The Driving Force for Sustaining Future Competencies for University Students in the Digital Era: Learning Strategies
Notice bibliographique
Résumé
This study explores how learning strategies act as key drivers in strengthening sustainable competencies among university students in the digital age. As issues such as misinformation, cyberbullying, and online fraud increasingly threaten personal and societal well-being, digital literacy has become a critical competency. Learning strategies, particularly metacognitive self-regulation and resource management, play a crucial role in enhancing digital literacy by facilitating the critical evaluation of information and ethical decision-making. These strategies interact with digital literacy to foster core competencies—encompassing cognitive, emotional, and social abilities—which enable students to navigate complex digital environments responsibly and ethically. In this way, students not only enhance their capacity for critical thinking and problem-solving but also contribute to societal progress and pursue personal well-being in an increasingly digital world. This study employs a quantitative research design, using surveys with university students and random sampling to examine the relationship between learning strategies and digital literacy. The findings reveal that while cognitive strategies alone had limited effects, metacognitive self-regulation and resource management strategies were essential in translating digital literacy into practical skills. These skills empower students to critically assess information, identify credible sources, and navigate ethical challenges in both academic and real-world contexts. The results underscore the importance of embedding targeted learning strategies, particularly metacognitive self-regulation and resource management, within educational frameworks. These strategies help cultivate resilient, responsible digital citizens who are capable of addressing the ethical and practical challenges posed by the digital era. By equipping students with the necessary tools to engage responsibly and ethically in digital spaces, higher education institutions can foster the development of autonomous, reflective learners prepared for the complexities of the digital world.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 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 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 ».