A Student Co-Creation Lab As A Sustainable System For OER Development
Notice bibliographique
Résumé
Open educational resources (OER) are digital and non-digital resources for teaching, learning, and research that are available for no cost and licensed with various open licenses, permitting their widespread modification and use. While these resources afford benefits to post-secondary students in terms of reduced cost, ease of access, and potential for customization, faculty members in Ontario, Canada face many barriers to creating these resources for their classes. While many post-secondary institutions have engaged in some form of OER-development initiative, the initiatives are typically not sustainable in the long term. This study explores the model, including the tools, techniques, and workflows, of the OER Lab at Ontario Tech University, a student-run, staff-managed group which provides OER development services for faculty at the university. Through a series of qualitative interviews framed by design-based research, the study characterises the capacity-building techniques of the OER Lab model. The research discusses setting expectations, providing training and experiential learning opportunities, and using existing tools to back the Lab, while engaging critical stakeholders to provide support for the initiative on campus. In addition, the study discusses how imbuing the OER-development work with key values reinforces its alignment with institutional vision, further enhancing sustainability. Through the capacity-building initiative of the OER Lab model, a sustainable approach to OER development can be explored at other campuses in Ontario and beyond.
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 | 0,001 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».