MétaCan
Menu
Retour à la cohorte
Enregistrement W4390655615 · doi:10.4018/979-8-3693-2314-4.ch007

Digital Competencies in the Global Curriculum Landscape

2024· book-chapter· en· W4390655615 sur OpenAlexaboutno aff
Mustafa Öztürk Akçaoğlu, Burcu Karabulut Coşkun

Notice bibliographique

RevueAdvances in business information systems and analytics book series · 2024
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRubricCurriculumThe InternetDigital literacyContext (archaeology)Nonprobability samplingMedia literacy21st century skillsPedagogyMathematics educationSociologyPolitical scienceGeographyPsychologyComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

This chapter aims to critically examine the extent to which the curricula followed in educational institutions cover technology use self-efficacy, technology-based information literacy skills, correct technology, and internet use behaviors in the 21st century. In this context, the primary and secondary school curricula of countries selected through purposive sampling, namely Türkiye, the United Kingdom, Canada, Australia, Finland, India, and South Africa, were comparatively examined using the systematic content analysis method with the assistance of The Digital Curriculum Evaluation Rubric. The curricula were analyzed in their entirety using a content analysis table, which involved categorizing the various dimensions of the curricula based on the digitalization elements outlined in the rubric. The findings of this analysis were then presented to shed light on the coverage of technology-related skills and behaviors within the curricula.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,979
Score d'incertitude au seuil0,835

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,006
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,264
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in business information systems and analytics book seriesMême sujetOnline and Blended LearningTravaux en français237 207