Understanding Innovation Vectors in the Use of Open Educational Resources
Notice bibliographique
Résumé
Open educational resources (OER) are teaching and learning materials that are either in the public domain or published on an open licence which permits various forms of redistribution, reuse and repurposing. Many organisations and higher education institutions around the world are using such resources, and anecdotally many believe this is supporting innovations in practice. However, there is scant research into how such innovations should be understood or evaluated conceptually. In this paper, we present a conceptual framework that can describe and evaluate innovative practice as well as results from a study of 44 cases using this framework in the context of the ENCORE+ (European Network for Catalysing Open Resources in Education) project (2021–2023). This conceptual framework provides a rich qualitative description for instances of innovation which use OER. Our examples cover many countries, including Argentina, Australia, Canada, China, Colombia, UK, Germany, Greece, Hungary, India, Ireland, Kenya, the Netherlands, Norway, Scotland, Slovenia, South Africa, Spain, Taiwan, USA, and Zanzibar. The sample includes organisations of all sizes and maturities of implementation. This allowed us to differentiate OER value propositions for a range of stakeholders at different levels of maturity of OER use. We explore whether variables such as the size and maturity of an organisation influences innovation strategies and the perception of stakeholder relationships. Our data indicates four elements to the development of OER value propositions as innovation vectors. Firstly, OER value propositions tend to be transformative, and focused on modifying or redefining pedagogical activity. Secondly, they are practical, targeting users/providers and influencing behaviour in direct and achievable ways. Thirdly, OER users and advocates emphasise observability, simplicity and compatibility as key aspects for communicating OER value propositions. Fourthly, OER innovation is aspirational in that greater maturity of organisations using OER sees the OER value proposition widened to include more stakeholder types.
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 | 0,015 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,009 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,016 |
| Communication savante | 0,014 | 0,022 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».