What does Open Science mean for Educational Technology Research? Challenges, Opportunities, and a Call for Research
Notice bibliographique
Résumé
Educational technology (EdTech) research should champion the values of open science in order to be robust, methodologically rigorous, collaborative, inclusive, and transparent. ‘Open science’ is, broadly, an approach to scientific scholarship that adopts tools to promote openness, mitigate against bias, enhance opportunity for collaboration, and reduce questionable research practices. EdTech research often involves collaborative empirical work with partnerships between academia, industry, and policymakers, often with competing stakeholder timelines, agendas, and expectations. It also employs a diversity of methodologies and epistemologies, given the broad goals of EdTech as a field. Taken together, these unique features of EdTech research mean there is a distinct set of contextual and methodological challenges for engagement with open science tools and initiatives. Here, we write as a collective of academics, scholars, and industry representatives who all work in the EdTech space and hope to envisage a future for how EdTech researchers can meaningfully engage in calls to ‘open up’ science. We share insights from a stakeholder workshop event, hosted by CERES (Connecting the Educational Technology Research Ecosystem). We summarize four main open science practices: (1) open data, (2) study pre-registration, (3) positionality and conflict of interest statements, and (4) CRediT taxonomy of contributorship. For each of the practices, we summarize the key opportunities for EdTech research and highlight the unique disciplinary challenges that academics and industry must negotiate when integrating open science into EdTech research. We show how open science is an ally to EdTech research, but careful consideration about its implementation is needed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,280 | 0,321 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,031 | 0,138 |
| Communication savante | 0,091 | 0,116 |
| Science ouverte | 0,008 | 0,041 |
| Intégrité de la recherche | 0,039 | 0,049 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».