MétaCan
Menu
Retour à la cohorte
Enregistrement W2346966536 · doi:10.14288/1.0107914

UBC Mooc pilot : design and delivery overview

2014· article· en· W2346966536 sur OpenAlexaff
Will Engle

Notice bibliographique

RevuecIRcle (University of British Columbia) · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEngineering ethicsEngineering managementComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

UBC successfully delivered five massive open online courses (MOOCs) in the spring and summer of 2013. Individual MOOCs incorporated different pedagogical design strategies to achieve their desired learning outcomes and course objectives. The pilot MOOCs lasted from five to eleven weeks and provided tens of thousands of learners worldwide, including over 8,100 students who earned certificates for completing the courses, with an opportunity to engage with UBC instructors and learning materials. Development of these courses involved the creation of large amounts of new learning material, including more than 60 hours of video-based lectures, 98 text-based module pages, 1,040 quiz questions, the use of tools outside of the Coursera platform, and multiple innovative learning activities. Learning materials from the MOOCs have been, or will soon be, used by hundreds of UBC students in credit-bearing courses. Additionally, instructors made efforts to facilitate the reuse of their learning materials through the use of Creative Commons licenses and the transferring of content to additional platforms beyond the Coursera platform, such as external YouTube channels. The MOOC pilot supported UBC’s learner-centred focus in the classroom by providing a rich set of resources and strategies to support flexible learning options for students who are registered in UBC courses. These strategies include the processes and best practices for the development of media-rich learning materials, agile approaches to course delivery, and instructional design strategies to better scaffold self-based, peer-based, and open learning efforts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,005

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 Opus0,018
Tête enseignante GPT0,190
Écart entre enseignants0,172 · 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 source (Gemma direct ou Codex distillé), 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuecIRcle (University of British Columbia)Même sujetOnline Learning and AnalyticsTravaux en français237 207