Means of Forming a Culture of Academic Integrity of Postgraduate Students: Experience of Ukraine and the European Union
Notice bibliographique
Résumé
The purpose of the article is to study how to form a culture of academic integrity of postgraduate students based on the consideration and analysis of the Ukrainian and European experience. To achieve this goal, the author used such research methods as analysis and synthesis, and the content analysis method was applied to study the scientific literature to official documents. The results show that the EU countries use a variety of tools, including the formation of educational ethics, university codes of conduct, specialised seminars and training, mentoring, the use of digital tools to detect plagiarism in dissertations, the imposition of severe sanctions for violations, as well as the use of public influence methods and the work of special control and accreditation commissions. The advantages of postgraduate education in European countries in terms of building academic integrity are the fact that this process has a long history of application and uses proven methods, while in Ukraine this concept is relatively new. This indicates the existence of certain weaknesses. Ukrainian codes of ethics for higher education institutions have a limited impact, unlike in European countries, where violations of academic integrity lead to the automatic isolation of a person in the scientific community. Ukrainian legal definitions also create precedents for avoiding responsibility for violations of academic integrity. The conclusions note some positive innovations in Ukraine, including borrowing forms of accreditation examinations and the work of a special agency to ensure the quality of 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 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 | 0,010 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,015 | 0,010 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,001 | 0,014 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».