Towards AI Literacy: 101+ Creative and Critical Practices, Perspectives and Purposes
Notice bibliographique
Résumé
“This collection of AI stories and examples in education exemplifies citizen science at its finest. It captures the authentic voices of individuals who are actively testing and expanding their AI literacy, sharing their experiences to support and inspire others. Through their contributions, they collectively advance our understanding and application of AI in educational settings, showcasing the true spirit of community-driven learning and innovation. Your feedback is encouraged; this story is only beginning". \nDr Margaret Korosec, Dean of Online and Digital Education, University of Leeds \n \nThis is the second open crowdsourced collection by #creativeHE which presents creative and critical practices, perspective and purposes from educators, researchers and students between September 2023 and January 2024. \n \nWe are grateful for all 119 contributions from 22 countries including Argentina, Australia, Bangladesh, Brazil, Canada, China, Egypt, France, Germany, Greece, Ireland, Israel, Italy, Mexico, Netherlands, Slovenia, South Africa, Spain, United Arab Emirates, United Kingdom, Uruguay. \n \nAs the collection is made available under the Creative Commons License CC-BY-NC-SA licence, anybody can use the collection as open data to further interrogate the use of AI in Education. Please share any resulting outcomes with the editorial team and the wider community.
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 | 0,020 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,013 | 0,029 |
| Communication savante | 0,032 | 0,017 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».