Massive Open Online Courses as a Tool for Global Animal Welfare Education
Notice bibliographique
Résumé
Animal Behaviour and Welfare was a Massive Open Online Course (MOOC) hosted on Coursera as a free introductory animal welfare course. Through interrogating Coursera data and pre-/post-course student experience surveys, we investigated student retention, student experience, changes in attitudes, and changes in knowledge. The course ran for 5 weeks, and 33,501 students signed up, of which 16.4% (n=5,501) received a Certificate of Achievement, indicating they had completed all assessments within the course. This retention rate is above the industry standard of 10%; however, the value of retention rate as a metric to judge MOOC success is questionable. Instead, we focus on demographics, with Coursera data estimating that 41% of learners came from Europe, 35% from North America, 11% from Asia, 6% from Oceania, 5% from South America, and 2% from Africa. Most learners had completed an undergraduate degree. Despite this wide range of backgrounds, 57.2% of post-course respondents (n=2,399) strongly agreed that the information presented was at the right level and 64.9% strongly agreed that the course was interesting. After completion, more students (χ(2)[4]=132.40, p<.001) understood that animal welfare was based on the results of scientific study, and significantly fewer students (χ(2)[4]=361.32, p<.001) felt health was the most important part of animal welfare. Overall, learners agreed the course was enjoyable and informative, and 97.9% felt the course was a valuable use of their time. We conclude that MOOCs are an appropriate vehicle for providing animal welfare learning to a wide audience, but require a significant level of investment.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,003 |
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 ».