MétaCan
Menu
Retour à la cohorte
Enregistrement W1906592214 · doi:10.19173/irrodl.v15i1.1684

How well do Canadian distance education students understand plagiarism?

2014· article· en· W1906592214 sur OpenAlexaffvenueabout
Cheryl A. Kier

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAcademic integrity and plagiarism
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésParaphraseDistance educationPhrasePsychologyMathematics educationHigher educationSample (material)PedagogyComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

<p>This project ascertains how well students taking online, distance education courses at a Canadian university recognize plagiarised material and how well they paraphrase. It also assesses the types of errors made<em>. </em>Slightly more than half of 420 psychology students correctly selected plagiarised phrases from four multiple choice<em> </em>questions. Only a minority was able to rewrite a phrase properly in their own words. A more diverse sample of university students also had difficulty recognizing plagiarised passages from multiple choice options. The poor ability of students to identify plagiarised passages may suggest poor understanding of the concept. Students may benefit from training to improve their understanding of plagiarism.</p>

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 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)0,013
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,916
Score d'incertitude au seuil0,975

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,066
Tête enseignante GPT0,450
Écart entre enseignants0,384 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetAcademic integrity and plagiarismTravaux en français237 207