CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN LIÊM CHÍNH HỌC THUẬT CỦA SINH VIÊN TRƯỜNG ĐẠI HỌC MỞ HÀ NỘI TRONG BỐI CẢNH CHUYỂN ĐỔI SỐ
Notice bibliographique
Résumé
Nghiên cứu nhằm xác định các nhân tố ảnh hưởng đến hành vi vi phạm liêm chính học thuật của sinh viên Trường Đại học Mở Hà Nội trong bối cảnh chuyển đổi số, đặc biệt khi trí tuệ nhân tạo (AI) được sử dụng rộng rãi trong học tập. Nhóm nghiên cứu sử dụng mô hình để kiểm định mối quan hệ giữa 13 giả thuyết liên quan đến nhận thức về AI, yếu tố xã hội, thái độ cá nhân và hành vi vi phạm. Kết quả cho thấy các yếu tố như ý định sử dụng AI, chuẩn chủ quan, ảnh hưởng bạn học và áp lực học tập có tác động thuận chiều đến hành vi gian lận. Trong khi đó, kiến thức về AI, nhận thức về hình phạt và chính sách liêm chính học thuật cho thấy tác động ngược chiều, giúp hạn chế hành vi vi phạm. Nghiên cứu đưa ra đề xuất ba nhóm giải pháp đối với Nhà trường, giảng viên và sinh viên nhằm thúc đẩy liêm chính học thuật trong môi trường số hóa hiện nay. Trong bối cảnh chuyển đổi số với sự phát triển nhanh chóng của công nghệ, việc tiếp cận tài liệu và công cụ hỗ trợ học tập trở nên dễ dàng hơn, đặt ra thách thức đối với việc duy trì liêm chính học thuật. Nghiên cứu đề xuất Nhà trường cần tăng cường xây dựng môi trường học thuật tích cực, nâng cao nhận thức và đạo đức học thuật cho sinh viên, đồng thời ứng dụng công nghệ để hỗ trợ giám sát và phòng ngừa hành vi gian lận trong học tập và nghiên cứu.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,217 | 0,069 |
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 ».