Ten Key Factors for Making Educational and Instructional Videos
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,022 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,009 |
| Communication savante | 0,014 | 0,012 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».