Digital literacies, social media, and undergraduate learning: what do students think they need to know?
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 This research addresses an identified need to further understand digital literacies (DL) and whether undergraduate students view DL as being important in their lives and in their learning. Using a cross-sectional survey sent to a stratified random sample of 2500 undergraduates representative of the overall student population at a medium-sized Canadian undergraduate university (survey response rate of 19.8%, N = 496), we explored the relationships between social media and digital literacies, particularly in different disciplinary contexts. We also explored the ways in which students report using social media in their university learning, showing that students value social media for collaboration, discussion, information finding and sharing, and practise activities related to their learning. Additionally, we examined the importance students place on DL, and how they perceive and rate their own abilities with digital literacies across three domains: procedural and technical, cognitive, and sociocultural. Findings illustrate an observable gap between the high importance that students place on digital literacies (including DL for social media) in their learning and their lives and the lack of coverage students reported receiving about these topics in their undergraduate education. Based on the study’s findings, we discuss the specific ways that those in the higher education community can address this gap by engaging with and fostering development of digital literacies within specific disciplinary and professional contexts, and in interdisciplinary or transdisciplinary learning settings across the curriculum.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,004 |
| 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