Exploring learning opportunities for students in open data portal use across data literacy levels
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
Purpose The purpose of this study is to explore open data portals as data literacy learning environments. The authors examined the obstacles faced and strategies used by university students as non-expert open data portal users with different levels of data literacy, to inform the design of portals intended to scaffold informal and situated learning. Design/methodology/approach The authors conducted an observational user study, in which 14 student participants grouped by self-reported data literacy measures carried out assigned tasks in an open data portal. Data were collected through screen capture, think-aloud protocols and post-session interviews. Findings Participants experienced numerous challenges in finding and using data, with some variation shown between the different literacy groups. The higher data literacy group primarily faced challenges using unfamiliar tools, which may be addressed by improving system usability, while the lower data literacy group struggled due to gaps in basic understanding, which may be addressed by increasing point of need instruction and guidance. Participants used several learning strategies but primarily relied upon trial and error, which was less effective for low data literacy users. Originality/value This study is unique in comparing open data portal use among adult students across data literacy levels through an empirical user study. It contributes methodologically by proposing an instrument for data literacy assessment. It offers a novel perspective on information systems as sites for informal learning and skills development, beyond the immediate goals of system use, and offers concrete suggestions for the future design of open data portals for students and non-expert, citizen users.
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 | 0,011 | 0,001 |
| 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 | 0,004 | 0,000 |
| Communication savante | 0,004 | 0,036 |
| Science ouverte | 0,003 | 0,004 |
| 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