Massive Open Online Course Instructor Motivations, Innovations, and Designs: Surveys, Interviews, and Course Reviews | Motivations, innovations et conceptions des instructeurs de cours en ligne ouverts à tous : sondages, entrevues et évaluations de cours
Bibliographic record
Abstract
This mixed methods study explores instructor motivations for offering massive open online courses (MOOCs) as well as the instructional innovations used to enhance the MOOC design. The researchers surveyed 143 MOOC instructors worldwide and then interviewed 12 of these instructors via Zoom. They also extensively reviewed the MOOCs of the interviewees. The primary motivations for offering MOOCs included “growth” needs such as curiosity about MOOCs and the exploration of new ways of teaching. In addition, “relatedness” needs of instructors included reaching more people, showcasing research and teaching, marketing their university, integrating interactive technology, and obtaining peer reviews. The perceived instructional innovations of these MOOC instructors included using problem-based learning, service learning in MOOCs, and shortening the length of videos. Overall, these MOOC instructors were satisfied with their MOOC designs.Cette étude faisant appel à des méthodes mixtes explore les motivations des instructeurs de cours en ligne ouverts à tous ainsi que les innovations pédagogiques utilisées pour améliorer la conception de ces cours. Les chercheurs ont procédé au sondage de 143 instructeurs de cours en ligne ouverts à tous à travers le monde et ont ensuite interviewé 12 de ces instructeurs par l’entremise de Zoom. Ils ont également réalisé un examen approfondi des cours en ligne ouverts à tous des instructeurs interviewés. Les motivations principales pour l’offre de cours en ligne ouverts à tous comprenaient des besoins relatifs à la « croissance », comme la curiosité au sujet de ces cours et l’exploration de nouvelles façons d’enseigner. De plus, les désirs relationnels des instructeurs comprenaient joindre plus de gens, mettre en lumière la recherche et l’enseignement, publiciser leur université, intégrer la technologie interactive et obtenir des évaluations par les pairs. Les innovations pédagogiques perçues par ces instructeurs de cours en ligne ouverts à tous comprenaient l’utilisation de l’apprentissage par résolution de problèmes, de l’apprentissage par le service dans les cours en ligne ouverts à tous et la durée écourtée des vidéos. Dans l’ensemble, les instructeurs de cours en ligne ouverts à tous étaient satisfaits de leur conception de cours.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.021 | 0.053 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".