Using Open Educational Resources at Viterbo University: Faculty and Student Feedback
Notice bibliographique
Résumé
This study evaluated a coordinated and collaborative pilot implementation of open educational resources (OER) across multiple disciplines including nursing, accounting, environmental science, religious studies, and finance. Participating faculty were qualitatively surveyed regarding their experience creating and implementing OER in a course. Students were surveyed on their perceptions of OER quality, cost savings, and ease of use. Faculty had an overall positive experience with OER, believing there was a significant benefit to students in cost savings while maintaining learning quality. Faculty felt the OER implementation process took a significant investment of time and recommended that faculty should be compensated for creating and implementing OER materials in future courses. Students overall showed positive responses to using OER in their course; the majority of students agreed with the OER cost savings, quality of OER resources, ease of using OER, and they trusted the use of OER materials. Older students (over 30 years) were more likely to state they would print out OER materials rather than read them online (as compared with students 30 and under). Senior-level students agreed significantly more than did freshman-level students that OER presented a cost savings. Faculty recommendations from this study included focusing on courses with very high textbook costs and courses that would impact the greatest number of students. Additionally, faculty recommended a follow-up revision process to keep OER materials current after implementation.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».