Incorporating Open Educational Practices in Graduate Education: A Collaborative Autoethnographic Study
Notice bibliographique
Résumé
In this paper we describe the early steps of our journey through a collaborative autoethnographic research project and share preliminary findings. As distance educators who work at an open, online university, we embrace a philosophy of openness, drawing on open educational practices to facilitate collaborative and flexible learning. As faculty members who support masters and doctoral students, we conceptualize our virtual learning environments as spaces where reciprocal learning takes place between and among learners and professors in a form of co-mentorship. We chose collaborative autoethnography because it is an approach that allows us to interrogate our practice using experiences, archival data, and artifacts as accessible and reliable sources of information. Collaborative autoethnography, which permits us to both individually and collectively critique our practice, requires us to consider our personal experiences in relation to our identities as distance educators within the cultural context of an open and online research university in Canada. The initial data analysis process has uncovered three emergent themes to date. These themes include values linking open educational practices with student engagement and facilitating effective open educational practice through learning design. This research project enables us to experience the power of collaborative autoethnography as a research approach and to further our understanding of the potential of open educational practices in graduate education.
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 | 0,021 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,014 | 0,017 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».