MétaCan
Menu
Retour à la cohorte
Enregistrement W3094744592 · doi:10.5206/cjsotl-rcacea.2020.2.8508

Examining Academic Integrity Using Course-Level Learning Outcomes

2020· article· en· W3094744592 sur OpenAlexvenueno aff
Angela Clark, Jamie Goodfellow, Sandra Shoufani

Notice bibliographique

RevueThe Canadian Journal for the Scholarship of Teaching and Learning · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAcademic integrity and plagiarism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAcademic integrityAcademic dishonestyLearning developmentAcademic achievementHigher educationMathematics educationData integrityAuditPsychologyMedical educationComputer sciencePolitical scienceMedicineManagementComputer securitySocial psychology

Résumé

récupéré en direct d'OpenAlex

This paper describes a comprehensive review of academic integrity across course-level learning outcomes for all courses at one institution. The authors developed a taxonomy based on The International Center for Academic Integrity’s (ICAI) fundamental values of academic integrity to audit course-level learning outcomes for evidence of academic integrity instruction. Approximately 23% of the 3379 courses examined demonstrated a clear component of academic integrity and instruction varied across Faculties and levels of study. The study provides insights into academic integrity instruction and opportunities for academic institutions to better understand, utilize, and integrate academic integrity instruction into their courses and programs.

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)0,015
score de la tête « metaresearch » (Gemma)0,085
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants1,000
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,085
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0110,008
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,247
Tête enseignante GPT0,390
Écart entre enseignants0,143 · 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.

Devis d'étudeObservationnel
DomaineMéthodes
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

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal for the Scholarship of Teaching and LearningMême sujetAcademic integrity and plagiarismTravaux en français237 207