Infusing Equity, Diversity and Inclusion (EDI) into Academic Integrity Practices in Canadian Higher Education
Notice bibliographique
Résumé
Based on our experiences at four Canadian institutions of higher education, we contend that infusing EDI-informed language within academic integrity policy and procedures is important and should be supported by: (a) a transformative approach towards academic integrity that shifts from a “morality and rule compliance” framework (Penaluna & Ross, 2022); (b) asking questions such as, “what do we as instructors and institutions need to unlearn?” (McNeill, 2022) to cultivate belongingness and learning together about diverse systems and cultures of knowledge making (Davis, 2022); and (c) training students, staff, and instructors about ways to highlight aspirational aspects of integrity as well as diminishing anxiety ridden misconduct processes. Thus, to balance the maintenance of rigorous academic standards against the development of a more learning-centred culture of academic integrity, we believe EDI-informed best practices should be established at a system-level across multiple stakeholders responsible for different learning contexts. As a roadmap for structuring educative opportunities for students in such multiple teaching and learning contexts, we consider sites where revised practices might be most impactful, including: i) instructor-led classroom teaching; ii) administrator-led decision making and disciplinary processes; and iii) staff-led and student-centred programming, such as orientation, peer mentoring and learning services sessions.
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 | 0,052 | 0,087 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,115 | 0,084 |
| Communication savante | 0,025 | 0,010 |
| Science ouverte | 0,007 | 0,037 |
| Intégrité de la recherche | 0,008 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».