Introducing Context-Awareness to MOOC Systems
Notice bibliographique
Résumé
Massive open online courses (MOOC) are shaping the future of education, moving studies outside class rooms, and changing the way people attain knowledge. It provide options to both universities and students. It enables students to have access to high quality courses offered by prestigious universities and top ranked professors for free or for affordable prices. At the same time, it enables universities to widen their scope and get access to worldwide prospect students. This brings in challenges to both universities and students. Universities need to address a full range of students, from different backgrounds, education levels, and specializations. Also, due to competition and variety of other MOOC service providers, universities need to establish effective techniques to persuade students to join and get engaged in its provided courses. On the other hand, students are faced with various options of universities and courses. This paper aims to tackle the challenges of 1) marketing courses for massive target audience, and 2) engaging students into the depth of the provided courses to attain effective, high quality education. We apply context-awareness techniques and principles to address these challenges. Context-Aware systems are becoming ubiquitous. These systems comprise mechanisms to acquire knowledge about the surrounding environment and adapt its behavior and service provision accordingly. Context defines the characteristics and settings of an object or event. It provides insight about the surrounding environment. In this paper, we provide a software architecture for MOOC systems which comprises context-awareness. The architecture includes two context models: one for marketing and the second for effective student engagement in the educational process. Adding context-awareness to MOOC systems helps regulate and restrict service provision to ensure effective wider reach (marketing) and better quality of education (student engagement)..
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».