MétaCan
Menu
Retour à la cohorte
Enregistrement W3101724804 · doi:10.22329/celt.v13i0.6011

Online Instructor Development: A COOL story

2020· article· en· W3101724804 sur OpenAlexaffvenue
Nick Baker, Freer John, Nobuko Fujita, Higgison Alicia, Mark Lubrick, Brandon M. Sabourin, Sylvester Jane, Van Wyk Paula

Notice bibliographique

RevueCollected Essays on Learning and Teaching · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensSt. Clair CollegeUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésMathematics educationHigher educationPsychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

This paper explores the development of a flexible, free, online certificate program built on open educational resources to support instructors transitioning to online and non-traditional teaching modes. The program offers multiple pathways to completion, including recognition of prior learning and immersing participants in the online learning environment. We describe the challenges learners had to overcome to engage in the program and how, in doing so, they were able to embrace constructivist and connectivist approaches. These, in turn, afforded them ongoing connections, broke the mold of preconceptions and myths when preparing to engage future online learners, and shaped their practice through exposure to learning theories and evidence-based practices. In this paper, we explore the initial design of the program through the lens of the program facilitators and learners from the first cohort, and share our collective learning and reflections from this process. Nous nous penchons ici sur l’élaboration d’un programme de certificat gratuit, souple et basé sur des ressources éducationnelles ouvertes. Offert en ligne, ce programme est conçu pour aider les professeurs à faire la transition vers l’enseignement en ligne et vers des méthodes d’enseignement non traditionnelles. Il existe de nombreuses manières de satisfaire aux exigences du programme, y compris la reconnaissance de l’apprentissage et de l’immersion dans un environnement d’apprentissage en ligne. Dans notre article, nous faisons état des difficultés auxquelles les apprenants ont été confrontés lors de leur participation au programme. Nous montrons comment, en surmontant ces obstacles, ils se sont approprié des approches constructivistes et connectées, lesquelles leur ont permis d’établir des connexions et de déconstruire certains mythes et préjugés au bénéfice des futurs apprenants en ligne, tout en les aidant à façonner leur pratique au moyen de théories de l’apprentissage et de pratiques fondées sur des données probantes. Notre étude examine la conception initiale du programme à partir du point de vue des animateurs et des apprenants de la première cohorte. Nous présentons également les réflexions et les leçons que nous avons tirées, collectivement, de cette expérience.

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)0,014
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,034
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0130,014
Communication savante0,0160,022
Science ouverte0,0030,016
Intégrité de la recherche0,0060,010
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,015
Tête enseignante GPT0,250
Écart entre enseignants0,234 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCollected Essays on Learning and TeachingMême sujetOnline Learning and AnalyticsTravaux en français237 207