MétaCan
Menu
Retour à la cohorte
Enregistrement W2499586686 · doi:10.4018/978-1-4666-8265-8.ch007

Informal and Self-Directed Learning in the Age of Massive Open Online Courses (MOOCs)

2015· book-chapter· en· W2499586686 sur OpenAlexaff
Lin Lin, Patricia Cranton

Notice bibliographique

RevueAdvances in higher education and professional development book series · 2015
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésPhenomenonMassive open online courseVariety (cybernetics)Informal learningOnline learningOpen educational resourcesMathematics educationComputer sciencePsychologyWorld Wide WebPedagogyEpistemologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

One of the consequences of the new digital age is the development of opportunities for individuals to learn in a variety of new ways. Among these opportunities are Massive Open Online Courses (MOOCs) where short, free, non-credit courses are available to anyone who wants to learn. In this chapter, the authors examine the phenomenon of MOOCs in light of informal learning and self-directed leaning conceptual frameworks. They illustrate this phenomenon with the case of Jasta, who took a MOOC course in statistics along with 950 other learners. The authors then go on to discuss the issues, controversies, and problems of MOOCs for informal and self-directed learning. They propose a series of questions that need to be addressed as we come to understand the role of MOOCs in educational systems.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,958
Score d'incertitude au seuil0,607

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,029
Tête enseignante GPT0,336
Écart entre enseignants0,307 · 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
GenreAutre

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

En bref

Citations8
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in higher education and professional development book seriesMême sujetOnline Learning and AnalyticsTravaux en français237 207