Scaffolding the Learning Opportunities: Academic Integrity at Douglas College
Notice bibliographique
Résumé
Douglas College has recently developed a wrap-around (multi-touchpoint) model of student education for academic integrity at the college. This presentation will share the preliminary work being done, both college-wide and discipline-specific, including a recent policy language update to encourage faculty to consider whether an academic integrity issue might be regarded as a learning opportunity, rather than a violation. It will also provide a snapshot of preliminary data collected about students being reported in one of the divisions at Douglas. The key educational points for students include opportunities for learning, both mandatory and optional: academic integrity workshop at orientation completion of an academic integrity module on blackboard for all new students new tailored learning modules for Arts and Business programs resources and in-class instruction from the library tutoring sessions from the Learning Centre with peer tutors a new student-facing website (FAQ) The first contacts for learning are within the students first few weeks and organized by the college, program or instructor, while the Learning Centre sessions are directly booked by students by selecting from three academic integrity topics: Understanding and Awareness, Using Sources in Your Writing, Style and Formatting Guidelines. In these appointments, students build on previous understanding of academic integrity, learn about resources available, and develop plans to continue their learning. Writing appointments also aid students to focus on developing paraphrasing skills and ability to use sources as evidence in writing assignments, how to find the formatting and style rules needed for assignments, as well as what aspects of the style and formatting are important in most college assignments. We’ll also outline possible next steps at Douglas, including understanding learning effectiveness and increased collaboration between Faculties.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,003 |
| Communication savante | 0,014 | 0,007 |
| Science ouverte | 0,002 | 0,018 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,008 |
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 ».