What Are ESL Students' Academic Integrity Challenges and How Can Universities Help?
Notice bibliographique
Résumé
Plagiarism is becoming more widespread at Canadian universities, but what are English-as-asecond-language (ESL) student perspectives on their challenges to avoid plagiarism and university strategies to support students?This paper presents a study of English-for-academic-purpose (EAP) writing students at a Canadian university.The study employed semi-structured individual qualitative interviews with 20 students who had completed an advanced writing course.The course discussed plagiarism and APA 7 th edition extensively.The participants represented ten countries and ten first languages.One 60-minute interview per participant was conducted online.The data were analyzed qualitatively for recurrent themes.Research findings indicate that the predominant cause of the participants' challenges was their lack of experience using citations before entering the university.Thus, the participants found APA 7th edition hard to observe initially and paraphrasing an enormous challenge.Based on the participant perspectives and related literature, the paper proposes a strategy to implement from the semester start comprising: (1) interactive training workshops with explanations, models, templates, resources, and student practice with citations and academic writing, (2) access to self-correction software like Turnitin and Grammarly Premium, and (3) simultaneous oral-written teacher feedback (Hu, 2019).
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 | 0,012 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,020 | 0,010 |
| Communication savante | 0,020 | 0,009 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».