MétaCan
Menu
Retour à la cohorte
Enregistrement W4389399701 · doi:10.19173/irrodl.v24i4.7356

SCOPE of Open Education: A New Framework for Research

2023· article· en· W4389399701 sur OpenAlexvenueno aff
Virginia Clinton‐Lisell, Jasmine Roberts-Crews, Lindsey Gwozdz

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpen Education and E-Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScope (computer science)Open educationScholarshipSocial justiceSociologyEngineering ethicsEducational researchOpen researchOpen learningPedagogyPolitical scienceComputer scienceTeaching methodSocial scienceCooperative learningEngineering

Résumé

récupéré en direct d'OpenAlex

The field of open education and research on the topic has notably expanded since the introduction of the term 20 years ago. Given these developments, a framework to structure research inquiry is necessary to ground and organize findings in open education. We propose the SCOPE framework for open education research: social justice, cost, outcomes, perceptions, and engagement. In this article, we explain how this framework emphasizes the need for social justice at the forefront of open education research. In addition, we incorporate existing theories in social justice, motivation, cognition, pedagogy, and engagement into each of the components to propose theoretical connections to future open education research. We suggest areas in which future research is needed. Finally, we conclude with suggestions as to how the SCOPE framework may be useful when connecting open education to open science and open scholarship as well as a call for considering intersectionality and critical methods in quantitative research (QuantCrit) in future inquiry.

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)0,088
score de la tête « metaresearch » (Gemma)0,067
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,995
Score d'incertitude au seuil0,463

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0880,067
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0150,012
Études des sciences et des technologies0,0090,122
Communication savante0,0300,060
Science ouverte0,0050,022
Intégrité de la recherche0,0070,013
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,275
Tête enseignante GPT0,570
Écart entre enseignants0,295 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetOpen Education and E-LearningTravaux en français237 207