MétaCan
Menu
Retour à la cohorte
Enregistrement W2984848350 · doi:10.5430/ijfr.v11n1p189

Academic Cheating and Characteristics of Accounting Students

2019· article· en· W2984848350 sur OpenAlexvenueno aff
Nur Sayidah, Sulis Janu Hartati, Muhajir Muhajir

Notice bibliographique

RevueInternational Journal of Financial Research · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAcademic integrity and plagiarism
Établissements canadiensnon disponible
Organismes subventionnairesDirecció General de Recerca, Generalitat de CatalunyaDirektorat Riset dan Pengabdian Masyarakat
Mots-clésCheatingPsychologyHonestyIncentiveRationalization (economics)Bivariate analysisSanctionsRegression analysisSocial psychologyAccountingMathematics educationPolitical scienceManagementBusinessStatisticsEconomicsMathematics

Résumé

récupéré en direct d'OpenAlex

This paper aims to examine the correlation between perceptions of incentives, pressures, and rationalizations in academic cheating with student characteristics. Researchers used the survey method by distributing questionnaires to accounting students in various public and private universities in Indonesia. The results of Pearson Correlation Bivariate analysis of 386 respondents' answers show that there was a significant negative relationship between student academic performance and length of study with the desire and rationalization of students to conduct academic cheating. There is a significant negative correlation between the length of worship and the rationalization of students to be dishonest. Results indicate further research can use regression analysis to examine the effect between the variables studied. Implications of this study are lecturers need to internalize the value of honesty in the learning process. College management needs to develop policies that give strict sanctions to students who cheat.

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)0,009
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,150
Score d'incertitude au seuil0,914

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,007
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 savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
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 Opus0,060
Tête enseignante GPT0,460
Écart entre enseignants0,400 · 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'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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Financial ResearchMême sujetAcademic integrity and plagiarismTravaux en français237 207