Improving digital literacy in a digital world: Development of an evidence-based digital literacy program and assessment tool to evaluate youth digital literacy
Notice bibliographique
Résumé
The rapid expansion of digital connectivity has provided youth with near universal access to digital platforms for communication, entertainment, and education. This unprecedented access to digital devices continues to raise concerns about online safety, data privacy, and cybersecurity. The critical factor influencing the ability of youth to navigate digital platforms responsibly is digital literacy. While some regions across the world have implemented digital literacy programs, inequities and disparities remain in not only overall digital literacy levels, but also evaluation of digital literacy. To address these challenges, an environmental scan was conducted to identify existing digital literacy programs in Canada developed specifically for youth, as well as digital literacy assessment tools. The literature search encompassed peer-reviewed articles, organizational curricula, and assessment measures indexed in various databases. Data was synthesized from identified programs and assessment tools to inform the development of a new digital literacy program, and an assessment tool tailored for youth. The environmental scan identified 15 digital literacy programs targeting various components such as data safety, cyberbullying, and digital media. Based on the findings, a new program was developed focusing on four key components: 1) digital fluency, 2) digital privacy and safety, 3) ethics and empathy, and 4) consumer awareness. Additionally, 12 assessment tools were identified for digital literacy focusing on evaluating several aspects, including searching and processing digital information and digital safety, which informed the development of an assessment tool to complement the new program.Tailored digital literacy programs and assessments are crucial for understanding and addressing digital literacy among youth globally. This program's adaptability allows for customization to various target audiences, including culturally diverse and geographically remote communities, to enhance digital literacy across settings. Implementing digital literacy programs can better prepare youth for an increasingly digital world, while minimizing potential risks associated with technology use.
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 | 0,053 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».