MétaCan
Menu
Retour à la cohorte
Enregistrement W2937752884 · doi:10.21432/cjlt27795

Massive Open Online Course Instructor Motivations, Innovations, and Designs: Surveys, Interviews, and Course Reviews | Motivations, innovations et conceptions des instructeurs de cours en ligne ouverts à tous : sondages, entrevues et évaluations de cours

2019· article· en· W2937752884 sur OpenAlex
Meina Zhu, Curtis J. Bonk, Annisa Ratna Sari

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

fundUn bailleur canadien est enregistré sur le travail.
venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueCanadian Journal of Learning and Technology · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensnon disponible
Organismes subventionnairesRoyal Roads University
Mots-clésLignePsychologyHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

This mixed methods study explores instructor motivations for offering massive open online courses (MOOCs) as well as the instructional innovations used to enhance the MOOC design. The researchers surveyed 143 MOOC instructors worldwide and then interviewed 12 of these instructors via Zoom. They also extensively reviewed the MOOCs of the interviewees. The primary motivations for offering MOOCs included “growth” needs such as curiosity about MOOCs and the exploration of new ways of teaching. In addition, “relatedness” needs of instructors included reaching more people, showcasing research and teaching, marketing their university, integrating interactive technology, and obtaining peer reviews. The perceived instructional innovations of these MOOC instructors included using problem-based learning, service learning in MOOCs, and shortening the length of videos. Overall, these MOOC instructors were satisfied with their MOOC designs.Cette étude faisant appel à des méthodes mixtes explore les motivations des instructeurs de cours en ligne ouverts à tous ainsi que les innovations pédagogiques utilisées pour améliorer la conception de ces cours. Les chercheurs ont procédé au sondage de 143 instructeurs de cours en ligne ouverts à tous à travers le monde et ont ensuite interviewé 12 de ces instructeurs par l’entremise de Zoom. Ils ont également réalisé un examen approfondi des cours en ligne ouverts à tous des instructeurs interviewés. Les motivations principales pour l’offre de cours en ligne ouverts à tous comprenaient des besoins relatifs à la « croissance », comme la curiosité au sujet de ces cours et l’exploration de nouvelles façons d’enseigner. De plus, les désirs relationnels des instructeurs comprenaient joindre plus de gens, mettre en lumière la recherche et l’enseignement, publiciser leur université, intégrer la technologie interactive et obtenir des évaluations par les pairs. Les innovations pédagogiques perçues par ces instructeurs de cours en ligne ouverts à tous comprenaient l’utilisation de l’apprentissage par résolution de problèmes, de l’apprentissage par le service dans les cours en ligne ouverts à tous et la durée écourtée des vidéos. Dans l’ensemble, les instructeurs de cours en ligne ouverts à tous étaient satisfaits de leur conception de cours.

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.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,074
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,036
Tête enseignante GPT0,331
Écart entre enseignants0,294 · 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