Campus and Online U.S. College Students’ Attitudes Toward an Open Educational Resource Course Fee: A Pilot Study
Notice bibliographique
Résumé
Convincing faculty to accept, create, adapt, and adopt open educational resources (OERs) instead of textbooks for their courses has proven challenging because incentives are lacking. One approach to provide incentive to faculty members is an OER course fee, which could be employed in courses that use OERs approved by the institution for courses that do not utilize textbooks or other resources students must purchase. This fee would provide sustained incentive for using OERs while also decreasing student expense compared with what most currently pay for textbooks. We set out to determine if campus and online students who had used a free OER textbook replacement would support the idea, and implementation at their institution, of an OER course fee. Among online students (n = 17), those who supported an OER course fee at their institution (n = 6) the mean appropriate course fee amount was $9.58/credit hour. Subsequent campus (n = 46) and online students (n = 57) were asked whether they supported a $10/credit hour OER course fee, greater than 67% of somewhat agreed, agreed, or strongly agreed. While these pilot results are encouraging, it is important to note that they are from one course, using one OER, by one instructor at one institution. More research is needed to determine if there is similar support for OER course fees in a broader base of students. If so, OER course fees may be a legitimate approach to increase the acceptance, creation, adaptation, and adoption of OER.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».