Faculty Survey on OER: Perceptions, Behaviors, and Implications for Library Practice
Notice bibliographique
Résumé
INTRODUCTION The Mary Couts Burnett Library at Texas Christian University (TCU) seeks to learn more about university faculty members’ perceptions and behaviors related to open educational resources (OER), and to identify one or more initiatives to increase adoption of OER at the university. METHODS The researchers sent a survey to all university faculty using Qualtrics™, and 104 persons responded. The survey used a combination of multiple-choice and free-text questions, and covered OER adoption and creation by faculty members, their perceptions of OER, and recommendations related to possible initiatives to increase OER interest. RESULTS Among respondents, almost half used OER either currently or in the past, while a fifth created their own OER. When comparing OER to traditional textbooks in terms of being scholarly, the majority indicated that OER and traditional textbooks were about the same level, but a quarter of faculty indicated that traditional textbooks were more scholarly. When asked about initiatives the library could pursue to increase faculty OER creation, the leading responses included financial support of faculty using OER, along with training opportunities. DISCUSSION The researchers were pleased to see that many faculty have used OER either currently or in the past, and that many had positive views surrounding OER. The researchers now have data that support the establishment of OER initiatives. CONCLUSION The survey informs the TCU Library and academic libraries in general. Two initiatives that libraries should consider are establishing an OER training program for faculty and developing a grant program to support faculty members who are adopting or creating OER. Libraries should collaborate with other units on campus such as the center for teaching excellence or the faculty senate.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,014 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».