Pay-to-Pass: Emerging On-Line Services that are Undermining the Integrity of Student Work
Notice bibliographique
Résumé
Students have been connected digitally from an early age and have been encouraged throughout their educational journey to turn to the internet for information. However, less emphasis is typically placed on educating students about the origin and appropriateness of these sources. For many post-secondary students, it can be challenging to distinguish between resources that are supportive of their academic development and resources that are undermining and questionable in their veracity. In this workshop, we discuss the emergence and infiltration of pay-to-pass websites in the Canadian post-secondary setting. We differentiate pay-to-pass websites from other forms of contract cheating by describing them as sites encouraging students to share and access course material, assignments, tests, and notes for academic and personal gain. These sites are alluring to students because they commonly offer real-time support from academic 'experts' or tutors that is available 24/7. In the rapid shift to online learning due to the COVID-19 pandemic, we have acutely observed the impact of these services on student behaviour in online-based assessments. This workshop examines the growing scope and deepening impact of these sites on teaching and learning in the post-secondary context. To address the challenges posed by these websites, we present a three-part approach that may be implemented in the efforts to uphold academic integrity in post-secondary education.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,005 |
| 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 ».