Democratizing higher education: Exploring MOOC use among those who cannot afford a formal education
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<p>Massive open online courses (“MOOCs”) provide free access to higher education for anyone with Internet access. MOOCs are considered a means for democratizing education. These courses will hopefully provide an opportunity for individuals to learn from the best educators in the world, as well as help expand their personal networks, and facilitate their career development. However, research thus far shows that the majority of people taking advantage of these courses are already employed, have post-secondary degrees, and have encountered few barriers related to the affordability of higher education. Little is known about MOOC learners with financial constraints and who do not fit the typical profile of MOOC learners. This paper presents the results of the analysis of data from six Coursera courses offered by the University of Michigan from fall 2012 through winter 2013. In this analysis learners who self-identified as being unable to afford to pursue a formal education (the target group) were contrasted to other learners (the comparison group) in terms of demographics, motivations, course enrollment, engagement and performance. Learners in the target group were primarily male and over 25 years old. A statistically significant portion of the target group held less than a 4-year college degree than the comparison group. Target learners were also significantly underrepresented in the enrollment of the courses examined here. Although the comparison group had a significantly higher completion rate overall than the target group, the target group had a statistically significant higher rate of completing courses with certificates of distinction. This article provides a discussion of these results and suggests how MOOCs could be adapted to better address the needs of learners who feel financially unable to pursue a more traditional path to a post-secondary education. </p>
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.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| 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 découle