University of Toronto instructors’ experiences with developing MOOCs
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>We interviewed eight University of Toronto (U of T) instructors who have offered MOOCs on Coursera or EdX between 2012 and 2014 to understand their motivation for MOOC instruction, their experience developing and teaching MOOCs, and their perceptions of the implications of MOOC instruction on their teaching and research practices. Through inductive analysis, we gleaned common motivations for MOOC development, including expanding public access to high quality learning resources, showcasing U of T teaching practices, and attempting to engage MOOC learners in application of concepts learned, even in the face of constraints that may inhibit active learning in MOOC contexts. MOOC design and delivery was a team effort with ample emphasis on planning and clarity. Instructors valued U of T instructional support in promoting systematic MOOC design and facilitating technical issues related to MOOC platforms. The evolution of MOOC support at U of T grew from a focus on addressing technical issues, to instructional design of MOOCs driven, first, by desired learning outcomes. Findings include changes in teaching practices of the MOOC instructors as they revised pedagogical practices in their credit courses by increasing opportunities for active learning and using MOOC resources to subsequently flip their classrooms. This study addresses the paucity of research on faculty experiences with developing MOOCs, which can subsequently inform the design of new forms of MOOC-like initiatives to increase public access to high quality learning resources, including those available through U of T.</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 | 0,002 | 0,001 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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