MétaCan
Menu
Retour à la cohorte
Enregistrement W1809513418 · doi:10.19173/irrodl.v16i5.2341

OER Quality and Adaptation in K-12: Comparing Teacher Evaluations of Copyright-Restricted, Open, and Open/Adapted Textbooks

2015· article· en· W1809513418 sur OpenAlexvenueno aff
Royce Kimmons

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpen Education and E-Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOpen educational resourcesOpen educationAdaptation (eye)Quality (philosophy)Variety (cybernetics)Mathematics educationComputer sciencePsychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

Conducted in conjunction with an institute on open textbook adaptation, this study compares textbook evaluations from practicing K-12 classroom teachers (n = 30) on three different types of textbooks utilized in their contexts: copyright-restricted, open, and open/adapted. Copyright-restricted textbooks consisted of those textbooks already in use by the teachers in their classrooms prior to the institute, open textbooks included alternatives from CK-12 and OpenStax, and open/adapted consisted of open textbooks that the teachers devoted time to adapting to their individual needs. Results indicate that open/adapted textbooks were evaluated as having the highest quality, and that open textbooks were of higher quality than copyright-restricted textbooks. Though some factors of quality might be influenced by cost differences (e.g., timeliness and the ability to adopt updated textbooks), results reveal that open and open/adapted textbooks may do a better job of meeting the needs of K-12 teachers in a variety of ways that may not be captured through traditional approaches to quality assurance. This study marks an early step in exploring the quality of K-12 open educational resources (OER) and the use of practicing teachers as authentic evaluators of textbooks for their local contexts.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants1,000
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,393
Tête enseignante GPT0,525
Écart entre enseignants0,131 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations63
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

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