MétaCan
Menu
Retour à la cohorte
Enregistrement W4386533010 · doi:10.19173/irrodl.v24i3.7328

The Emergence of the Open Research University Through International Research Collaboration

2023· article· en· W4386533010 sur OpenAlexafffundvenue
Rebecca E. Heiser

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensAthabasca University
Organismes subventionnairesAthabasca University
Mots-clésExcellenceHigher educationCompetition (biology)BibliometricsCitationPolitical scienceOpen access journalOpen educationOpen educational resourcesPublic relationsProxy (statistics)SociologyScopusLibrary sciencePedagogyComputer science

Résumé

récupéré en direct d'OpenAlex

In higher education, international research collaboration functions as a visible mechanism of cooperation and competition, serving as a proxy for quality and academic excellence. Open universities use revolutionary education models but are not often associated with quality or academic excellence. To investigate the impact of international research collaboration by active researchers affiliated with open institutions, a bibliometrics analysis was conducted of three open universities and nine traditional, comparative universities between 2000 and 2022. The results indicate that research outputs that are open access, sponsored and funded, and developed with international coauthors have positive and statistically significant effects on citation counts. Moreover, international research collaboration significantly affects all universities, not just open institutions. The results conclude that researchers affiliated with open universities are only 4.3% less cited than their comparative peers, which is attributed to publication factors, research disciplines and subject areas, and journal characteristics. Findings are discussed and imply a strategic shift in the institutional functions and outputs of open universities as collaborative conduits of knowledge production and dissemination.

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)0,033
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Science ouverte
Catégories consensuellesMétarecherche, Science ouverte
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,876
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0330,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,006
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0110,010
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 Opus0,203
Tête enseignante GPT0,534
Écart entre enseignants0,331 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetOnline Learning and AnalyticsTravaux en français237 207