MétaCan
Menu
Retour à la cohorte
Enregistrement W4400482733 · doi:10.55016/ojs/cpai.v4i1.69770

Exploring Rogeting: Implications for academic integrity

2021· article· en· W4400482733 sur OpenAlex
Azimeh Takrimi, Sarah Elaine Eaton

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueCanadian Perspectives on Academic Integrity · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvaluation of Teaching Practices
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésAcademic integrityResearch integrityEngineering ethicsPsychologyEngineering

Résumé

récupéré en direct d'OpenAlex

Poor paraphrasing can be a sign of underdeveloped writing skills that can lead to plagiarism. One example of poor paraphrasing is Rogeting, which is the substitution of words with their synonyms using Roget’s thesaurus or other digital synonym providers. In this position paper, we discuss Rogeting as a form of poor paraphrasing that may lead to academic integrity breaches, such as plagiarism. We discuss methods of identifying Rogeted text, concluding with practical recommendations for educators about how to better support student writers so they can avoid Rogeting in favour of developing their writing skills.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,034
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,870
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,007
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,453
Tête enseignante GPT0,483
Écart entre enseignants0,030 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle