MétaCan
Menu
Retour à la cohorte
Enregistrement W4408083851 · doi:10.1007/s40979-025-00182-x

Understanding PSE students’ reactions to the postplagiarism concept: a quantitative analysis

2025· article· en· W4408083851 sur OpenAlexaff
Rahul Kumar

Notice bibliographique

RevueInternational Journal for Educational Integrity · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAcademic integrity and plagiarism
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceMathematics educationPsychology

Résumé

récupéré en direct d'OpenAlex

This study examines postsecondary education (PSE) students’ perspectives on postplagiarism—a framework that reconceptualizes academic integrity in response to generative artificial intelligence (GenAI). Through a quantitative survey of 581 PSE students across five English-speaking countries, the research investigated student responses to the six tenets of postplagiarism articulated by Eaton (Int J Educ Integr 19:23, 2023a). The findings reveal a complex pattern of acceptance and resistance: while students broadly embrace the integration of GenAI in academic work, with 93.1% acknowledging the normalization of hybrid human–AI writing, significant concerns persist. Notable resistance emerged regarding the distinction between human and AI-generated content (65.92%), the potential impact of AI on human creativity (60.76%), and the retention of human agency in writing (32.7%). The study also validates a novel instrument for measuring postplagiarism perspectives, achieving acceptable internal consistency (Cronbach’s alpha = 0.718) while identifying areas for refinement. These insights suggest that educational institutions must develop nuanced policies that address student concerns while facilitating ethical AI integration, particularly in areas of attribution, creative expression, and academic agency. The findings contribute to our understanding of how academic integrity frameworks can evolve to remain relevant in an AI-integrated educational landscape.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaIntégrité de la recherche
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnellow
gptIntégrité de la recherche
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Observationnelhigh
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,016
score de la tête « metaresearch » (Gemma)0,070
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,999
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,070
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0040,004
Communication savante0,0050,004
Science ouverte0,0010,006
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,148
Tête enseignante GPT0,492
Écart entre enseignants0,344 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Devis d'étudeObservationnel
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

Citations6
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Educational IntegrityMême sujetAcademic integrity and plagiarismCatégorieIntégrité de la rechercheTravaux en français237 207