A study of digital literacy enhancement paths for physical education teachers in vocational undergraduate colleges based on multiple linear regression modeling
Notice bibliographique
Résumé
With the deepening of education modernization, improving teachers' digital literacy has become the key to promoting the digital transformation of education.The growing demand for professionals in modern society has made the digital literacy of physical education teachers in vocational undergraduate colleges more and more important.This paper defines digital literacy and the digital literacy of vocational undergraduate teachers in turn, explores the four connotations of digital literacy, and proposes strategies to improve the digital literacy of physical education teachers in vocational undergraduate colleges.The entropy value method was used to measure the digital literacy level of physical education teachers in vocational undergraduate colleges, determine the weight of teachers' digital literacy evaluation indexes, and select and analyze the influencing factors of teachers' digital literacy.Pearson correlation analysis was conducted on teachers' digital literacy and influencing factors, as well as various dimensions and influencing factors, and multiple linear regression models were constructed to analyze the improvement path.The measurement results show that in the dimension of digital awareness, the mean values of digital willingness, digital cognition, and digital will are 4.4269, 4.3484, and 4.3748, respectively, indicating that the subject vocational undergraduate physical education teachers are highly willing to learn and use digital technology resources.The correlation coefficients between the dimensions and influencing factors of digital literacy were roughly in the range of 0.4~0.7,and the P values were all < 0.01, indicating that there was a significant positive correlation between them.The path coefficients of "TS→DA", "TE→DA" and "TM→DA" were 0.0533, 0.0796 and 0.0789, which did not reach the significance level, while the other paths reached the significance level (P<0.05),indicating that there was a significant positive impact.
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 | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».