References, Paraphrases and Quotations: Essentials for Writing a Non-plagiarized Text
Notice bibliographique
Résumé
This article examines how four students in high school or college choose to integrate sources in their assignments using quotation and paraphrases. Implementing an innovative methodology, a digital screen capture software was used to record all the participants’ actions as they wrote a 500-word argumentative essay. A video of each participant’s actions was produced. These actions translated as quantitative results and showed the frequency of various actions grouped within five categories of strategies linked to various skills (informational skills, writing skills, referencing skills, basic computer skills and task compliance skills) and a sixth category linked to plagiarism actions. The four texts were also analysed for their quality and their level of plagiarism. Results show that the college students performed better on overall text quality, but their texts contained more plagiarism. When looking at the strategies used, all students spent more time on their informational and writing strategies than on their referencing strategies. When using sources, in general, participants had more difficulties with paraphrasing than with quoting, often not referencing their paraphrases, which resulted in plagiarism. Patterns emerged for the data showing four types of actions when integrating sources in assignments: the casual integrator, the aspiring integrator, the fearless integrator and the ethical integrator. For each profile, recommendations on how to better develop students’ paraphrasing, quoting, and referencing skills are provided.
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 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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».