MétaCan
Menu
Retour à la cohorte
Enregistrement W2900717729 · doi:10.11575/prism/34227

Contract Cheating: An Inter-Institutional Collaborative SoTL Project from Alberta

2018· article· en· W2900717729 sur OpenAlexaboutno aff
Sarah Elaine Eaton, Margaret A. Toye, Silvia Luisa Rossi, Nancy Chibry

Notice bibliographique

RevueOpen MIND · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueArtificial Intelligence in Law
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCheatingBusinessPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Our project showcases perspectives from three Alberta post-secondary institutions, using a collaborative action research approach to reflect upon and then develop interventions to advance awareness of, and responses to, contract cheating. Contract cheating includes, but is not limited to essay mills, custom writing services, assignment completion services and professional exam takers. Contract cheating also occurs when parents, partners or another student do the work for a learner. In short, contract cheating happens when students have someone else complete academic work on their behalf, but submit their work as if they had done it themselves. Our project is framed as an action research project that extends SoTL beyond the individual classroom to a broader institutional context. Using narratives, observations and reflection-on-action as data sources, we use informal interventions such as hallway conversations and in-class discussions, designed to help both faculty members and students develop greater awareness about what contract cheating is and why it deserves attention from a teaching and learning perspective. We also discuss institutional action, such as taking part in the International Day of Action Against Contract Cheating, as a formal way to raise awareness about contract cheating in higher education more broadly. We conclude with preliminary practical and evidence-informed recommendations for practitioners, educational developers and decision-makers.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,935
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0150,002

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 Opus0,135
Tête enseignante GPT0,451
Écart entre enseignants0,316 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MINDMême sujetArtificial Intelligence in LawTravaux en français237 207