MétaCan
Menu
Retour à la cohorte
Enregistrement W3180751290 · doi:10.19173/irrodl.v22i3.5553

Video Lectures: An Analysis of Their Useful Life Span and Sustainable Production

2021· article· en· W3180751290 sur OpenAlexvenueno aff
José Miguel Santos Espino, Cayetano Guerra Artal, Sara M. González-Betancor

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovations in Educational Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLife spanComputer scienceSpan (engineering)Production (economics)MultimediaEngineeringGerontologyEconomicsMedicine

Résumé

récupéré en direct d'OpenAlex

The learning effectiveness of video lectures has been extensively studied by the scientific community, but research on their cost-effectiveness and sustainable production is still very scarce. To shed light on these aspects, this study has measured the useful life span and cost-effectiveness of a large catalog of video lectures produced for undergraduate courses at a Spanish university. A Kaplan–Meier survival analysis has been performed to identify factors linked to video longevity. The analysis accounted for variables such as the video production style (screencast, slideshow, chalk and talk, talking head, and on-location film) and others such as the instructional purpose and field of knowledge. The teachers involved in video production and integration have been surveyed to discover causes of video obsolescence. In addition, using life span and production cost data, the cost-effectiveness of each production style over time was estimated. The results suggest that production style affects video longevity, and in particular, dynamic visuals are more related to longer life spans compared with static contents. Screencast stands out as the most cost-effective production style, having the best ratio of life span to production effort. Some practical suggestions are provided for producing video lectures with higher longevity expectations.

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)0,003
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,134
Tête enseignante GPT0,523
Écart entre enseignants0,389 · 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'étudeObservationnel
DomaineMéthodes
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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetInnovations in Educational MethodsTravaux en français237 207