Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
MOOCs (Massive Open Online Courses) have been around since 2008, when 2,300 students took part in a course called “Connectivism and Connective Knowledge” organized by University of Manitoba, Canada. The year 2012 was widely recognized as “The year of the MOOC”, because several MOOC initiatives gained a world-wide popularity. Nowadays, many experts consider MOOCs a “revolution in education”. However, other experts think is too soon to make such a claim since MOOCs still have to prove they are here to stay. With the spread of MOOCs, different providers have appeared, such as Coursera, Udacity and edX. In addition, some popular LMS (Learning Management Systems), such as Moodle or Sakai, have also been used to provide MOOCs. Besides, a new breed of LMS has appeared in recent months with the aim of providing specific tools to create MOOCs: OpenMOOC and Google CourseBuilder being two of them. The growing interest of MOOCs has led to the emergence of different forms of use. In some cases, such as xMOOCs, the initial concept has been distorted. In other cases, such as SPOCs (Small Private Online Courses), it has become possible to use MOOCs in alternative contexts which they were originally created. The aim of this paper is to clarify the enormous confusion that currently exists around the MOOCs. On one hand, in this paper we present different MOOC taxonomies that currently exist. On the other hand, we present several barriers for deploying MOOCs promises: language, cost, internet access, and web accessibility.
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.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle