Open Educational Resource Policy Development at a Campus of the University of the West Indies
Notice bibliographique
Résumé
Open educational resources (OER) are critical tools recognized by UNESCO and the Commonwealth of Learning (COL) for achieving the United Nations’ Sustainable Development Goals (SDGs), specifically SDG 4: Quality education. The University of the West Indies, St. Augustine Campus (UWISTA), undertook an initiative to formulate an OER policy, aiming to align with the UWI’s mission and general OER principles of openness, accessibility, affordability, and innovation. This paper outlines the comprehensive approach adopted, including online research, document review, surveys, focus groups, and a three-day workshop, ensuring diverse staff perspectives. The policy development process commenced with a thorough review of 44 existing OER policies, facilitated by consulting relevant documents and scholarly resources and an online survey. Subsequent stages included two Delphi focus groups and an on-site workshop in which participants actively contributed to drafting a policy. The draft OER policy that emerged from this process reflects a consensus among participants and incorporates best practices gleaned from the examination of other institutional policies. Key observations from this initiative emphasize the importance of a collaborative approach, the use of existing models, transparency in policy development, continuous support, and addressing copyright issues. Generative artificial intelligence was actively employed by the workshop participants, especially for comparing policy and process items under consideration. UWISTA’s OER policy development, supported by the COL, serves as a model for other institutions aiming to embrace open education principles. The draft policy, emerging from this inclusive and transparent process, aligns with UWI’s mission and broader OER goals, offering valuable insights for the academic community and policymakers globally.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».