Synthesizing Digital Teacher Competencies for Teaching Profession Students in Higher Education
Notice bibliographique
Résumé
The synthesis of digital teacher competencies for students in the higher education teaching profession aims to: 1) synthesize digital teacher competencies for teacher students in higher education 2) assess how suitable these digital teacher competencies are for students in the teaching profession within higher education. This study employed document analysis and exploratory research. The researcher conducted an in-depth analysis of research papers and articles published from 2014 to 2023 related to digital teacher competencies in higher education students. These papers had been published in research database and were selected based on their titles and keywords. In total, 22 research papers were initially considered. After a rigorous review, 12 studies in both Thai and English were shortlisted for further analysis. The researcher synthesized a theoretical framework and a design framework. Then, a questionnaire was administered to 5 experts in the field, and their responses were analyzed using statistical measures, including averages and standard deviations. The results of the research showed that 1) digital teacher competencies for higher education teacher students consist of 9 competencies, namely: Competency 1. Knowledge, skills, abilities about digital technology, Competency 2. Adaptation and change of technology. Competency 3. Solving problems and using digital technology and organizing virtual environments 4. Ethics, morality and technological safety 5. Communication and team work 6. Teaching strategies and ICT application 7. Innovative education creators and evaluators 8.expected characteristics and learned lesson, and 9. Connecting knowledge and fostering collaboration; 2) the results of the assessment of the suitability of digital teachers for higher education students by experts are at the most appropriate level, with a mean (x ) score of 4.51, a standard deviation (S.D.) of 0.21.
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 | 0,017 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,017 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».