MétaCan
Menu
Retour à la cohorte
Enregistrement W2177387475 · doi:10.19173/irrodl.v16i4.2328

Supporting Access to Open Online Courses for Learners of Developing Countries

2015· article· en· W2177387475 sur OpenAlexvenueno aff
Kwame Nti

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 subventionnairesUniversity of Georgia
Mots-clésOpen educational resourcesOpenness to experienceDeveloping countryOpen educationComputer scienceKnowledge managementWorld Wide WebEconomic growthPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

This paper examines how access to, and use of, open educational resources (OER) content may be enhanced for nonnative learners in developing countries from a learner perspective. Using analysis of the open education concept, factors that affect access to OER content, and universal standards for delivering multimedia learning, the author demonstrates that the open concept, access, and participation in OER content follow a three-level relationship. This relationship is affected by technology, economic, and more importantly, social factors, all of which play dual and opposite roles. The open concept forms the foundation of the three-level relationship, while access maintains a central role from which participation, including use, repurposing, and redistribution of OER depend. The submission is that the relationship among openness, access, and participation should be a major consideration for producers and providers of OER content who seek to support access for nonnative learners, particularly those in developing countries.

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)0,010
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,856
Score d'incertitude au seuil0,863

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0040,004
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,245
Tête enseignante GPT0,550
Écart entre enseignants0,306 · 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'étudeSans objet
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

Citations15
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