MétaCan
Menu
Retour à la cohorte
Enregistrement W2989812061 · doi:10.19173/irrodl.v20i3.4079

A Tour of Open Universities Through Literature

2019· article· en· W2989812061 sur OpenAlexvenueno aff
Francisco Javier Hinojo Lucena, Inmaculada Aznar Díaz, María Pilar Cáceres Reche, José María Romero Rodríguez

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBespokePhenomenonHigher educationOpen educational resourcesBibliometricsWork (physics)Sample (material)Open educationSociologyPublic relationsPolitical scienceSocial scienceLibrary sciencePedagogyComputer scienceEconomic growthEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Since open universities can adapt to students’ work schedules, personal preferences, age, and so on, they have facilitated access to education for a large group of people. The open university phenomenon, which arose in the 1960s, fostered countries’ cultural growth; higher education was now longer exclusively for a privileged few. This paper presents a bibliometric study on the existing scientific output on open universities throughout the last 40 years. A bespoke methodology of bibliometric studies has been used, by setting key descriptors to be consulted in the most prestigious scientific database Web of Science. The sample was composed of 809 papers in total, indexed in prestigious journals and published during the period 1969 to 2018. The output, scattering, and impact bibliometric indicators were analysed in those papers. Among the results obtained, it was found that scientific output on open universities is in a phase of exponential growth, in which 2015 was the most productive year. Furthermore, the UK, where the phenomenon of open universities started, is the country with the most scientific output. Finally, the bibliometric study of the output indexed in the Web of Science shows a panoramic vision of the past, present, and future of open universities, emphasising the idea that this phenomenon is continuing to grow.

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)0,003
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,861
Score d'incertitude au seuil0,619

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0030,003
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 Opus0,061
Tête enseignante GPT0,446
Écart entre enseignants0,385 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations11
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetOnline Learning and AnalyticsTravaux en français237 207