MétaCan
Menu
Retour à la cohorte
Enregistrement W6959354694 · doi:10.11575/prism/42397

Sustainable Problem Solving: Reducing Barriers for OER Adoption

2023· other· en· W6959354694 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen MIND · 2023
Typeother
Langueen
DomaineComputer Science
ThématiqueOpen Education and E-Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOpen educational resourcesService (business)Open educationSession (web analytics)InstitutionHigher educationSubject (documents)

Résumé

récupéré en direct d'OpenAlex

Open Education Global Conference 2023 (Edmonton, Alberta, Canada) session description. Are you thinking about new strategies or service models for helping educators find OER for their courses? At this presentation session (25 minutes), come learn about one approach a Canadian research institution has taken to help reduce hurdles faculty and instructors face when adopting Open Educational Resources (OER) into their courses. We will first highlight some of these barriers, followed by strategic services we provide at the University of Calgary’s Libraries and Cultural Resources (LCR) to reduce these barriers for educators. The first service we will discuss is providing an OER by Discipline Guide, an ongoing curated resource guide of OER organized by discipline for faculty who prefer to independently review previously evaluated OER within their subject area. Similar guides are commonly used across Canadian higher education institutions to curate potential OER organized according to their institution with access provided through Pressbooks. Pressbooks is a publishing platform based on WordPress used by many higher education institutions globally for developing, adapting, and hosting dynamic, interactive Open Education Resources. The second service strategy for supporting educators to adopt OER is the Open Course Materials Matching Service (OCoMMS). This service can be used by faculty who have either reviewed the OER by Discipline Guide and not found relevant OER on their subject, or by those who would prefer a more targeted service where library staff search for and curate potential OER relevant to their specific course. In order to support these services at LCR, we utilize the strengths and experience of our support staff as the strategies and practices for providing reference services are also similarly applied within the Open Course Materials Matching Service. We will highlight the benefits of having our support staff assist with OER finding services managed by the Open Education Librarian and our current service workflows. At the University of Calgary, this staffing model is a crucial piece in supporting the sustainability and growth of our OER services as interest in OER adoption continues to increase at our institution.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,996
Score d'incertitude au seuil0,388

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,028
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0120,005
Communication savante0,0130,006
Science ouverte0,0040,014
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0430,007

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,308
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MINDMême sujetOpen Education and E-LearningTravaux en français237 207