Embedding Digital Fluency in Our Courses: Moving from Theory to Practice
Notice bibliographique
Résumé
An increasing amount of literature from academic, governmental and non-governmental organizations (Kluzer, Reyna, Hanham, & Meier, 2018; Kluzer & Pujol Priego, 2018, etc.) points to the need for post-secondary institutions to do more to prepare students to be fluent in the consumption, understanding and use of digital media and tools. Digital fluency is increasingly seen as an essential skillset for graduates’ employability and for their citizenship, but while there is strong consensus about the need for students to be more digitally fluent, there is less consensus about what digitally fluency is, or about how to teach it. This paper will offer a working definition of digital fluency and describe an approach to fostering student digital fluency development that can be applied to a wide range of courses. Drawing on frameworks by various governmental and non-governmental organizations, as well as current scholarship in the field of teaching digital literacy (Ng, 2012.; Caufiled, 2017, Ungerer, 2016, Hinrichsen & Coombs, 2013, etc.), the paper will provide an explanation of the rationale behind the framework tool that the author has developed and the paper will conclude with an explanation of how to use the tool to embed specific and authentic digital fluency skill development at the course level.
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 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 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».