A partir del momento en que se crea su cuenta, Authorship for Investigators procesará todos los trabajos entregados a su institución a través de Turnitin y estos se mostrarán en el área Mi panel (My Dashboard) en su cuenta de Authorship for Investigators.
Cuerpo del panel
El cuerpo principal del panel muestra los estudiantes cuyas entregas han recibido un puntaje de predicción de 0,573 o superior.
Seleccione la fila que contenga el estudiante que desea investigar más a fondo para abrir el reporte.
El cuerpo del panel no muestra todos los estudiantes que entregaron sus trabajos a su cuenta de Turnitin. Solo los estudiantes que presenten las siguientes características:
- Han entregado más de un archivo a su cuenta de Turnitin
- Han entregado trabajos de una manera que les atribuirá una identificación del estudiante
- Han recibido un puntaje de predicción superior a 0,57
- Tengan trabajos que contengan 2 o más banderas indicadoras.
Los estudiantes se pueden filtrar por umbral o por fecha de entrega.
El panel tiene seis columnas.
Nombre (Name)
La primera columna contiene el nombre del estudiante.
El panel solo genera reportes para trabajos con identificaciones de los estudiantes. Los estudiantes no inscritos o los que hayan utilizado la Entrega directa o Entrega rápida no aparecerán en el panel.
Prioridad (Priority)
La segunda columna muestra la prioridad del estudiante según su puntaje de predicción. La prioridad podrá ser Crítica (Critical), Alta (High) o Ninguna (None). Seleccione el signo de interrogación junto al título de la columna para obtener más información sobre la prioridad y el puntaje de predicción, así como el puntaje de predicción promedio del panel.
Banderas indicadoras (Flags)
La tercera columna contiene cuántas banderas indicadoras encontró el reporte.
Las banderas son evidencia visible de que el trabajo de un estudiante puede no ser completamente suyo. Le avisamos cuando los metadatos de un archivo no coinciden con la información del estudiante o si los metadatos son diferentes en varios documentos.
La presencia de banderas indicadoras no es una prueba de que haya un autor diferente, sino más bien es una sugerencia de que se revise el trabajo de un estudiante.
Pase el cursor sobre el número para ver qué banderas están resaltadas en este reporte.
Seleccione el signo de interrogación junto al título de la columna para obtener más información sobre las banderas indicadoras y ver la cantidad promedio en el panel.
Última fecha de entrega (Last Submission Date)
La cuarta columna contiene la fecha de la última entrega de este estudiante.
Cada vez que un estudiante entregue un nuevo trabajo, el reporte se regenerará. Esto sobrescribirá el reporte del panel anterior para este estudiante.
Estado (Status)
La quinta columna contiene el estado del reporte. El estado refleja el estado del reporte de autoría del estudiante la última vez que se guardó. Utilice el estado para clasificar los casos e investigar a estudiantes específicos. Debe abrir el reporte para actualizar el estado.
Últimos cambios guardados (Last Saved By)
La columna de los últimos cambios guardados indica el último investigador que dejó un comentario de resumen o seleccionó un estado de investigación para el reporte de autoría.
Descargar (Download)
Para descargar el panel como un archivo .csv, seleccione el botón Descargar (Download).
Dar de baja a un estudiante del panel (Dismiss a student from the Dashboard)
Seleccione la casilla de verificación junto al nombre del estudiante para seleccionarlo. Una vez que lo seleccione, se puede dar de baja a un estudiante del panel. Puede seleccionar a varios estudiantes a la vez y darles de baja.
Los estudiantes que se dieron de baja ya no aparecerán en el panel, incluso si las entregas futuras tienen 2 o más banderas indicadoras o un puntaje superior a 0,57. Recomendamos dar de baja a un estudiante solo si abandonó su institución.
Los trabajos rechazados no se incluirán en la descarga del archivo .csv.
Si desea ver a los estudiantes que dio de baja del panel, seleccione Mostrar los dados de baja (Show dismissed).
Filtrar el panel
Por umbral
Puede filtrar el panel por puntaje de predicción. Puede hacerlo usando los tres filtros de banderas indicadoras.
Los tres filtros son los siguientes:
Todas las banderas (All Flags): se mostrarán todos los reportes que tengan un puntaje superior a 0,57. Este umbral es el que hemos calculado que capturará todos los reportes que podrían resultar casos potenciales de fraude por contrato.
Puntaje alto (High Score): se mostrarán todos los reportes que tengan un puntaje entre 0,57 y 0,76. Este umbral es el que hemos calculado que capturará reportes que es posible que sean casos de fraude por contrato.
Puntaje crítico (Critical Score): se mostrarán todos los reportes que tengan un puntaje entre 0,77 y 0,100. Este umbral es el que identifica los casos con el mayor número de banderas indicadoras y anomalías que requieren más investigación.
Por rango de fechas
En la parte superior del panel, existe la posibilidad de filtrar los reportes por última fecha de entrega.
La fecha más temprana en la que puede establecer el filtro es aquella en la que se le proporcionó su licencia para Turnitin Originality. Si acaba de crear su cuenta, es posible que no pueda seleccionar un rango de fechas amplio. Las entregas históricas se incluirán en el panel una vez que un estudiante haya realizado una entrega después de la fecha de creación.
Seleccione el menú desplegable del rango de fechas para ver el calendario y elija el rango de fechas del cual desea ver los reportes. También puede escribir la fecha en el siguiente formato: 1 de agosto de 2019.
La fila de estudiantes se actualizará con cada entrega. Si utiliza una fecha de entrega anterior, es posible que no vea al estudiante que desea investigar.
¿En qué se basa nuestra predicción?
El puntaje de predicción es un puntaje entre 0 y 1 que se atribuye a cada estudiante en el panel. Cuanto más cerca de 1 esté el puntaje, más probable será que haya algo que valga la pena investigar. Se calcula utilizando el algoritmo de predicción de Turnitin, que utiliza métodos de Procesamiento de Lenguaje Natural (NLP).
El NLP es un subcampo de la inteligencia artificial que se centra en permitir que las computadoras comprendan y procesen los lenguajes humanos, para acercarlas a una comprensión del lenguaje de nivel humano.
Entonces, ¿cómo funciona?
El algoritmo de predicción se entrenó en un conjunto de datos etiquetados que contenían trabajos de estudiantes del mismo autor y de diferentes autores. El algoritmo de aprendizaje automático se entrenó en un conjunto de datos etiquetados muy grande con cientos de características lingüísticas para aprender qué características indican la autoría y la no autoría. Luego probamos el algoritmo entrenado en otro gran conjunto de datos de prueba/validación para asegurarnos de no sobreentrenar nuestro modelo con los datos de entrenamiento.
Estas características lingüísticas suelen ser demasiado complejas para presentarlas como datos valiosos. Por este motivo, los combinamos en un puntaje fácil de procesar que podemos atribuir a un estudiante.
¿Es exacto?
Nuestros objetivos de precisión se basaron en una investigación realizada por la Universidad de Deakin sobre qué tan bien los marcadores identifican el fraude por contrato cuando se les indica que lo busquen. En ese estudio, alcanzaron una sensibilidad del 62 % para identificar fraudes por contrato. Nuestro algoritmo está ajustado para tener el mismo nivel de sensibilidad (tasa de detección) al identificar diferentes autores según la validación de nuestro algoritmo de predicción.
Cuanto más utilicen usted y otras instituciones Authorship for Investigators, mejor será el modelo de predicción.
Nunca afirmamos que un estudiante ha cometido fraude por contrato, solo recomendamos una investigación más a fondo. Depende del investigador determinar si hay pruebas suficientes para presentar una acusación de fraude por contrato.