MétaCan
Menu
Retour à la cohorte
Enregistrement W4408007478 · doi:10.1177/00936502251318630

Promoting Mis/Disinformation Literacy Among Adults: A Scoping Review of Interventions and Recommendations

2025· review· en· W4408007478 sur OpenAlexaff
Megan Boler, Hoda Gharib, Yoon-Ji Kweon, Amanda Trigiani, Barbara Perry

Notice bibliographique

RevueCommunication Research · 2025
Typereview
Langueen
DomaineSocial Sciences
ThématiqueMisinformation and Its Impacts
Établissements canadiensOntario Tech UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDisinformationMedia literacyPsychological interventionLiteracyPolitical sciencePsychologyInformation literacyEnvironmental healthSocial mediaMedicinePedagogy

Résumé

récupéré en direct d'OpenAlex

This scoping review contributes an overview of recent research on effective media literacy interventions and recommendations relevant to cultivating critical mis/disinformation literacies for adults. The review examines articles published between 1 January 2016–22 November 2021 that report on or provide recommendations for media literacy interventions for adults suited to the emerging challenges of disinformation. Our findings reveal diverse intervention formats and evaluation methods including course-, web-, or game-based interventions, public events, and visual resources. Experts recommended teaching about emotion targeting and regulation, algorithmic governance, lateral reading, visual technology, and using interactive formats. Studies of evaluated interventions outside of formal education were scarce. Our review reveals significant debates around the usefulness of checklists and how to address politically sensitive issues, skepticism, and authority in programing. Future research and programing must attend to the needs of adult populations outside of formal education, and draw particularly upon librarians’ integral role in delivering community-based mis/disinformation literacy programing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,053
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,053
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0050,005
Bibliométrie0,0130,010
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,290
Tête enseignante GPT0,614
Écart entre enseignants0,323 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunication ResearchMême sujetMisinformation and Its ImpactsTravaux en français237 207