MétaCan
Menu
Retour à la cohorte
Enregistrement W4378906844 · doi:10.19173/irrodl.v24i2.6881

Critical Issues in Open and Distance Education Research

2023· article· en· W4378906844 sur OpenAlexvenueno aff
Junhong Xiao

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOdeDisadvantagedManagement scienceSociologyGeneralizationEducational researchComputer scienceEpistemologySocial scienceMathematicsPolitical scienceEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

Despite its mainstreaming into the broader educational ecology, open and distance education (ODE) still leaves much to be desired in terms of both practice and research. Inspired and informed by the author’s 35 years of experience as an ODE practitioner, researcher, reviewer, and editor, this article concentrates on 10 critical issues of ODE research that have long existed but may have a consequential impact on its healthy growth. The issues discussed cover scarcity of longitudinal research, paucity of scaling-up and generalization research, preference for success over failure presented in research, the need for a systems approach, lack of sociocultural sensitivity, technologization of research, scant attention to ODE for the underprivileged and disadvantaged, insufficient research on ODE policy, negligence of historical research, and disinterest in revisiting ODE theories. The causes of these problems are critically interpreted and their possible negative impacts on the field of ODE are explored in a concise manner. The purpose of this article is to encourage further discussion and debate on ODE research to sustain its presence and acceptance as a legitimate mode of education in the wider educational community.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,445
score de la tête « metaresearch » (Gemma)0,614
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,445
Score d'incertitude au seuil0,684

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,4450,614
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0090,010
Études des sciences et des technologies0,0150,097
Communication savante0,0310,035
Science ouverte0,0090,013
Intégrité de la recherche0,0240,033
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,174
Tête enseignante GPT0,599
Écart entre enseignants0,425 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
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

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetOnline and Blended LearningTravaux en français237 207