Development of Digital Literacy and Digital Empathy with Micro-learning via Activities on Metaverse
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This research is related mainly to the study of the results on the development of digital literacy and digital empathy with micro-learning via activities on metaverse. The main concept of this study is based on the integration of micro-learning process with metaverse technology in order to encourage and provide learners with opportunities to create bodies of knowledge and engage in joint activities through the network system that can be accessed anywhere and anytime. The objectives of this research are (1) to synthesize the conceptual framework of the micro-learning via activities on metaverse, (2) to design the micro-learning process via activities on metaverse, and (3) to study the results of the development of digital literacy and digital empathy with the micro-learning via activities on metaverse. Thereby, this study relies on the pre-experimental research method with one-shot case study, in which the research participants are 30 undergraduate students of Pakse Teacher Training College, Lao People's Democratic Republic, who were derived by means of cluster sampling and well protected under the policy of confidentiality and anonymity. The research results show that (1) the students’ digital literacy and digital empathy, after learning with the micro-learning via activities on metaverse, are at very good level (mean = 43.20, SD = 2.35), and (2) the overall satisfaction towards the micro-learning via activities on metaverse is at high level (mean = 4.42, SD = 0.78). In reference to the above research results, it is evident that the micro-learning via activities on metaverse enables the students to quickly develop their digital literacy and digital empathy after receiving new experiences and new knowledge because the knowledge gained from the learning of this style is easy to remember and can be applied in an effective manner.
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.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle