Evaluating the Impact of Smart Learning-Based Inquiry on Enhancing Digital Literacy and Critical Thinking Skills
Notice bibliographique
Résumé
The erosion of essential competencies required for the development of digital literacy and critical thinking skills in the 21st century-attributable to factors such as underutilization of the internet for educational purposes, students' limited abilities in digital operations, information gathering, communication, collaboration, and a deficiency in critical analysis or selection of information-necessitates innovative educational strategies.The smart learning-based inquiry (SLBI) strategy, an advancement from traditional inquiry methods, aims to deepen understanding of learning concepts and problem-solving through digital technology application.This research evaluated the efficacy of the SLBI strategy in augmenting students' digital literacy and critical thinking abilities.Employing a quasiexperimental design with pretest-posttest control groups, the study utilized critical thinking tests and digital literacy questionnaires for data collection.Instrument validity was assessed using the Karl Pearson moment product test formula, yielding r values ranging from 0.465 to 0.724 for the test instrument and 0.556 to 0.945 for the questionnaire.Reliability was verified through Cronbach's alpha, with r values of 0.945 for the test instrument and 0.805 for the questionnaire.Descriptive and inferential statistical analyses were conducted to ascertain the strategy's effectiveness post-implementation. Results indicated that the SLBI strategy, encompassing six stages (orientation, conceptualization, investigation, designing digital reports, reflection, and publishing), significantly improved digital literacy (effect size 2.548, categorized as large) and critical thinking skills (effect size 1.504, also categorized as large) relative to traditional inquiry learning methods.These findings suggest that educators should consider incorporating SLBI strategies to enhance learning outcomes.Furthermore, the research opens avenues for future studies to explore the applicability of SLBI in fostering other competencies such as creative thinking, communicative skills, and learning motivation.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».