MétaCan
Menu
Retour à la cohorte
Enregistrement W1578667153 · doi:10.19173/irrodl.v14i2.1534

Moving to open educational resources at Athabasca University: A case study

2013· article· en· W1578667153 sur OpenAlexafffundvenueabout
Cindy Ives, Mary Margaret Pringle

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpen Education and E-Learning
Établissements canadiensAthabasca University
Organismes subventionnairesAthabasca University
Mots-clésOpen educational resourcesCommonwealthCharterHigher educationGlobeLibrary sciencePolitical scienceDistance educationEducational technologySociologyMedia studiesPedagogyPsychologyComputer scienceLaw

Résumé

récupéré en direct d'OpenAlex

<p>Since the birth of the World Wide Web, educators have been exchanging ideas and sharing resources online. They are all aware of the turmoil in higher education created by freely available content, including some hopeful developments charted in this issue. Interest has grown steadily over the past decade in making a university-level education openly available to students around the globe who would otherwise be overlooked, and recommendations for how to do this are well documented (e.g., UNESCO, 2002; OECD, 2007). Initiatives in the United States (Thille, 2012), Canada (Stacey, 2011b), Africa (OER Africa, n.d.), and the United Kingdom (JISC, 2012) are easily accessed and case studies abound (e.g., Barrett, Grover, Janowski, van Lavieren, Ojo, & Schmidt, 2009). Supporting the widespread availability of OER is a goal that Athabasca University (AU) has embraced through association with the Commonwealth of Learning and by becoming a charter member of the OER University (OERu, 2011). The use of OER in AU programs has strategic local implications that go beyond the five reasons for institutions to engage in OER projects described by Hylén (2006). Recently at AU explorations have begun into the potential of using OER in course design and production.</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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,467
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0040,007
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,075
Tête enseignante GPT0,418
Écart entre enseignants0,343 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2013
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetOpen Education and E-LearningTravaux en français237 207