Assessing Digital Competency Among Thai Citizens: A Comprehensive Study in the Post-Covid-19 Era
Notice bibliographique
Résumé
During the past Covid-19 pandemic, the digital skills of Thai citizens have transformed. This study will lead to ways to promote and develop digital skills and competency in various fields in order to be ready to cope with the Next Normal era. The study of digital competency of Thai citizens aimed to 1) study the digital competency of Thai people, and 2) compare the digital competency of Thai citizens in terms of gender, age and educational background. The 912 research samples were obtained by volunteer sampling. The research instrument was an online evaluation form. Data were analyzed by percentage, mean, standard deviation, t-test for independent samples by one-way ANOVA. The research found that 1) the overall digital competency of Thai citizens was at a high level, in terms of digital knowledge and skills and characteristics to use digital information technology and communication with confidence and creativity to achieve goals related to work, learning, and participation in society. When considering each aspect, it was found that communication and collaboration, safety, information and data literacy, problem solving, and digital content creation were all at a high level respectively; and 2) When comparing the digital competency of Thai citizens, it was found that the samples with different genders had no statistically significant difference in digital competency. As for age and educational backgrounds, there was a statistically significant difference in digital performance at the .05 level, except for the digital competency in safety which had no statistically significant difference. The overall digital competency of Thai citizens at all educational levels is high, and those in advanced professional fields have the highest level of digital competency overall. This is in line with the regulations of numerous Thai universities and vocational schools, which mandate that final-year students take a Digital Literacy Test.
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 | 0,002 | 0,003 |
| 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 | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».