MétaCan
Menu
Retour à la cohorte
Enregistrement W783287210

Environmental Scan of Pricing Models for Online Content : Report II : Business Models for Object Repositories

2002· article· en· W783287210 sur OpenAlex

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueUA Campus Repository (The University of Arizona) · 2002
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpen Source Software Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésObject (grammar)Business modelComputer scienceBusinessContent (measure theory)MarketingArtificial intelligenceMathematics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This report investigates Canadian and other initiatives in developing e-content stores or repositories with special interest paid to their business and revenue models for background in determining a suitable sustainable business/revenue model for the OnDisC Alliance. There is significant activity worldwide in the research and development of repositories of Learning Objects (LO) -- modular chunks of content that are combined and reused to form larger aggregations of education content such as lesson, units, and courses. The rationale for developing repositories of LOs is to reduce the significant cost of developing and customizing educational material. There is activity in developing LO repositories in both the public sector and the private sector. MERLOT is a large public and free LO repository co-operative. Some private firms developing LO repositories and the tools to create and use them include NetG, SmartForce, and LearningWay. In addition to LO repositories there are many Learning Resource Gateways (LRG) which offer both free and non-free educational material of many levels of object â granularityâ . Additionally, organizations are emerging which are acting as learning resource brokerages or networks, such as UNIVERSAL in Europe and AUShareNet in Australia. There are insights and possible future business relationships for OnDisC to be realized in all of the above educational content delivery organizations. A universal issue among public LO repositories and LSG is how to acquire funding/revenue to sustain the organization beyond initial project status. Most of them are following a sponsorship model where operating and development funds are received from government and/or other supporting organizations and individual educators provide content free. Their business/revenue model follows from a consideration that they are providing a public good which can/must be supported by third parties. OnDisC may be able to operate under a similar business model for similar public goods markets. Additionally, OnDisC may be able to provide LO content to commercial content developers either directly, or through future online educational material brokerage sites/marketplaces. A valuable tool for helping to formulate business and revenue models is a value chain assessment in which all significant value added processes or functions and determined and assigned to the different players or organizations involved in the value chain. Once value added assessments are made, appropriate revenue streams can be modeled. A relevant and useful value chain assessment to consider for OnDisCâ s situation is that of the traditional publisher-library book/journal distribution system. A significant source of risk for the providers of digital content to a store or repository is the high cost associated with digitizing the material into a format suitable for distribution and use. A possible compromise between risk and service is to provide just-in-time digitization for material that has been chosen as desirable by an end user.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,650
Score d'incertitude au seuil0,800

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,197
Écart entre enseignants0,169 · 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