A systematic review for identifying instructional design strategies and principles in extended massive open online courses (xMOOCs)
Notice bibliographique
Résumé
Extended massive open online courses (xMOOCs), which follow traditional university learning models, have become a popular platform for structured learning over the past few years. Despite this popularity, xMOOCs are generally poorly designed, which has caused dramatic drop-out rates; therefore, they require extensive revision using instructional design strategies and principles. Hence, the purpose of this study is to conduct a systematic review of empirical studies that present best practices in the instructional design of xMOOCs and inductively identify effective instructional principles with the aim of improving the effectiveness of xMOOC instruction. We used the Population, Intervention, Comparison, Outcome, and Study Design (PICOS) framework as a guide to design our research question, we followed the PRISMA framework to conduct a robust systematic review through Covidence, and we finalized 16 related articles to be included in this study. There are four main findings: 1) this study explores effective xMOOC instruction-related research design methods and approaches and will provide future researchers deep insight into conducting empirical research on xMOOC instructional design; 2) this study provides insight into xMOOC participants and intervention characteristics for future researchers and instructors to understand the most common course design patterns and participant features; 3) this study identifies xMOOC typical instructional design strategies to promote the understanding of the best practices for designing high-quality xMOOCs; and 4) instructional design principles are inductively extracted from instructional best practices to provide researchers, policymakers, instructors and xMOOC platform providers with deep insights for promoting effective teaching and learning as well as for offering recommendations for future designers to avoid design drawbacks and promote design strengths.
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 | 0,102 | 0,287 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,008 | 0,011 |
| Bibliométrie | 0,037 | 0,025 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».