Regaining focus: Promoting attentional literacy in digital higher education
Notice bibliographique
Résumé
The attentional demands placed on digital learners have grown, with online and blended education increasingly impacted by hyperconnectivity and digital disarray. In this context, it is essential for educators to help learners develop attentional literacy (AL). Building on past research on AL which fused insights from the fields of digital literacies and contemplative pedagogy (CP), this Delphi study examined the concept of AL and associated practices in higher education. Starting with a working definition of AL, expert feedback was invited from a global panel of experienced CP practitioners across academic disciplines. Through three Delphi rounds, the AL definition was validated and refined, before an abbreviated version was produced to facilitate operationalisation by digital educators who may not have a CP background. The study further explored how AL can be integrated into online higher education curricula, identifying strategies for educators and students to develop AL practices and address barriers to these practices. Despite systemic and structural constraints, cultivating AL allows educators and students to exercise a greater degree of individual and collective agency over their own attention in a digital world. Implications for practice or policy: Students can be guided in developing AL through a series of stages involving awareness and noticing, focus and intentional choice, openness and curiosity, and consideration of the wider attentional ecosystem. Educators should develop their own AL first, approaching it holistically by integrating personal, pedagogical and professional development-related practices, along with complementary offline activities. Institutions can maximise scope for AL development by increasing technological support and, especially, reducing curricular time pressure on educators and students.
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 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 | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 tête enseignante, 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 ».