Critical digital literacies, generative AI, and the negotiation of agency in human-AI interactions
Notice bibliographique
Résumé
Drawing on the notion of critical digital literacies (CDL) ( Darvin, 2017 ; 2025a ), this qualitative case study investigates the extent to which multilingual secondary school students in Canada exercise agency when they interact with generative artificial intelligence (GenAI) technologies. Recognizing how learners have unequal access to resources that involve the use of GenAI, it poses the question: To what extent do learners enact CDL, and what enables or constrains their enactment? Data were collected through interviews, observations of learners' GenAI usage, and digital artifacts, including screenshots of prompts and AI-generated texts. Thematic analysis was employed to understand learners’ dispositions towards these technologies, and their GenAI practices, while multimodal analysis provided insights into how learners negotiated their agency as they interacted with GenAI platforms. Represented by two exemplar cases, findings show how learners who used GenAI primarily through apps in mobile phones or chatbots embedded in social media platforms, tended to adopt a passive stance towards GenAI, accepting generated output without much critical evaluation. In contrast, learners with access to a laptop and multiple GenAI platforms, demonstrated a more critical disposition towards this technology, comparing outputs across platforms, questioning their reliability, and verifying information through lateral reading. By drawing attention to how material conditions of access and platform design can constitute dispositions towards GenAI and CDL, this study calls on educators to support learners in identifying and challenging inequalities and ideological biases embedded in these technologies, to foster more equitable and inclusive GenAI literacy practices.
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 | 0,013 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,065 |
| Communication savante | 0,022 | 0,019 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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.
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 ».