Guest Editors' Preface to the Special Issue on MOOCs An Academic Perspective on an Emerging Technological and Social Trend
Notice bibliographique
Résumé
Higher education is entering a phase of dramatic change and innovation. Mainstream media often present massive open online courses (MOOCs) as both a reflection of the need for universities to undergo a metamorphosis and as a means of forcing a new perspective on digital teaching and learning practices (i.e., Lewin, 2013; Pappano, 2012). However, university faculty caution that there is not enough research evidence to support widespread adoption. Two significant challenges around the role of MOOCs in higher education are prevalent. First, the discussion on MOOCs to-date has occurred mainly in mainstream media and trade publications. Although some peer-reviewed articles on MOOCs currently exist (e.g., Fini, 2009; Kop, 2011), the amount of available research is generally limited. One of the goals of this special issue is to attempt to address this lack of peer reviewed literature. Second, the vast research available in online and distance education has been largely ignored by mainstream media and MOOC providers. Paying greater attention to what is already known about learning in online and virtual spaces, how the role of educators and learners is transformed in these contexts, and how social networks extend a learning network will enable mainstream MOOC providers and their partners to make evidencebased decisions in favor of educational reform. Thus, a second goal of this special issue is to highlight this research and provide an historical context for online and distance learning not currently evident in the mainstream media treatment of MOOCs.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».