Valoración de las causas de comisión de plagio académico \npor parte del alumnado y el profesorado de Educación \nSecundaria Obligatoria. Propuestas de intervención para la \nevitación de la deshonestidad académica
Bibliographic record
Abstract
Durante los últimos años se han llevado a cabo numerosos estudios que han evidenciado \naltos índices de comisión del conocido como plagio académico entre el alumnado. El \nGrupo de Investigación Educación y Ciudadanía de la Universitat de les Illes Balears \n(considerado Grupo de Investigación Competitivo por la Dirección General de \nInvestigación, Desarrollo Tecnológico e Innovación del Gobierno de la Comunidad \nAutónoma de las Islas Baleares) en el marco de un proyecto I+D+I financiado por el \nMinisterio de Economía y Competitividad español (con referencia EDU2009-14019-C02- \nC01) ha llevado a cabo un estudio sobre la comisión de diferentes acciones relacionadas con el plagio académico entre el alumnado de Educación Secundaria Obligatoria (ESO). En \neste trabajo se exponen los resultados obtenidos entre el alumnado y el profesorado de \nesta etapa educativa, centrándonos en los niveles de comisión y detección de plagio, así \ncomo en estrategias de evitación de estas acciones propuestas por los docentes. Ello \npermite comparar el grado de importancia que se confiere a las posibles causas de \ncomisión de plagio. Dicha comparación permite la propuesta de medidas y estrategias de \nintervención (basadas en las ya señaladas por el propio profesorado) que faciliten la \nevitación del fenómeno del plagio académico.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".