Plagiarism detection software and academic integrity :\nthe canadian perspective
Notice bibliographique
Résumé
In 2003, McGill University, a member of the Canadian “G10” research universities, undertook a limited trial of plagiarism detection software in specific undergraduate courses. While it is estimated that 28 Canadian universities and colleges currently use text-matching software , the McGill trial received considerable attention from student, national and international media after a student refused to submit his work to the service and successfully challenged the university’s policy requiring the use of Turnitin™. \nWhile student and faculty reactions to the software have been mixed, debate about the use of text-matching software has served to promote awareness of the importance of academic integrity and the use of alternative methods of deterring plagiarism. No final decision has yet been reached regarding the use of plagiarism detection software but the University is currently drafting policy for its general implementation in courses and specific use in cases of suspected plagiarism. At the same time, it is working to develop collaborative initiatives involving key campus stakeholders, including the University administration, Teaching and Learning Services, librarians and student advocacy groups, to promote academic integrity at McGill.\nIn this study, we seek to determine how leading Canadian universities using text-matching software address issues of academic integrity. Particular attention will paid to the role of librarians in promoting academic integrity and in educating students and faculty about information literacy. Having identified seven of the G10 currently using Turnitin™, we intend to survey key stakeholders from each institution via electronic questionnaire for information on four areas relating to academic integrity: promotion, policy, education, and library involvement. We expect to report a summary of our findings, paying special attention to the current situation at McGill.
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.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Intégrité de la recherche Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: oui | Sans objet | medium |
| gpt | Intégrité de la recherche Domaine: non disponible · Genre: Commentaire Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: oui | Sans objet | low |
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 | 0,015 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,012 | 0,020 |
| Études des sciences et des technologies | 0,048 | 0,030 |
| Communication savante | 0,029 | 0,012 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,008 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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.
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».