Social Media as a Tool for the Development of Future Journalists’ Communicative Competence
Notice bibliographique
Résumé
The aim of the work was to test the opportunities that social media offers on the Internet as a tool to improve the future journalists’ communicative competence. Sociological methods were involved in the research in order to achieve its aim: a method of testing respondents to identify their initial level of communicativeness on the Communicative Competence Test and the Questionnaire Survey Method to obtain feedback from participants in the experiment. Working on media content on the Internet proved to improve communication skills of future journalists with the help of popular YouTube media and blogs with bright visual content. It was found that media resources can be used during lectures to stimulate interest and to engage students in active learning that promote deeper knowledge. The possibility of involving online mass media in joint learning, problem solving, interactive lecture demonstrations, as well as discussions was noted. A number of difficulties that the course participants encountered were found: a thorough understanding of copyright law, increased workload, lack of skills in working with electronic text, video and audio content, increased visual load. However, these difficulties did not affect the quality of training and allowed the participants to improve not only communication skills but also digital information skills and online media literacy. It was proved that social media is a powerful additional tool that encourages students to actively study, get high results and sustainable professional skills that are in demand in the future workplace. The media cannot, however, replace traditional teaching methods which are based on personal communication. Further research is required on complex long-term courses that use a wider range of media, including Tik-Tok, Facebook, Instagram, extended blogs in the form of a multipage website, a funnel for gathering the target audience and subscribing.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».