Adoption and Diffusion of Open Educational Resources (OER) in Education
Notice bibliographique
Résumé
The concept of open educational resources (OER) is becoming increasingly prominent in education. However, research circles around defining OER, content and forms of OER, technological features of OER, and the importance of the issue or lack thereof. Vital aspects such as the notion of the adoption of OER by educational practitioners remain underdeveloped. In order to shed light on the question of how to adopt OER in education, the article presents findings of a meta-study which critically reviewed 25 state-funded OER projects located in Germany. All projects aimed to anchor OER across educational areas, such as school, higher, continuing, and vocational education. The meta-analysis disclosed a mixed bag of results. Although interest and willingness to deal with OER can be confirmed, reservation is rooted in the complexity of the topic and especially the legal concerns. However, the findings demonstrate that OER can by no means be ignored in the context of teaching and learning in a digital world. Integrating OER as an aspect of existing educational training should, therefore, be encouraged. Concerning future design recommendations, to conflate OER with other pressing issues and to simultaneously emphasise its added value explicitly is a promising approach. Moreover, establishing central contact points in educational institutions to accompany and monitor actors on their path to OER appears to be necessary. Notwithstanding the concrete measures, any strategy must operate persistently at both levels, institutional and practical, embracing all relevant stakeholders.
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 | 0,068 | 0,175 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,008 | 0,013 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».