Analysis of digital literacy content elements of Language arts curriculum in Ontario, Canada: Focusing on changes before and after revision
Bibliographic record
Abstract
본 연구는 2006년과 2023년의 캐나다 온타리오주 자국어 교육과정의 디지털 리터러시 영역을 문헌분석과 텍스트 마이닝 기법을 활용하여 비교ㆍ분석하는 데 목적이 있다. 구체적으로 교육과정 체제를 분석하기 위해 문헌 분석을 활용하였고, 교육과정 내용 요소를 분석하기 위해 최빈 키워드 분석, 아이겐벡터 중심성 지수 분석, 모듈성 분석을 활용하였다. 본 연구의 결과를 요약하면 다음과 같다. 첫째, 교육과정에서 설정하고 있는 개념이 미디어 리터러시에서 디지털 리터러시로 변화하였으며 이에 따라 각 영역의 목표와 학습 요소에도 변화가 나타났다. 둘째, 개정 후의 교육과정에서 설정하고 있는 디지털 리터러시 영역의 범위가 더 확대되었으며, 셋째, 디지털 리터러시 영역에서 설정하고 있는 학습자상의 범위가 디지털 리터러시 능력을 갖춘 개인에서 사회 문제 해결에 적극적으로 참여하는 사회 구성원으로 확장되었다. 넷째, 디지털 리터러시 교육 내용의 범위가 인지적 영역 중심에서 인지, 정의, 행동적 영역으로 확대되었으며, 다섯째, 디지털 리터러시 영역에서 학습 대상으로 삼고 있는 디지털 텍스트의 유형에 변화가 나타났다. 이를 토대로 본 연구에서는 다음과 같이 제언하였다. 첫째, 우리나라 국어과 교육과정에서도 디지털 리터러시의 정의적 영역과 행동적 영역의 학습 요소를 보다 세분화, 구체화하여 제시할 필요가 있다. 둘째, 초등 단계에서부터 사회적 측면의 디지털 리터러시 교육을 제공할 필요가 있다. 셋째, 향후 교육과정 개정 시 변화하는 디지털 리터러시의 개념을 반영할 필요가 있다. 넷째, 재개념화된 디지털 리터러시의 특성을 반영한 하위 요소에 대한 지속적인 연구가 필요하다.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".