Investigating how autonomy‐supportive teaching moderates the relation between student honesty and premeditated cheating
Notice bibliographique
Résumé
BACKGROUND: Cheating at the post-secondary level is a skewed phenomenon. While personality and environmental factors are associated with cheating, few studies account for the zero inflation when predicting cheating behaviour. AIM: In this study, we explore a person-situation interaction hypothesis where teacher autonomy support (AS) could modify the relation between students' honesty trait and premeditated cheating. SAMPLE: Participants were 710 college students and 31 teachers. METHODS: Teacher and student reports of teacher AS were collected and students also completed self-reports of honesty and premeditated cheating. RESULTS: Given that cheating had a zero-inflated negative binomial distribution, we can investigate two separate outcomes: likelihood of cheating and magnitude of cheating. Predictably, student honesty trait predicted lower likelihood and magnitude of cheating. AS, whether student- or teacher-reported, moderated the relation between honesty and likelihood of cheating. In low perceived AS teaching environments, student honesty was associated with cheating likelihood. However, there was no such relation in high perceived AS teaching environments. CONCLUSIONS: Students' honesty generally predicts lower cheating. However, the educational environment provided by the teacher influences the strength of this association. The less autonomy-supportive students perceive the educational environment, the more their personality is important in predicting the likelihood of cheating.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».