"I think most people feel a sense of curiosity, but that you might also feel a little insecure because you don't really know yourself" : A Study of Primary School Teachers' Experience of Digital Tools and Attitudes Towards AI, in Relation to the Development of One's and One's Pupils' Digital Competency
Notice bibliographique
Résumé
Utan strikta etiska riktlinjer för hur AI-drivna verktyg och utbildningsprogram ska utvecklas växer implementeringen av dessa AI-artefakter i utbildningssystemet. Med detta växer också politiska och etiska frågor kring deras användning och påverkan på utbildningssystemets framtid. Syftet med vårt examensarbete är därför att utforska vilka erfarenheter lågstadielärare har av att använda olika digitala verktyg, speciellt AI, i undervisningen. Detta för att se hur deras digitala kompetens ser ut just nu, samt hur deras intention att utveckla denna digitala kompetens, utan eller i relation till AI, ser ut. Detta undersöks genom kvalitativa semistrukturerade intervjuer med 10 lågstadielärare från fyra olika svenska kommuner. Vårt resultat visar att alla lärare använder digitala verktyg i klassrummet, men att resursfördelningar påverkar elevernas möjligheter till utvecklandet av digital kompetens ju längre ner man är i årskurserna. Vidare uttrycker de flestalärare osäkerhet och beskriver sig ha ytliga kunskaper om AI. Det finns inga lärare med helt negativa eller positiva attityder till AI, dock finns det neutralitet gentemot AI. I diskussionen lyfts möjliga utmaningar för utvecklandet av digital kompetens hos lärare och elever samt vikten av att involvera lågstadielärares röster i frågan om implementeringen av AI i skolan.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,007 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».