Who studies MOOCs? Interdisciplinarity in MOOC research and its changes over time
Notice bibliographique
Résumé
The complexity of digital and online education is becoming increasingly evident in the context of research into networked learning/participation. Interdisciplinary research is often proposed as a way to address complex scientific problems and enable researchers to bring novel perspectives into a field other than their own. The degree to which research on Massive Open Online Courses (MOOCs) is interdisciplinary is unknown. We apply descriptive and inferential statistics to bibliometric data to investigate interdisciplinarity in MOOC research. Results show that MOOC research published in 2013-2015 was (a) mostly conducted by researchers affiliated with Education and Computer Science disciplines, (b) far from monolithic, (c) had a greater representation of authors from Computer Science than in the past, and (d) showed a trend toward being more interdisciplinary than MOOC research published in 2008-2012. Our results also suggest that empirical research on xMOOCs may be more interdisciplinary than research on cMOOCs. Greater interdisciplinarity in xMOOC research could reflect the burgeoning interest in the field, the general familiarity with the xMOOC pedagogical model, and the hype experienced by xMOOCs. Greater interdisciplinarity in the field may also provide researchers with rich opportunities to improve our understanding and practice of digital and online learning.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,024 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,007 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».