A study of factors influencing digital ethical literacy among elementary and secondary pre-service teachers: a structural equation modeling analysis
Notice bibliographique
Résumé
With the application and development of generative AI technologies such as ChatGPT in the field of education and teaching, higher requirements have been put forward to improve the digital ethical literacy of pre-service teachers.However, there are still impediments to the current development of digital ethical literacy among pre-service teachers.Therefore, based on the social cognitive theory, this study aims to discuss the individual-level, behavioral-level, environmental-level, and social-level factors and their relationships that affect pre-service teachers' digital ethics literacy.A total of 524 preservice teachers in China were used as the study population.The study found that the factors influencing pre-service teachers' digital ethics literacy include seven dimensions: personal values and digital ethics awareness at the individual level, digital ethics education competence and digital technology use skills at the behavioral level, resources and environment of the school and related educational policies at the environmental level, and social recognition at the social level.Among them, there are some interactions between the individual and behavioral dimensions, the environment and individual dimensions, the environment and behavioral dimensions, the individual, behavioral and environmental dimensions, and the social and individual behavioral dimensions two by two, and they play a positive influence on improving the digital ethical literacy of the pre-service teachers, but the interactions between the social and environmental dimensions are not significant.On this basis, the improvement of digital ethical literacy of pre-service teachers is discussed to provide some references for the related research on improving digital ethical literacy of pre-service teachers.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».