MétaCan
Menu
Retour à la cohorte
Enregistrement W4313537697 · doi:10.18357/otessaj.2022.2.2.37

Introducing A Reflective Framework for the Assessment and Recognition of Microcredentials

2022· article· en· W4313537697 sur OpenAlexvenueno aff
Francisco Iniesto, Rebecca Ferguson, Martin Weller, Robert Farrow, Rebecca Pitt

Notice bibliographique

RevueThe Open/Technology in Education Society and Scholarship Association Journal · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensnon disponible
Organismes subventionnairesErasmus+European Commission
Mots-clésComputer scienceProcess (computing)Key (lock)Quality assuranceQuality (philosophy)Quality assessmentEngineering managementProcess managementKnowledge managementEngineeringOperations managementComputer securityEngineering education

Résumé

récupéré en direct d'OpenAlex

Assessment and recognition are key aspects of microcredentials, and other courses offered on massive open online course (MOOC) platforms. Microcredentials are designed to address the needs of employers and learners looking for units of study at a higher education level aligned with the requirements of labour markets. This paper reviews current methods for assessment and recognition used in MOOCs and microcredentials, proposing a framework with seven aspects and two checklists for use at planning and design stages. The framework is based on a review of 27 documents and a synthesis process. It provides a tool for microcredential producers to check whether the best ID verification, assessment, recognition, and quality assurance approaches are in place, enabling them to reflect on, and possibly improve, their choices.

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)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,663
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,028
Tête enseignante GPT0,380
Écart entre enseignants0,352 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Open/Technology in Education Society and Scholarship Association JournalMême sujetOnline Learning and AnalyticsTravaux en français237 207