Aspects of the implementation of digital tools in the visual arts classroom
Notice bibliographique
Résumé
The aim of this research compilation is to show and discuss aspects of the implementation of digital tools in the visual arts classroom in Sweden. The purpose is to find out what approach visual art teachers have to the use of digital tools in their classroom, and how this affects the lessons and interactions between the students and the teachers. The articles have been found through multiple sources, the ones used are ERIC, SwePub and DiVa-Portal. The articles are all peer-reviewed and published after 1996. The main amount of articles are in a Swedish context, but there’s also a few international articles to give a broader perspective. These other articles come from Australia, Canada and the United Kingdom. Some of the articles haven’t been found via the mentioned sites, but were nudged to us by our supervisor. The results show that visual art teachers are still to some degree reluctant to incorporate the use of digital tools in the visual arts classroom. This is mostly due to lack of knowledge, skills or resources available for the teacher. Another part is that the visual arts still are considered a creative hands-on subject, which makes it hard to implement digital tools since they mostly are considered theoretical tools. This research compilation concludes that there’s still further work to be done to implement digital tools in a way that visual art teachers can fully use. And there’s still a need for digital competence among both students and teachers. However, it’s already starting to turn, with more students gaining access to their own personal computers, consequently more opportunities for digital learning appearing.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».