Notice bibliographique
Résumé
The contract cheating industry, those services and individuals who are supplying students with original work for assessment, is evolving. Contract cheating companies are using enhanced marketing techniques, including social media marketing, to encourage potential customers to avail themselves of services that breach academic integrity. Social media is proving to be integral to the success of the contract cheating industry as a whole. It allows contract cheating companies to recruit academic ghost writers and other staff. In addition, social media is fuelling a black market trade in contract cheating service accounts. Potential ghost writers who would not otherwise qualify are using this hidden market to get accounts to work for contract cheating services.This paper examines the state of the contract cheating industry, paying particular attention to the role that social media has played in the industry’s development and apparent growth. The discussion of the industry is supported by example and case studies. These cover the end-to-end contract cheating process from when an essay mill is first set up, through to supplying services to students and to engaging contract cheating service workers. Examples of contract cheating and social media use of specific interest to Canadian academics and scholars are included. The paper concludes with a discussion of future challenges as well as the opportunities for academic integrity discussions. These are intended to enable academics to work with students as academic integrity partners and to enable discussions that make use of what is known about the operation of the contract cheating industry.
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 | 0,009 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,022 | 0,016 |
| Communication savante | 0,018 | 0,009 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,002 |
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 ».