Development of Open Textbooks Learning Analytics System
Notice bibliographique
Résumé
<p class="3">Textbook costs have skyrocketed in recent years, putting them beyond the reach of many students, but there are options which can mitigate this problem. Open textbooks, an open educational resource, have proven capable of making textbooks affordable to students. There have been few educational development as promising as the development of open textbooks to lower costs for students. While the last five years have witnessed unparalleled interest and significant advances in the development and dissemination of open textbooks, one important aspect has, until now, remained unexplored: the praxis of learning analytics for extracting information regarding how learners interact and learn with open textbooks, which is crucial for their evaluation and iterative improvement process.</p><p class="3">Learning analytics offers a faster and more objective means of data collection and processing than traditional counterparts, such as surveys and questionnaires, and—most importantly—with their capability to provide direct evidence of learning, they present the opportunity to enhance both learner performance and environment. With such benefits on offer, it is hardly surprising that the optimism surrounding learning analytics is mounting. However, in practice, it has been pointed out that the technology to deliver its potential is still very much in its infancy, which is true in the case of open textbooks. Against this background, the main aim of our study was to develop a prototype open textbook learning analytics system to track individual learners’ online and offline interactions with their open textbooks in electronic publication (EPUB) format, and to present its developmental work as building blocks for future development in this area. We conclude with a discussion of the practical implications of our work and present directions for future work. </p>
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 | 0,009 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».