Open For All: The OERu’s Next Generation Digital Learning Ecosystem
Notice bibliographique
Résumé
This paper describes the functionality, scalability, and cost of implementing and maintaining a suite of open source technologies, which have supported hundreds of thousands of learners in the past year, on an information technology infrastructure budget of less than US$10,000 per year. In addition, it reviews pedagogical opportunities offered by a fully open digital learning ecosystem, as well as benefits for learners and educators alike. The Open Education Resource universitas (OERu) is an international consortium made up of 36 publicly funded institutions and the OER Foundation. The OERu currently offers first-year postsecondary courses through OER-based micro-courses with pathways to gain stackable micro-credentials, convertible to academic credit toward recognised university qualifications. The OERu, adhering to open principles (Wiley, 2014b), has created an open source Next Generation Digital Learning Ecosystem (NGDLE) to meet the needs of learners, consortium partners, and OERu collaborators. The NGDLE—a distributed, loosely coupled component model, consisting entirely of free and open source software (FOSS)—is a global computing infrastructure created to reach learners wherever they are. All OERu services are hosted on commodity FOSS infrastructure, conferring significant advantages and creating opportunities for institutions adopting any of these services to enhance education opportunities at minimal cost. The NGDLE can also increase technological autonomy and resilience while providing exceptional learning opportunities and agency for learners and educators alike.
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 | 0,006 | 0,005 |
| 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 | 0,003 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| 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; 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 ».