MétaCan
Menu
Retour à la cohorte
Enregistrement W3020086669 · doi:10.21432/cjlt27881

Open Educational Practices Advocacy: The Instructional Designer Experience

2020· article· en· W3020086669 sur OpenAlexaffvenue
Michelle Harrison, Irwin DeVries

Notice bibliographique

RevueCanadian Journal of Learning and Technology · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpen Education and E-Learning
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésOpen educational resourcesInstructional designWorkloadEducational technologyProfessional developmentBest practiceOpen educationPublic relationsPedagogyOpen learningKnowledge managementPsychologySociologyPolitical scienceTeaching methodComputer scienceCooperative learning

Résumé

récupéré en direct d'OpenAlex

Instructional designers are in a unique position to provide leadership and support for advancement of new technologies and practices. There is a paucity of research on current and potential roles of Instructional designers in incorporating and advocating for open educational practices at their higher education institutions. Against the background of emerging open educational practices, a survey and interviews were conducted with instructional design professionals to establish, from their experience and practice, their roles and potential for advocacy for open educational practices (OEP) including open educational resources (OER). Among the results of the analysis, it was found that while instructional designers have a strong awareness of and desire to advocate for OEP in their institutions, their ability to move forward was limited by perceived barriers such as lack of relevant mandates and professional workload recognition, policy development and funding, awareness and leadership support. In addition, there were gaps identified between what they most valued about OEP, such as implementing innovative pedagogies, and what they could actually initiate and advocate for in practice (adopt and support OER). They pointed to a lack of formal learning opportunities around OEP and expressed that their main sources of learning and support were of an informal nature, acquired through their networks and collaborations with peers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,061
score de la tête « metaresearch » (Gemma)0,060
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,996
Score d'incertitude au seuil0,323

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0610,060
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0180,015
Communication savante0,0240,012
Science ouverte0,0040,017
Intégrité de la recherche0,0080,009
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,033
Tête enseignante GPT0,306
Écart entre enseignants0,273 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
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

Citations14
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Learning and TechnologyMême sujetOpen Education and E-LearningTravaux en français237 207