Development of Non-Formal Education Program Enhancing Media Literacy for Families
Notice bibliographique
Résumé
Media literacy has become an essential skill for all age groups in today’s complex digital environment. This study aimed to development of non-formal education program enhancing media literacy for families, based on a qualitative case study analysis in Thailand. Eight diverse families were selected and interviewed in-depth to examinevtheir media usage behaviors, experiences with misinformation or online scams, and family communication patterns regarding media. Thematic analysis of the interview data revealed several key factors contributing to media literacy at both personal and family levels. These included overreliance on a single familiar medium, lack of critical analysis and verification of information, overtrust in media content and endorsements, and insufficient communication within the family about media-related issues. Many family members who fell victim to media scams admitted that they did not cross-check information or discuss decisions with others beforehand. Based on these insights, a non-formal education program for families was designed. The program emphasizes collaborative learning among family members, covering core media literacy skills of access, analysis, and evaluation of media content. It consists of interactive learning activities that engage both parents and children in analyzing media messages, sharing experiences, and practicing safe media habits. The findings highlight that empowering families with media literacy and encouraging open intra-family communication can build a first line of defense against misinformation and fraud. The paper discusses how the family-based program can be implemented and offers recommendations for educators and policymakers to support and sustain media literacy education in the family context. All in all, this research contributes a practical family-focused approach to strengthening media literacy, which is critical for safe and informed media consumption in the digital age.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».