Open curriculum for teaching digital accessibility
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
In Ontario, Canada, universities are obligated under the Accessibility for Ontarians with Disabilities Act (AODA) to ensure that people with disabilities do not face barriers to education, and they are free from barriers in society more broadly. Those who produce online curriculum for postsecondary education in the province need at least a basic understanding of digital accessibility, and for some roles, like software or web developers, a level of expertise is required. However, finding people with the right knowledge, skills, and attitude can be difficult. This problem can be attributed to the fact that until recently digital accessibility skills have received little attention in post-secondary education. To address the issue, in 2015, with support from the Government of Ontario, we began several projects to develop digital accessibility curriculum. These efforts created a series of free Massive Open Online Courses (MOOCs) aimed at teaching digital accessibility skills to audiences ranging from office support workers, to managers, to developers, to digital accessibility specialists. The MOOCs ran between 2016 and 2019 and served more than 5000 participants, with more than 600 successfully completing the requirements for the digital badge(s) awarded. Following the MOOCs project, the content of the courses was converted into Open Educational Resources (OERs) that could be used as textbooks to support the introduction of digital accessibility topics over a range of subject areas, with encouragement for others to reuse the content to add accessibility related topics into their teaching. The OERs were downloaded more than 10,000 times between late 2020 and late 2022 and provided the base content for four open courses developed through OERU. In this article the pedagogy and curriculum for this digital accessibility training are described.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,008 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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