Trustworthy Integration of AI in Online Learning: Supporting Student Agency and Inquiry through Open Pedagogy
Notice bibliographique
Résumé
Open pedagogy is a transformative educational approach that fosters innovative, inclusive, and sustainable instructional practices while addressing persistent challenges such as accessibility, equity, and the affordability of educational resources. This qualitative study explores how open pedagogy can develop AI literacy skills while supporting student agency and inquiry in online graduate education. The collaborative initiative involved two cohorts of graduate students (n = 39) who co-authored openly licensed textbooks: AI-Enhanced Instructional Design (ETAD 873, 2023) and Streamlined Instructional Design with AI (ETAD 873, 2024). A multi-phase data collection approach included analysis of student-authored chapters, structured peer review processes, and open-ended focus group interviews. The resulting open textbooks demonstrate critical engagement with generative AI technologies, highlighting the value of knowledge co-creation and innovative approaches to instructional design. Findings are synthesized into practical guidelines for empowering adult learners to responsibly and creatively utilize AI as a partner in co-designing open educational resources (OER). A significant contribution of the study is the development of a framework comprising ten open pedagogy attributes that facilitate the trustworthy integration of AI, enabling deep, meaningful, and authentic learning experiences in higher education.
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 | 0,023 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,014 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,002 | 0,019 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».