Creating Connections: Library OER Services and Impact Advocacy
Notice bibliographique
Résumé
This presentation was featured at the Open Education Conference 2025. The presentation explored embedded advocacy strategies within library-based Open Educational Resources (OER) services to advance and build connections to impact at a post-secondary research institution in Canada. With increased institutional support for initiatives in Open Science, research impact, and student success, there are natural connections for raising awareness about and highlighting OER impact for different contexts. Attendees will gain insights into embedded approaches for demonstrating the value of OER, including data collection and sharing strategies, identifying impact metric pathways, and fostering community. This session will include adaptable resources for attendees, highlighting of technologies used to support this work, and opportunity for knowledge sharing. Attendees of this session will be able to: (1) consider approaches to embed connections to impact within library-based OER services to reflect institutional initiatives such as Open Science, research impact, and student success; (2) reflect on advocacy activities for fostering community through OER initiatives highlighting OER impact; and (3) implement tools to support tracking and outreach for demonstrating the impact of OER at their institutions. A session recording is available on YouTube at https://youtu.be/Y6ONIlmxN-Q
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 | 0,013 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,022 | 0,009 |
| Communication savante | 0,025 | 0,024 |
| Science ouverte | 0,002 | 0,032 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,085 | 0,016 |
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 ».