MétaCan
Menu
Retour à la cohorte
Enregistrement W3092685673 · doi:10.1080/02602938.2020.1826900

When academic integrity rules should not apply: a survey of academic staff

2020· article· en· W3092685673 sur OpenAlexaff
Alexander Amigud, David J. Pell

Notice bibliographique

RevueAssessment & Evaluation in Higher Education · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAcademic integrity and plagiarism
Établissements canadiensCentre for Social Innovation
Organismes subventionnairesnon disponible
Mots-clésAcademic integrityAmbiguityPublic relationsCompliance (psychology)IdeologyPsychologyMultinational corporationWelfareSocial psychologyAction (physics)Political scienceLaw

Résumé

récupéré en direct d'OpenAlex

This study examines circumstances when academic integrity rules may not apply. To this end, we conducted a multinational survey of teaching, research, administrative and support staff (N = 79). The results suggest that exemptions may be granted on compassionate grounds such as personal welfare, situations where institutional policies are perceived to be unfair or discriminatory, in cases of honest mistakes, and for special activities such as ideological and philosophical debates. Exceptions to academic integrity rules may also be granted to first-time offenders and international students. We argue that inconsistency in policy objectives coupled with differences in staff attitudes, values and beliefs create additional challenges for the implementation of academic integrity measures. However, where policy is perceived to be morally questionable, non-compliance is regarded as an attempt to restore a personal sense of fairness and trust. We further stress that ambiguity of expectations and a disproportionate focus on student action, but not on that of staff, results in an environment where different, and often conflicting, academic integrity practices may operate in parallel leading to even greater inconsistency and procedural unfairness. We discuss the implications and offer recommendations for practice and future research.

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)0,012
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,329
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,296
Tête enseignante GPT0,486
Écart entre enseignants0,191 · 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.

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

Citations30
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAssessment & Evaluation in Higher EducationMême sujetAcademic integrity and plagiarismTravaux en français237 207