically engage with the tangled ethics and power structures attendant with digital technologies and their data.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,013
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,014
Communication savante0,0130,018
Science ouverte0,0010,015
Intégrité de la recherche0,0040,007
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,076
Tête enseignante GPT0,433
Écart entre enseignants0,357 · 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 source (Gemma direct ou Codex distillé), 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

Citations17
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Educational ResearchMême sujetDigital literacy in educationTravaux en français237 207