MétaCan
Menu
Retour à la cohorte
Enregistrement W3164248983 · doi:10.17045/sthlmuni.13067432.v1

Deepening source criticism in higher education to avoid plagiarism

2020· article· en· W3164248983 sur OpenAlexaboutno aff
Christophe Prémat

Notice bibliographique

RevueFigshare · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueText Readability and Simplification
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPresentation (obstetrics)CriticismClass (philosophy)CheatingConstructiveMathematics educationPsychologyPedagogyTest (biology)SociologyComputer sciencePolitical scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

This is a presentation made during the pedagogical conference NU2020 (7-9 October 2020)What should teachers do with Wikipedia? Many students at the university do not really know how to find relevant information and cite important sources in their field. On the one hand, the challenge is even more difficult in language courses as the students focus on skills without paying attention to source information. In this perspective, they get used to plagiarism attitudes consisting in patchwriting strategies (Pecorari, 2015). On the other hand, teachers do not have time to help students to find the required information, they take this competency for granted in higher education. This contrast can reinforce misunderstandings between students and teachers and lead to a form of passive plagiarism, where students seek for information and gather different meanings taken in different sources. This mimetic attitude has to be questioned at the very beginning of the academic life (Krathwohl, 2002). By preparing students to a better reflection on their sources and by inviting teachers to pay attention to source criticism, a generic form of “constructive alignment” is possible (Hunt, Chalmers, 2012). The presentation proposes an exercise to test the critical capacity of students when it comes to the use of Wikipedia sources. The experiment was made during three semesters in a class of French (“Culture and society in France”) where the students had to study different materials including some Wikipedia articles recommended by the teacher (Premat, 2019). When they wrote the exam, they had to answer a metalinguistic question on the use of Wikipedia articles. The presentation analyzes the answers of the students by proposing a typology of discourses and attitudes on Wikipedia sources.There is a paradox between students’ practices (almost all of them recognize that they use Wikipedia) and between the discourse that they have (most of them would not dare citing a Wikipedia article in an academic essay). The presentation proposes pedagogical activities where students would be encouraged to deepen source criticism (Peters, Cadieux, 2019; Premat, 2020). -Hunt, L., Chalmers, D. (eds.) (2012). University teaching in focus: a learning-centred approach. Abingdon, Oxon: Routledge.-Krathwohl, D. R. (2002). A revision of Bloom’s taxonomy: an overview. Theory into practice, vol. 41, n. 4, 212-218.-Pecorari, D. (2015). Plagiarism in second language writing: Is it time to close the case? Journal of Second Language Writing, 30, pp. 94-99.-Peters, M., Cadieux, A. (2019). Are Canadian professors teaching the skills and knowledge students need to prevent plagiarism?. International Journal of Educational Integrity 15, 10 (2019). https://doi.org/10.1007/s40979-019-0047-z (See a summary in Aktuell högskolepedagogisk forskning, 1, 2020, https://su.powerinit.com/Modules/Campaign/Newsletter.aspx?n=7745&e=christophe.premat@su.se&r=372722&h=FE54B47668C0493D5A6BED122B73BBC4)-Premat, C. (2019). Hur kan man lära studenter att undvika plagiering? Figshare. Paper. DOI: https://doi.org/10.17045/sthlmuni.7850993.v1-Premat, C. E. (2020). Wikipedia Practices, Quick Facts, and Plagiarism in Higher Education. In E. Ezza, & T. Drid (Eds.), Teaching Academic Writing as a Discipline-Specific Skill in Higher Education (pp. 199-221). Hershey, PA: IGI Global. https://doi:10.4018/978-1-7998-2265-3.ch009

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.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Théorique ou conceptuellow
gptIntégrité de la recherche
Domaine: non disponible · Genre: Autre
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Théorique ou conceptuellow
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,019
score de la tête « metaresearch » (Gemma)0,068
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,068
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,005
Communication savante0,0080,007
Science ouverte0,0020,008
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0080,003

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 Opus0,090
Tête enseignante GPT0,281
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

Étiqueté directement par 2 modèles lisant le dossier complet.

Intégrité de la recherche

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique · Autre

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetText Readability and SimplificationCatégorieIntégrité de la rechercheTravaux en français237 207