MétaCan
Menu
Retour à la cohorte
Enregistrement W4403935045 · doi:10.47408/jldhe.vi32.1415

Plagiaruedo*: teaching of academic integrity through a ‘whodunnit’ game (*any likeness to other games is intentional!)

2024· article· en· W4403935045 sur OpenAlexfundno aff
Ian Johnson, L.W. Barclay

Notice bibliographique

RevueJournal of Learning Development in Higher Education · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Innovations and Technology
Établissements canadiensnon disponible
Organismes subventionnairesQueen's UniversityQueen's University Belfast
Mots-clésAcademic integrityPsychologyMathematics educationSocial psychology

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,003
Communication savante0,0040,004
Science ouverte0,0020,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0160,005

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 Opus0,054
Tête enseignante GPT0,363
Écart entre enseignants0,309 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Learning Development in Higher EducationMême sujetEducational Innovations and TechnologyTravaux en français237 207