Research Trends in K–12 MOOCs: A Review of the Published Literature
Notice bibliographique
Résumé
Massive Open Online Courses (MOOCs) appeared in the area of educational technologies in 2008. Until 2013, academic research into MOOCs focused mainly on their application to adults as well as students or graduates of tertiary education. However, since 2013, the rising number of K–12 students enrolled in higher education MOOCs made MOOCs a de facto reality in pretertiary education and triggered universities, governments, and MOOC providers to (a) develop MOOCs specifically designed for pretertiary education, and (b) research their potential and value in K–12 educational settings. This resulted in a notable number of K–12 MOOCs and pilot research works in the literature that focused on the potential of MOOCs in compulsory education settings, as well as on their ability to reshape and transform the current educational K–12 framework. This work seeks to (a) trace, analyze, and review the existing literature on K–12 MOOCs, (b) identify representative MOOC implementations, (c) classify and organize research trends and patterns, and (d) reveal MOOCs’ potential value and impact on K–12 settings. The research used a narrative literature review methodology in order to critically review and qualitatively analyze twenty-one research publications in a systematic manner. Analysis of relevant works demonstrated that MOOCs, under a set of prerequisites, can be effectively incorporated into and positively affect pretertiary education.
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 | 0,025 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,009 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,009 | 0,006 |
| Intégrité de la recherche | 0,000 | 0,005 |
| 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 ».