Student and faculty perceptions of, and experiences with, academic dishonesty at a medium-sized Canadian university
Notice bibliographique
Résumé
Abstract There is a paucity of research into the prevalence of academic dishonesty within Canada compared to other countries. Recently, there has been a call for a better understanding of the particular characteristics of educational integrity in Canada so that Canada can more meaningfully contribute to current discussions surrounding academic integrity. Here, we present findings from student (N = 1142) and faculty (N = 130) surveys conducted within a medium-sized (~ 8700 students) Canadian university. These surveys probed perceptions towards, and experiences with, academic dishonesty, in which we aimed to understand how students and faculty regarded academically dishonest practices during their postsecondary careers. We also aimed to understand how often students engaged in, and faculty had witnessed, academic dishonesty, whether or not witnessing incidents of academic dishonesty corresponded with gender, year of experience, highest level of educational attainment, discipline, or their personal perceptions towards the importance of academic honesty, and whether students had been adequately taught what constitutes academic dishonesty. We found that an overwhelming majority of students viewed academic honesty as important, and that most students reported not engaging in academic dishonesty themselves despite 45.8% reporting that they had witnessed others engage in academic dishonesty. We also found that students were more likely to witness cheating as their postsecondary experience increased, that witnessing varied across disciplines and educational attainment, and that witnessing varied with student perceptions. However, we found no such patterns in faculty responses, but found that faculty are split on whether or not they believe incidents of academic honesty are increasing.
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 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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,018 | 0,005 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 source (Gemma direct ou Codex distillé), 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 ».