MétaCan
Menu
Retour à la cohorte
Enregistrement W4205778878 · doi:10.18357/otessac.2021.1.1.39

Evolving Access to Educational Materials

2021· article· en· W4205778878 sur OpenAlexaffvenue
Michael Paskevicius

Notice bibliographique

RevueThe Open/Technology in Education Society and Scholarship Association Conference · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpen Education and E-Learning
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésVariety (cybernetics)MultitudeSelection (genetic algorithm)Open educational resourcesEducational resourcesComputer scienceEducational technologyMultimediaKnowledge managementWorld Wide WebSociologyPsychologyMathematics educationPedagogyPolitical scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The purpose of this paper is to interrogate the ways in which the selection of educational materials results in implications that impact access to these materials. This is necessary considering the evolving nature of educational materials offered by traditional publishers, and the increase in the availability of online learning materials, among those, open educational resources. I begin by reviewing the existing literature on emerging problems and barriers to learners’ access to educational materials including textbooks, online learning resources, and open educational resources. The findings from the literature review confirm that learners are now engaging with an increasingly complex ecosystem of educational materials, both print and digital, in a multitude of differing forms and formats, with various terms of use and durations of sustained access. Educators have a variety of choices to make when considering the educational materials to be used in their courses, and while fitness for purpose still dominates as the most important selection criterion, ease and persistence of access are becoming important considerations. A model which encapsulates the findings considering the variety of educational materials is presented alongside a discussion about the specific considerations for each.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,522
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,041
Tête enseignante GPT0,352
Écart entre enseignants0,311 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Open/Technology in Education Society and Scholarship Association ConferenceMême sujetOpen Education and E-LearningTravaux en français237 207