Challenges of integrating MOOCs into the Curriculum of YCM Open University in India
Notice bibliographique
Résumé
The term Massive Open Online Courses (MOOCs) was coined by Dave Cormier of University of Prince Edward Island in Canada in the year 2008. However the MOOCs gained popularity in the year 2012, as world’s renowned Universities like Stanford University, Massachusetts Institute of Technology and Harvard University started offering MOOCs. The Journey of MOOCs in India started a little late, the Ministry of education formerly known as Ministry of Higher of Human Rights Development MHRD initiated the SWAYAM (Study Webs of Active Learning for Young Aspiring Minds) in the year 2014 and it was full fledgedly open to all the educational institutes to prepare, adopt, integrate the MOOCs into their educational framework by the year 2017. Ultimately the outburst of Covid-19 was observed to be the key factor for aggregation of MOOCs around the world as our present educational system was unable to cater the needs of the learners. In view of the above situation the apex educational body of the Indian Educational System, University Grants Commission (UGC) released a circular about integration of MOOCs into Higher education from previous 20% to 40%. This led to a drastic change in the educational structure of Indian educational system. The learners from different disciplines enrolled to the MOOCs available on various platforms such as SWAYAM, UGC-CEC, and NPTEL etc. due to their easy accessibility and on the go learning facility, many State and Central universities have developed their MOOC policies and have been practicing the MOOC integration into their curriculum. YCM Open University being the largest University in capacity of enrolment, lack behind in integrating MOOCs into its educational curriculum. Present study attempts to identify the problems and prospects of integration of MOOCs in curriculum of the YCM Open University. The survey method was implemented to carry out the research, and the researchers produced a structured questionnaire and collected data from the faculties of YCM Open University.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,011 | 0,003 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».