Partnering Higher Education and K–12 Institutions in OER: Foundations in Supporting Teacher OER-Enabled Pedagogy
Notice bibliographique
Résumé
Open educational resources (OER) are disproportionately created and/or accessed by institutions of higher education as compared to K–12 even though teachers confront the challenge of outdated teaching materials or, worse, an increasing trend by school districts to discontinue textbook adoption altogether. In this paper, we describe a sustainable and innovative example of OER-enabled pedagogy (OEP) that partners teachers and students across institutional boundaries to address these problems. The Pathways Project (PP) is a higher education and K–12 community of 350 world-language teachers, students, and staff that engage in the 5Rs (retain, reuse, revise, remix, and redistribute) of OEP with a repository of more than 800 OER ancillary activities that support standards-based pedagogy for 10 world languages and cultures. The PP is innovative because it fosters renewable assignments for the entire disciplinary ecosystem unlike most OEP studies that discuss renewable assignments limited to a single course. Teacher education is one of the best places to engage OEP because teachers are trained to personalize and contextualize OER materials for their local classroom needs. In so doing, the PP community receives timely discipline-specific professional development that is in high demand, especially in rural communities where teachers are isolated. Higher education-K–12 OEP partnerships are rare, and yet teacher education programs exist in most universities and can be a logical place to start. This paper provides concrete examples and practical steps that are transferable to other disciplines looking to engage in similar types of OER-OEP collaboration and community engagement.
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 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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».