Leveraging Wikipedia for educational innovation: a higher education course model for enhancing students’ competencies and collaborative knowledge creation
Notice bibliographique
Résumé
Abstract The integration of Wikipedia into higher education has remained sporadic, often limited to isolated assignments rather than systematic curriculum integration. This study addresses this gap by examining an innovative university-level Wikipedia course designed to enhance student learning through active knowledge production and community engagement. Originating from a medical-focused initiative, the course represents the first for-credit, interdisciplinary Wikipedia course accessible to undergraduates at Tel Aviv University. Through three iterations involving 88 students, the course facilitated the creation of 260 new articles, garnering over 21 million views, demonstrating its broad societal impact. The course’s design, structured around peer and self-assessment, active collaboration with the Wikimedia community, and scaffolded skill development, significantly contributed to students’ academic performance, digital literacy and reflective learning. Using a mixed-methods approach, including statistical analysis of assessments and qualitative feedback, the study found a strong correlation between peer/self-evaluation and final instructor scores, underscoring the reliability of the assessment model. The findings highlight Wikipedia’s potential as a scalable educational tool, fostering open knowledge production and bridging knowledge gaps, particularly in gender representation. Future research should explore the long-term impact of Wikipedia-based learning on students’ academic and professional development, as well as the integration of emerging digital tools, such as Generative AI, to enhance collaborative learning experiences. This study contributes to the discourse on digital pedagogy, emphasizing Wikipedia’s role in transforming higher education through open-source, participatory learning.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».