La competencia digital en estudiantes de magisterio. Análisis competencial y percepción personal del futuro maestro
Bibliographic record
Abstract
La competencia digital del ciudadano se ha convertido en un elemento clave en las políticas educativas de cualquier etapa formativa. En este sentido, que el profesorado que imparte docencia en las diferentes enseñanzas haya adquirido y desarrollado sus propias destrezas en este ámbito, se postula como un prerrequisito básico para que los estudiantes puedan adquirir también esta competencia. En este trabajo se analiza la integración normativa de las Tecnologías de la Información y la Comunicación en las etapas de Educación Infantil y Educación Primaria, así como el planteamiento que se realiza de la formación tecnológica del profesorado como base para el estudio posterior. El objetivo principal de este trabajo, partiendo de la regulación normativa, es explorar la percepción que tienen los estudiantes de los títulos de Magisterio acerca de su propia competencia digital, interpretando los resultados en base a la propuesta del Marco Común de Competencia Digital Docente del Ministerio de Educación, Cultura y Deporte. Para ello, se ha diseñado un cuestionario ad-hoc, que ha sido respondido por 104 estudiantes de los Grados de Educación Infantil y Educación Primaria. Los resultados evidencian que los estudiantes (y futuros docentes) tienen, de modo global, un nivel de competencia digital intermedio, obteniendo mayores puntuaciones en las áreas de información y comunicación y mayores carencias en las áreas de seguridad, resolución de problemas y creación de contenidos. Es importante resaltar, asimismo que hay divergencias entre la percepción personal de los futuros maestros sobre su competencia digital y las capacidades reales que demuestran los resultados.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.023 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.004 | 0.006 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".