MétaCan
Menu
Retour à la cohorte
Enregistrement W2762160181 · doi:10.18260/1-2--432

Student Use Of Textbook Solution Manuals: Student And Faculty Perspectives In A Large Mechanical Engineering Department

2020· article· en· W2762160181 sur OpenAlexaboutno aff
Kim Shollenberger, James Widmann

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Curriculum Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCheatingQuarter (Canadian coin)PerceptionMathematics educationPsychologyEngineering educationMedical educationEngineeringMedicineMechanical engineeringGeography

Résumé

récupéré en direct d'OpenAlex

Anecdotal evidence indicates that Mechanical Engineering students have unprecedented access to textbook solutions manuals, and possibly a large percentage of students regularly refer to these manuals when working graded homework assignments.Many faculty voice concerns regarding the ethics of this behavior and its affect on student learning; however, the prevalence of the solutions manual usage and its effects on learning are not well documented.To better understand how students use solutions manuals, a survey was submitted to undergraduate students and faculty of the Mechanical Engineering Department at California Polytechnic State University, San Luis Obispo, as part of a larger study on the effects of solution manual access on student learning.The methodology emulates earlier studies at M.I.T. 1 and Georgia Tech 2 that addressed student perceptions of cheating.This survey was administered in a number of required courses, with multiple sections that are typically offered every quarter at Cal Poly.The goal of this survey was to determine the incidence rate of solution manual use and student perceptions on the ethics and educational value of using the solution manuals when working homework assignments.Faculty perceptions were also tabulated using a similar survey.Quantitative results are presented along with an assessment of interactions between student perceptions and their use of the solution manuals.

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)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,002
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,030
Tête enseignante GPT0,285
Écart entre enseignants0,255 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations21
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEngineering Education and Curriculum DevelopmentTravaux en français237 207