MétaCan
Menu
Retour à la cohorte
Enregistrement W2167255727 · doi:10.21913/ijei.v7i1.744

YouTube: An international platform for sharing methods of cheating

2011· article· en· W2167255727 sur OpenAlexaboutno aff
Christopher M. Seitz, Muhsin Michael Orsini, Meredith R. Gringle

Notice bibliographique

RevueInternational Journal for Educational Integrity · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAcademic integrity and plagiarism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCheatingPopularityUploadDemographicsPsychologyInternet privacyMultimediaComputer scienceSociologyWorld Wide WebSocial psychology

Résumé

récupéré en direct d'OpenAlex

This study investigated the video sharing website www.youtube.com for the presence of instructional videos that teach students how to cheat on academic work. Videos were analysed to determine the methods of cheating, the popularity of the videos, the demographics of viewers and those uploading the videos, and the opinions of viewers after watching these types of videos. A total of 43 videos were included in this study. Those featured in the videos taught viewers how to cheat on exams, homework, and written assignments using modern and traditional technologies. The far majority of those featured in the videos, and their viewers, were males within the age range of those who attend middle school, high school, and college. Videos were watched by people from several different nations, including the United States (US), Canada, Australia, India, and the United Kingdom (UK). The study's results suggest that instructional cheating videos are popular among students around the world. Positive viewer feedback indicates that the videos have educated and motivated students to put the methods of cheating found in the videos to use. Educators should consider YouTube as a resource in order to become familiar with various methods of cheating.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,999
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,020
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0060,004
Études des sciences et des technologies0,0020,001
Communication savante0,0020,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,217
Tête enseignante GPT0,512
Écart entre enseignants0,295 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
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

Citations15
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Educational IntegrityMême sujetAcademic integrity and plagiarismTravaux en français237 207