Plagiaruedo*: teaching of academic integrity through a ‘whodunnit’ game (*any likeness to other games is intentional!)
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.
Notice bibliographique
Résumé
An academic crime has been committed – someone has been caught plagiarising! Did Prof. Crastinator forget quotation marks due to poor time management, or did Larry Lastminute deliberately cheat by submitting text generated by artificial intelligence (AI)? This workshop invited delegates to play ‘Plagiaruedo’, a board game designed and used to raise students’ awareness of academic integrity. In the game, participants visited departments of the University of Portsmouth, tasked with figuring out who plagiarised, how they did it and why they did it, before submitting their answer to ‘Turnitin’ … but beware – an incorrect answer meant failing the assignment! Academic integrity is often regarded as a serious topic, making it potentially challenging to teach without resorting to dry or even punitive materials. Through Plagiaruedo, presenters hoped to challenge traditional teaching methods and play with a subject matter that is not traditionally played with (Sicart, 2014), creating an open learning environment that encourages students to try something new (Whitton and Moseley, 2019). Presenters reflected on experimenting with their Learning Development (LD) practice and finding that play has purpose within higher education (James, 2019). Following the game, delegates were asked for feedback on using Plagiaruedo as a catalyst for subsequent academic integrity activities, before the presenters shared their own in-class examples. Feedback from this ‘playtest’ will help improve future iterations of Plagiaruedo. Playfully-minded colleagues had the opportunity to join presenters for a potential research project about perceptions of the game, to enhance the evidence base for playful learning in higher 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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découle