Building a Culture of Restorative Practice and Restorative Responses to Academic Misconduct
Notice bibliographique
Résumé
Abstract TheUniversal Declaration of Human Rights’Article 26 on education and more recently UNESCO’s “World Declaration on Higher Education for the Twenty-First Century: Mission and Action” have called for civic and ethical education alongside academic education in postsecondary settings. Many post-secondary institutions have made fostering civic responsibility, engaged citizenship, and ethical decision making in students a strategic priority. What often remains ambiguous is how these priorities translate into action. A growing body of scholarly literature and research establishes the role Restorative Practice (RP) can play in pursuing these strategic priorities surrounding moral development, emotional intelligence, and engaged citizenship. Specifically, RP has been shown to prevent conflict and misconduct, while empowering marginalized individuals. Restorative practices demonstrate fairness; and foster empathy, compassion and accountability; through experiential learning opportunities. In light of these developments, MacEwan University, in Alberta, Canada, has been actively building a restorative culture. One aspect of this endeavour was the revision of its Academic Integrity Policy and Academic Misconduct Procedures to include the possibility of alternative resolutions to academic misconduct, based on restorative practices and principles. In our chapter, we will (a) provide a brief introduction to restorative practices that makes explicit its connection to universities’ civic education mandate, integrity, and specifically, academic integrity; (b) describe the restorative practices model that is being established at MacEwan University; (c) discuss in detail the application of restorative practices to academic misconduct cases, including training of facilitators, as well as successes and challenges experienced in the first year since it became available; and, finally, (d) share feedback regarding its effectiveness received from students, staff, and faculty who participated in restorative resolutions.
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 | 0,034 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,028 | 0,058 |
| Communication savante | 0,020 | 0,010 |
| Science ouverte | 0,005 | 0,025 |
| Intégrité de la recherche | 0,005 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».