MétaCan
Menu
Retour à la cohorte
Enregistrement W4225375580 · doi:10.21432/cjlt28240

Creating Online Learning Experiences: A Brief Guide to Online Courses, from Small and Private to Massive and Open, 2018

2022· article· en· W4225375580 sur OpenAlexaffvenue
Alicia Cundell

Notice bibliographique

RevueCanadian Journal of Learning and Technology · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésCLARITYOpen educational resourcesResource (disambiguation)World Wide WebOnline learningOpen educationComputer scienceEngineering ethicsLibrary scienceSociologyEngineering

Résumé

récupéré en direct d'OpenAlex

This book is an expanded version of a guide originally written by the lead author, Matt Crosslin, to serve as a resource for faculty. The book shares lessons learned as the author designed Massive Open Online Courses (MOOCs) and other online courses for the now defunct LINK Research Lab at University of Texas Arlington. At the time of writing the book, Crosslin worked as a Learning Innovation Researcher at the LINK Lab. This expanded version of the book is an Open Educational Resource (OER) (also available in print) with contributions from other authors or contributors that bring diverse perspectives to reach a wider audience. The information and advice in this book is firmly rooted in the experiences of the contributors developing successful online courses, and the ultimate goal is to “provide clarity about many of the steps required to propose and design a course, describe the resources needed, and to explain the roles of stakeholders” (p.1).

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,835
Score d'incertitude au seuil0,693

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,014
Tête enseignante GPT0,275
Écart entre enseignants0,262 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Learning and TechnologyMême sujetOnline Learning and AnalyticsTravaux en français237 207