MétaCan
Menu
Retour à la cohorte
Enregistrement W4255079572 · doi:10.5703/1288284317037

Textbooks Are Expensive, But OER Can Be Challenging: Providing E-Textbook Access Through the Library

2019· article· en· W4255079572 sur OpenAlexaff
Brian W. Boling, Karen Kohn

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpen Education and E-Learning
Établissements canadiensPurdue Pharma (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer scienceOpen educational resourcesWorld Wide WebPurchasingPlan (archaeology)Library scienceMultimediaBusinessHistoryMarketing

Résumé

récupéré en direct d'OpenAlex

Research has shown that textbook costs are rising. Open educational resources (OER), though increasingly popular, are not available for all courses and can be difficult to adopt, particularly for contingent faculty. In response to the textbook crisis and the limitations of OER, Temple University has sought alternative ways to provide textbook access to students. We have promoted OER through a grant program since 2011 and offer a website to expose assigned readings that the Libraries own in e-book format. In 2018, the Libraries also began purchasing e-textbooks. The campus bookstore sends a list of assigned books each semester. We review the list according to criteria such as e-availability, existing library holdings, and previous assignment of the same materials. In spring 2018, Temple University Libraries purchased 38 assigned texts as e-books and added these to the e-textbook website. These e-books had heavier usage than other e-books purchased during the same period, and the Libraries plan to continue this practice.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,831
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,003
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,055
Tête enseignante GPT0,286
Écart entre enseignants0,231 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOpen Education and E-LearningTravaux en français237 207