What facilitates or prevents academic fraud in a Colombian faculty of medicine–Protocol of a study using fuzzy cognitive mapping
Notice bibliographique
Résumé
INTRODUCTION: Academic fraud is any behavior that gives a student an undeserved advantage over another student. Few studies have explored the causes of and possible solutions to academic fraud in Latin America. We aim to map the knowledge of stakeholders in a Colombian faculty of medicine about the factors that facilitate and prevent academic fraud. METHODS: Fuzzy cognitive mapping. We will use the approach proposed by Andersson and Silver to generate fuzzy cognitive maps representing stakeholder knowledge. This process consists of ten steps: (1) definition of the research question; (2) identification of participants; (3) generation of ideas; (4) rationalization of ideas; (5) organization and connection of ideas; (6) weighing; (7) pattern grouping; (8) list of links and digitization; (9) combination of maps and network analysis; and (10) deliberative dialogue. To draw the maps, we will invite medical students, interns, resident physicians, master's students, and professors in the faculty of medicine. Four medical students will receive training to facilitate the sessions. Participants will identify the factors contributing to academic fraud and their causal relationships. We will use a combination of network analysis and graph theory to identify the chains of factors with greatest influence on academic fraud. CONCLUSION: The maps will serve to discuss strategies to reduce academic fraud in the Faculty of Medicine and to identify factors that could be addressed in other contexts with similar problems. This research will allow the students who facilitate mapping sessions to learn about research techniques, fuzzy cognitive mapping and academic fraud. Study registration: Registered in OSF Registries on August 2nd, 2022. Registration number: osf.io/v4amz.
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 | 0,033 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,003 |
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.
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 ».