Training Curriculum Development for Enhancing Teacher’s Digital Literacy Ability for Classroom Management of at Nanchang Vocational University, China
Notice bibliographique
Résumé
The main objective of this study is to develop a training curriculum that integrates the basic components of digital literacy and the 70-20-10 learning model to enhance the digital literacy abilities of teachers at Nanchang Vocational University. The curriculum mainly includes the following two research questions: (1) What is the current status, desirable, and needs assessment of teachers at Nanchang Vocational University in utilizing Teacher's digital literacy? (2) How to design and develop training curriculums aimed at improving the ability of teachers at Nanchang Vocational University to use digital technology for classroom management? This study used Using literature research methods, analyze the composition of teachers' digital literacy, as well as the main components of curriculum development. And used targeted questionnaires and interview outlines to survey 316 teachers and interview 8 experts at Nanchang Vocational University to analysis the level of ability and urgent needs, as well as the learning methods of training curriculums. The results of the study revealed that: 1. The following four abilities urgently need to be improved 1) Digital application 2) Digital Technology Knowledge and Skills 3) Digital awareness 4) Professional development. 2. The four elements of curriculum development: objectives, content, learning methods, and evaluation. 3. The learning method we use for training curriculum development is 70-20-10. 4. Developed a 120 hours training curriculum.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».