Influence of PDI on the motivation of pre-school children in the educational field: Perception of four teachers of a private school in Santander during the third quarter of the 2022/2023 school year
Bibliographic record
Abstract
Años atrás, las tecnologías de la información y la comunicación (TIC), se convirtieron en un elemento muy importante y recurrente en la sociedad. Esto supuso que el uso y propiedad de elementos tecnológicos fuese cada vez más común, lo que provocó que en las escuelas estos dispositivos fueran apareciendo de manera gradual. Por esta razón, en la presente investigación, se analizan de forma general las variables que se extraen de la pregunta de investigación, a través de la revisión de la literatura que responde a dichas variables que se recogen en el siguiente problema. Con esta investigación se pretende conocer la percepción que tienen las docentes de las aulas de Educación Infantil sobre los beneficios y dificultades del uso de las Pizarras Digitales Interactivas (PDI) en Educación Infantil en relación con la motivación de los y las menores. Por ello, a través de la entrevista, como técnica cualitativa de recogida de datos y dirigida a un grupo de docentes de un centro concreto de la ciudad de Santander, se pretende conocer y profundizar en el tema a través de los datos recogidos. Los resultados y análisis de estos nos permiten conocer la realidad del centro a estudiar y la percepción de los y las participantes respecto a las ventajas e inconvenientes del uso de esta herramienta en las aulas de Educación Infantil, de la motivación y atención que estas generan, de las metodologías que no necesitan TIC para motivar al alumnado, de los usos que dan a las PDI y algunas respuestas emergentes surgidas en el transcurso de la entrevista.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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 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".