Open Data Transcripts from the Study: Exploring Educators Experiences Implementing Open Educational Practices
Notice bibliographique
Résumé
This dataset contains eight transcripts from interviews conducted with educators as part of a PhD study exploring open educational practices. The research focuses on how educators are using openly accessible sources of knowledge and open-source tools in ways that impact their pedagogical designs. Using a phenomenological approach with self-identifying open education practitioners, I explore how open educational practices are being actualized in formal higher education and impacting learning design. Specifically, I examine how educators are bringing elements of openness into their everyday teaching and learning practice using educational technologies. I draw upon Giddens (1986) structuration theory, further developed for use in technology adoption research most notably by DeSanctis and Poole (1994) and Orlikowski (2000). This approach positions technologies as being continually socially constructed, interpreted, and put into practice. In an organizational context, the use of technology is intrinsically linked with institutional properties, rules and norms, as well as individual perceptions and knowledge. The findings suggest that open educational practices represents an emerging form of learning design, which draws from existing models of constructivist and networked pedagogy. Open technologies are being used to support and enable active learning experiences, presenting and sharing learners work in real-time, allowing for formative feedback, peer review, and ultimately, promoting community-engaged coursework. By designing learning in this way, faculty offer learners an opportunity to consider and practice developing themselves as public citizens and develop the knowledge and literacies for working with copyright and controlling access to their online contributions, while presenting options for extending some of those rights to others. Inviting learners to share their work widely, demonstrates to them that their work has inherent value beyond the course and can be an opportunity to engage with their community.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».