MANAGING THE INTERSECTION OF ARTIFICIAL INTELLIGENCE, DIGITAL TYPING, AND HANDWRITING FOR SUSTAINABLE QUALITY EDUCATION ENHANCEMENT
Notice bibliographique
Résumé
Objective: The research objective is to investigate how the rapid advancement of technology, particularly the increasing reliance on digital tools and artificial intelligence (AI) for note-taking and communication, influences handwriting practices. Specifically, to explore the attitudes, emotions, and experiences surrounding handwriting and digital communication in Jakarta. Theoretical Framework: This research employs Social Change Theory as the theoretical framework to understand how technology influences handwriting practices. Social Change Theory provides a lens through which to examine the societal shifts brought about by technological advancements, considering how these changes impact individuals' behaviors, attitudes, and perceptions regarding handwriting and digital communication. Method: The study utilizes qualitative research methods, including focus group discussions, observations, and interviews. These methods allow for a comprehensive exploration of participants' attitudes, emotions, and experiences related to handwriting and digital communication. Results and Discussion: Findings from the study suggest that while AI and digital typing offer efficiency and accessibility, handwriting retains unique cognitive and emotional benefits. Participants express a range of attitudes towards handwriting and digital communication, highlighting both the advantages and drawbacks of each method. Managing the integration of AI, digital typing, and handwriting in education emerges as a potential solution to address concerns about technology dependence while fostering critical thinking and cultural appreciation for sustainability and the enhancement of the quality of education, as SDG’ No. 4. Research Implications: The findings of this research have several implications for educational practice and policy that should recognize the value of incorporating handwriting alongside AI and digital typing in educational 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 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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,010 | 0,003 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».