UNDERSTANDING THE FACULTY EXPERIENCE DESIGNING, DEVELOPING, AND DELIVERING MASSIVE OPEN ONLINE COURSES TO INFORM ACADEMIC LEADERS CONSIDERING MOOC INITIATIVES
Notice bibliographique
Résumé
The work of academic faculty is what defines institutions of higher learning (Steward, 2013). Institutional leaders and decision-makers need valid, qualitative research information regarding faculty lived experiences in order to understand the opportunities and challenges of designing, developing, and delivering instruction on a massive scale. From 2008 to 2011 the Massive Open Online Course (MOOC) went from an obscure experimental course to full-scale adoption by world-renowned institutions without consulting experts in the field of online learning, utilized older pedagogical frameworks, and still few have asked the academic faculty designing, developing, and delivering MOOCs if MOOCs are a viable learning experience or if MOOCs further institutional goals. The researcher chose to conduct a classical phenomenology by developing a 10 question semi-structured telephonic interview (Crotty, 1998; Husserl, 1931). Seven participants, four male, three female from the United States and Canada offered answers to the interview which resulted in rich data regarding their lived experiences. MOOCs can be extremely expensive and take an excessive amount of a professor’s time and energy to do well. Currently, MOOCs have not proved to be the educational panacea many had hoped however, MOOCs are likely here to stay for the foreseeable future as rapid changes become the new normal for higher education. Because of the emerging nature of this field of research numerous opportunities for future research are open. Institutional leaders need better understanding of costs and learning outcomes in MOOCs in order to evaluate the challenges and opportunities posed by MOOC initiatives in their respective institutions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».