Are Canadian professors teaching the skills and knowledge students need to prevent plagiarism?
Notice bibliographique
Résumé
Abstract Max 150 words. If possible, please submit your abstract in both English and French. When writing an assignment, most students start by searching for information online, which they integrate in their writing and conclude by producing a bibliography for the sources used. They use their informational, writing and referencing skills to do this as well as refer to their plagiarism knowledge to make sure their text is exempt from plagiarism. In this paper, we examined which skills and knowledge students feel the need to further develop in university to prevent plagiarism in their assignments. Professors were also questioned as to their perceptions of their students’ skills development during their pre-university studies. Questionnaires were administered in six Quebec Universities to students (n = 1170) and professors (n = 279). Results show that students feel the need for more training while professors expect students to have already mastered the skills and knowledge to prevent plagiarism. Recommendations are made on how to implement better training for students through a program approach. Lors de la rédaction d’un devoir, la plupart des étudiants universitaires commencent par chercher des informations en ligne, qu’ils intègrent dans leur rédaction et terminent en produisant une bibliographie des sources utilisées. Ils utilisent leurs compétences informationnelles, rédactionnelles, et de référencement documentaire et se réfèrent à leurs connaissances en matière de plagiat pour s’assurer que leur texte en soit exempt. Dans cet article, nous avons examiné les compétences et les connaissances que les étudiants ressentent le besoin de développer davantage à l’université pour prévenir le plagiat dans leurs travaux. Les professeurs ont également été interrogés sur leur perception du développement des compétences de leurs étudiants durant leurs études pré-universitaires. Des questionnaires ont été administrés dans six universités québécoises à des étudiants (n = 1170) et à des professeurs (n = 279). Les résultats montrent que les étudiants ressentent le besoin d’une formation plus poussée alors que les professeurs s’attendent à ce que les étudiants maîtrisent déjà les compétences et les connaissances nécessaires pour prévenir le plagiat. Des recommandations sont formulées sur la façon de mettre en œuvre une meilleure formation pour les étudiants par le biais d’une approche-programme.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Intégrité de la recherche Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: oui · Porte sur un sujet canadien: oui | Observationnel | low |
| gpt | MétarechercheIntégrité de la recherche Domaine: Méthodes · Genre: Empirique Porte sur le système de recherche canadien: oui · Porte sur un sujet canadien: oui | Observationnel | high |
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,011 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,002 |
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.
score_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 découleClassification
machine, non validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».