Ten Key Factors for Making Educational and Instructional Videos
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Drawing on experiences in creating instructional videos for multiple projects, this reflective article discusses a ten-factor framework for the practical benefit of educators wishing to develop educational videos for audiences both within and outside of academic contexts. Informed by literature on best practices in video design from both cognitive scientists and other instructional video creators, the article emphasizes that there is no universal approach to making design decisions. The article explores key questions and tensions in the development process through a consideration of the elements of audience, purpose, resources, scripting, visuals, accessibility, interactivity, distribution, sustainability, and execution.Résumé Cet article de réflexion s’appuie sur des expériences acquises lors de la création de vidéos pédagogiques pour de multiples projets. L’objectif de l’article est de présenter un guide en dix points en vue d’aider les éducateurs désirant créer des vidéos pédagogiques destinées à des publics tant académiques que non-académiques. Pour atteindre son but, l’article se rapporte à la littérature sur les meilleures pratiques en matière de conception vidéo provenant à la fois de spécialistes des sciences cognitives et d’autres créateurs de vidéos éducatives. En même temps, il souligne qu’il n’y a pas une seule approche universelle pour prendre des décisions sur la réalisation de vidéos pédagogiques. L’article explore les questions et les tensions clés de cette réalisation en examinant les éléments suivants : public, objectif, ressources, scénario, éléments visuels, accessibilité, interactivité, distribution, durabilité et exécution.
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.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,009 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle