Академическое мошенничество: влияние вовлеченности во внеучебную деятельность и школьного бэкграунда

Таким образом, были созданы следующие переменные:

· -отношение преподавателей к списыванию, база - «предпримут какие-то меры»

· -отношение преподавателей к плагиату, база - «предпримут какие-то меры»

· Высшее образование у одного из родителей, база - у одного из родителей есть высшее образование

· Курс (порядковая переменная, измеренная по шкале от 1 до 6)

· Специальность (база - общественные науки)

· Качество ВУЗа, база - остальные ВУЗы

Контрольные переменные описаны в таблице 13. Распределение по контрольным переменным приведены в таблицах 14-21 Приложения.

Для решения задачи 2 используется факторный анализ с целью выявления различных типов нечестного поведения. Кроме того, т.к. задача носит разведывательный характер, будет применен кластерный анализ, чтобы классифицировать студентов в зависимости от пользования ими разными средствами академического мошенничества. Оба метода используются на подмножестве студентов, использовавших те или иные практики нечестного поведения.

Выявленные типы (факторы и кластеры) будут выступать в качестве зависимой переменной в регрессионном анализе (к кластерам дополнительно будет добавлена группа «честных» студентов). Это позволит решить задачу 3. Для моделей с зависимыми переменными типов нечестного поведения, выявленных на основе факторного анализа, используется множественная линейная регрессия (количество моделей зависит от количества факторов). Для модели с зависимой переменной, полученной на основе кластерного анализа, используется мультиномиальная логистическая регрессия. В качестве целевых независимых переменных и контрольных переменных будут использоваться те же переменные, что и для бинарной логистической регрессии.

Одно из предположений данного исследования заключается в том, что разные факторы могут провоцировать разные типы нечестного поведения.

Таблица 1. Таблица интерпретации и операционализации

Глава 3. Эмпирический анализ факторов академического мошенничества.

3.1 Портрет респондента

Размер выборки составляет 3347 студентов, отобранных на основе двухступенчатой стратифицированной модели. На первой ступени выбирается образовательных организациях высшего образования по таким стратифицирующим критериям как административно-географический округ и форма собственности учреждения. На второй ступени отбираются студенты по 3 стратам: бакалавриат, специалитет и магистратура.

Согласно результатам описательной статистики (см. таблицы № 9 - 23 Приложения), 65,6% выборки составляют студенты бакалавриата, 20,6% - студенты специалитета и 13,9% студенты магистратуры. Большая доля опрошенных (72%) учится на бюджетной основе. Среди респондентов 58,2% - девушки.

Предыдущая ступень образования большинства респондентов - школа. Все опрошенные респонденты закончили 9 классов, 92,4% закончили 11 классов. Доля выпускников обычных школ составляет 60,8%. Доли студентов, окончивших лицеи и гимназии, составляют 13,4 и 14,1 процентов соответственно. Среди опрошенных 10,2% закончили школы с углубленным преподаванием предметов, а 1,2% закончили школы-интернаты, 47,6% учились в школе/классе с какой-либо специализацией.

Более 70% опрошенных студентов имеют среднее материальное положение или выше среднего. У 67,8% респондентов хотя бы один родитель имеет высшее образование.

Наибольшая доля студентов (30%) на момент опроса училась в технических ВУЗах. Когда-либо принимали участие в трудовой деятельности 48%.

Среди опрошенных 75% пользовались какими-либо методами академического мошенничества хотя бы раз.

3.2 Влияние школьного бэкграунда и внеучебной деятельности на участие в академическом мошенничестве

Содержательная задача: выявить влияние школы и участия во внеучебной деятельности на участие в практиках академического мошенничества (гипотеза №1 приведена на стр. 21-23).

Для решения данной задачи используется бинарная логистическая регрессия, т.к. зависимая переменная дихотомическая.

Зависимая переменная - наличие опыта участия в какой-либо практике академического мошенничества.

Независимые переменные:

1) Тип школы (контрольная группа - обычная школа)

2) Специализация класса (контрольная группа - отсутствие специализации)

3) Вовлеченность во внеучебную деятельность

Из заявленных в методологии контрольных переменных исключена специализация в вузе, т.к. она оказалась незначима. Однако, сохранена переменная типа ВУЗа. Оцененная нами модель является значимой (см. табл. № 24 Приложения). Результаты оценки модели представлены в таблице 2 и таблице 25 Приложения.

Таблица 2 Оценка бинарной логистической регрессии с зависимой переменной «Наличие опыта участия в какой-либо практике академического мошенничества», N=3193, Псевдо R2 = 0,065

статистика значима на уровне: *** 0,01; **0,05; * 0,1

Детерминанты участия в академическом мошенничестве. Содержательные выводы.

Выводы по независимым переменным:

С вероятностью 95% можно заключить, что для студентов, которые окончили школу со специализацией класса, по сравнению с теми, у кого специализации не было, шансы участвовать в академическом мошенничестве выше на 29,8%, чем у студентов, которые окончили обычные классы. Таким образом, гипотеза №1.1 частично опровергается, т.к. в ней предполагалось, что выпускники классов специализацией будут участвовать в практиках академического мошенничества реже.

Полученные результаты могут быть связаны с тем, что в классах со специализацией было сложнее учиться, поэтому ученики «прокачали» навыки пользования средствами академического мошенничества, после чего перенесли их в университеты.

Кроме того, выпускники классов со специализацией могут поступать в более престижные университеты, в которых, согласно регрессионному анализу, вероятность того, что студент будет применять методы академического мошенничества выше. Согласно частотному (табл. № 3) распределению 64% выпускников классов со специализацией идут в престижные ВУЗы (топ-приема ВШЭ или топ-100 России), тогда как из обычных классов в престижные ВУЗы поступили только 49%. Однако, данным результатам нельзя доверять, т.к. не была осуществлена проверка значимости различий.

Таблица 3 Распределение студентов по ВУЗам разного качества в зависимости от наличия специализации у класса

Для проверки гипотезы о значимости специализации класса из анализа были исключены студенты, которые учились в классах без специализаций. Оставшиеся были разделены на 4 направления: гуманитарные классы, технические, естественно-научные и другие. За базу были взяты гуманитарные классы (в соответствии с гипотезой). Однако, различия оказались незначимыми (см. табл. № 26 Приложения).

Выводы по контрольным переменным:

В качестве контрольных переменных были взяты характеристики, которые были отмечены в качестве важных другими исследователями.

Таким образом, среди контрольных переменных, значимыми детерминантами академического мошенничества оказались:

1) Тип ВУЗа

-с вероятностью 99% для студентов, учащихся в экономическом ВУЗе, по сравнению со студентами, учащихся в техническом ВУЗе, шансы участвовать в практиках академического мошенничества изменяются в 0,513 раза (уменьшаются на 49%)

-с вероятностью 99% для студентов, учащихся в педагогическом ВУЗе, по сравнению со студентами, учащихся в техническом ВУЗе, шансы участвовать в практиках академического мошенничества изменяются в 0,559 раза (уменьшаются на 44%)

-с вероятностью 99% для студентов, учащихся в ВУЗа других типов, по сравнению со студентами, учащихся в техническом ВУЗе, шансы участвовать в практиках академического мошенничества изменяются в 0,479 раза (уменьшаются на 52%)

- с вероятностью 95% для студентов, учащихся в сельскохозяйственном ВУЗе, по сравнению со студентами, учащихся в техническом ВУЗе, шансы участвовать в практиках академического мошенничества изменяются в 0,673 раза (уменьшаются на 33%)

-с вероятностью 90% для студентов, учащихся в ВУЗе с профилем культура/искусство/дизайн, по сравнению со студентами, учащихся в техническом ВУЗе, шансы участвовать в практиках академического мошенничества изменяются в 0,686 раз (уменьшаются на 31,4%)

Таким образом, для студентов, обучающихся в техническом ВУЗе, шансы участвовать в практиках академического мошенничества выше, чем для студентов, обучающихся в других типах ВУЗов (кроме студентов классических университетов, гуманитарных и медицинских ВУЗов). Технические ВУЗы включают в себя специальности, связанные со строительством, связью, технологиями производства. Такие результаты можно попытаться объяснить тем, что в ВУЗах с данной направленностью большее внимание уделяется практике и прикладным навыкам, а на теоретические предметы, особенно общие (например, история, философия и т.п.) в какой-то степени закрывают глаза, в связи с чем, студенты, для успешного закрытия теоретических предметов, используют практики академического мошенничества.

2) Вовлеченность в учебную деятельность

Индикаторами вовлеченности в учебную деятельность выступали интенсивность подготовки к занятиям и посещаемость.

-с вероятностью 99% для студентов, усиленно готовящихся к занятиям (обращающихся к дополнительным материалам) по сравнению с теми, кто готовиться стандартно (читает учебники, конспекты и обязательную литературу) шансы участвовать в практиках академического мошенничества изменяются в 0,691 раз (уменьшаются на 31%)

-с вероятностью 99% для студентов, посещающих 50-75 процентов занятий, по сравнению с теми, кто посещает более 75 процентов занятий, шансы участвовать в практиках академического мошенничества выше в 1,758 (на 76%)

-с вероятностью 90% для студентов, посещающих менее 50 процентов занятий, по сравнению с теми, кто посещает более 75 процентов занятий, шансы участвовать в практиках академического мошенничества выше в 1,418 (на 42%).

Для студентов, которые в большей степени вовлечены в учебную деятельность, вероятность участвовать в практиках академического мошенничества ниже, чем для тех, кто вовлечен в меньшей степени. Эти выводы кажутся логичными, т.к. при интенсивной подготовке и частой посещаемости материал усваивается в большей степени и у студентов пропадает необходимость обращаться к практикам академического мошенничества для успешной сдачи работ. Кроме того, данные выводы согласуются с предыдущими исследованиями на этой базе (Шмелева, 2016).

3) Учебная мотивация

Индикаторами учебной мотивации выступали причина поступления в ВУЗ и ориентация обучения (ориентация на высокий уровень знаний, ориентация на высокие оценки).

По результатам регрессионного анализа для тех студентов, кто поступил в ВУЗ по причине того, что в нем «хорошее обучение» и для тех, кто ориентирован на получения высокого уровня знаний, шансы участия в академическом мошенничестве ниже на 19,6% (с вероятностью 95%) и на 25,6% (с вероятностью 99%) соответственно, чем для тех, кто не ориентирован на данные мотивы. Данные индикаторы выступают показателями внутренней учебной мотивации (ориентация на знания), таким образом, полученные выводы согласуются с выводами предыдущих исследований о том, что внутренняя учебная мотивация является детерминантной академической честности (Rettinger, Jordan, 2004; Герасимова, 2018). Однако предположения о том, что внешняя учебная мотивация является детерминантой нечестного поведения, не подтвердились.

4) Меры борьбы с академическим мошенничеством со стороны преподавателей

Как ни странно, для студентов, чьи преподаватели не применяют никаких мер борьбы при обнаружении списывания, вероятность участвовать в практиках академического мошенничества ниже на 40% (с вероятностью 95%) по сравнению с теми студентами, чьи преподаватели применяют какие-либо меры, за исключением строгого выговора. Это может быть связано с тем, что в таких университетах практики академического мошенничества не распространены в принципе, а согласно анализу имеющихся эмпирических исследований, важной детерминантой академического мошенничества является распространенность нечестного поведения и отношения к такому виду действий других студентов (McCabe., Trevino, 1993).

Строгий выговор со стороны преподавателей при обнаружении списывания или плагиата повышает шансы участия в практиках академического мошенничества на 23,3% (с вероятностью 90%) и на 46,1% (с вероятностью 95%) соответственно, по сравнению с принятием другим мер. Данный вывод логичен, т.к. студентов, выбирая стратегию поведения, оценивает выгоды и издержки. Строгий вывод является меньшей издержкой, чем, снижение оценки, отправка на пересдачу, подача документов на отчисление.

5) Год обучения - с каждым последующим курсом (включая магистратуру), шансы участия в академическом мошенничестве уменьшаются на 12,7% (с вероятностью 99%). Данный вывод согласуется с результатами прошлых исследований (Сивак, 2006).

6) Качество ВУЗа

С вероятностью 99% для студентов, обучающихся в престижных ВУЗах (топ-приема по рейтингу ВШЭ) шанс участвовать в академическом мошенничестве выше на 45%, чем для студентов, учащихся в остальных ВУЗах. Это может быть связано с тем, что

-в престижных ВУЗах сложнее учиться в принципе (сложнее материал, большее количество курсов, более строгое оценивание)

-у студентов, обучающихся в престижном ВУЗе, может быть выше мотивация окончить именно этот ВУЗ

6) Наличие трудовой занятости параллельно с учебой

Для студентов, когда-либо работавших, шансы участвовать в практиках академического мошенничества увеличиваются в 1,468 раза (возрастают на 47%).

7) Обучение в филиале

С вероятностью 90% для студентов, обучающихся в филиале, шансы использовать практики академического мошенничества ниже на 34,4% по сравнению с теми, кто учится в головном ВУЗе. Это может быть связано с тем, что в филиалах легче обучаться.

Незначимые переменные: пол, форма обучения, материальное положение семьи, тип ВУЗа (обучение в классическом университете, гуманитарных или медицинских ВУЗах), вовлеченность в учебную деятельность (индикатор - отсутствие подготовки к занятиям), учебная мотивация (индикаторы: - причина поступления в ВУЗ: «здесь несложное обучение», ориентация на высокие оценки в дипломе), географическое расположение ВУЗа, меры борьбы с академическим мошенничеством (индикатор - «Отсутствие действий со стороны преподавателя при обнаружении плагиата»), наличие высшего образования хотя бы у одного из родителей, тип школы и вовлеченность во внеучебную деятельность.

Таким образом, гипотеза №1.2 не подтвердилась, т.к. между интенсивностью вовлеченности во внеучебную деятельность и наличием опыта участия в академическом мошенничестве связь не обнаружилась.

Гипотеза №1.1 также не подтверждается, так как оценка модели показала, что выпускники классов со специализацией с большей вероятностью участвуют в академическом мошенничестве, чем выпускники обычных классов, частично не подтверждается, а связь между типом школы и наличием опыта участия в академическом мошенничестве не обнаружилась.

3.3 Типы академического мошенничества

Содержательная задача: выявить типы академического мошенничества (гипотеза №2 приведена на стр. 23).

Для построения факторов, которые могут интерпретироваться как «типы академического мошенничества» будет использоваться факторный анализ, т.к. с помощью этого метода можно выделить группы переменных, наиболее сильно коррелирующих между собой. Переменные являются дихотомическими, их описание приведено в таблице № 9 Приложения. Однако, при использовании факторного анализа на дихотомических переменных могут возникать сложности:

1) Переменные со сходными расщеплениями могут коррелировать друг с другом независимо от содержания (для того, чтобы оценить, отображают ли общие факторные нагрузки действительную корреляцию, будут рассмотрены факторные нагрузки выбранных дихотомических переменных)

2) По критерию Кайзера дихотомические переменные склонны извлекать много факторов и много переменных, нагружающихся на этот фактор

При интерпретации анализа данных будут предприняты попытки учесть описанные ограничения.

Перед проведением анализа были исключены студенты, которые никогда не участвовали в практиках академического мошенничества, т.к. гипотеза предполагает выявление типов поведения, связанных с наличием опыта участия в академическом мошенничеством.

Тест Бартлетта: статистическая гипотеза о сферичности данных отвергается, т.к. sig = 0. Таким образом, проводить факторный анализ на данной модели целесообразно, т.к. имеют место группы наблюдаемых переменных, которые и репрезентируют латентный фактор (см. табл. № 27 Приложения). Критерий КМО = 0,792, что говорит о наличии теснокоррелирующих значений и, соответственно, о существовании групп, контрастных между собой (см. табл. № 27 Приложения). По критерию Кайзера выделилось 4 фактора, объясняющих 44,4% дисперсий (см. табл. 28 № Приложения).

Наиболее хорошо моделью объясняются переменные «В сданных письменных работах использовали части текста из других статей и книг без указания ссылки на источник - в этом вузе за последние 12 месяцев» (0,6), «Платили за выполнение курсовых, дипломных работ, рефератов и т.д. (или покупать готовые работы) - в этом вузе за последние 12 месяцев» (0,556). Наиболее плохо моделью объясняется переменная «Сдавали письменные работы, которые уже были сданы по другим учебным курсам - в этом вузе за последние 12 месяцев» (0,275) (см. табл. № 29 Приложения).

Модель с вращением лучше интерпретируема. Для вращения применен метод Varimax, т.к. при его использовании происходит минимизация количества переменных с высокой факторной нагрузкой.

Таблица 4 Матрица извлеченных факторных нагрузок. N = 2506

Была осуществлена попытка добавить 5-ый фактор в соответствии с гипотезой №2 и тем, что собственное значение 5-го фактора равно 0,956, что мало отличается от единицы. Однако, такая модель неудобна для интерпретации. Таким образом, выделилось 4 типа академического мошенничества:

1) Списывание (данный тип поведения заключается в использовании шпаргалок на экзаменах, а также в списывании у других студентов)

2) Покупка готовых работ и подкуп преподавателей (данный тип поведения заключается в том, что студенты, вероятно, в принципе отказываются что-то делать и покупают всё за деньги, т.к. к таким методам академического мошенничества, как списывание, например, они не прибегают. Кроме того, пользование материалами других студентов также могло быть на платной основе)

3) Плагиат (данный тип поведения заключается в использовании чужих мыслей без ссылок на источники, использовании частей текста из других статей и книг без указания ссылки на источник, а также в покупке готовых работ)

4) Социальное академическое мошенничество (данный тип поведения заключается в том, что студенты кооперируются для выполнения индивидуальных заданий, а также пользуются материалами друг друга)

Таким образом, изначальная гипотеза подтвердилась частично - некоторые виды мошенничества объединились в группы, в которых они взаимосвязаны, хотя типы получились не совсем такими, как мы предполагали. Однако, данная задача носила разведывательный характер и по результатам ее решения выделились 4 типа академического мошенничества («типы поведения»).

Т.к. данная задача носит разведывательный характер, была также предпринята попытка выделить группы студентов, в зависимости от пользования ими разными средствами академического мошенничества. Для этой цели был применен двухшаговый кластерный анализ. Перед анализом были также исключены студенты, которые никогда не пользовались никакими методами академического мошенничества.

В соответствии с гипотезой была рассмотрена модель с 5-ью кластерами. Однако, данная модель плохо интерпретируется, поэтому мы остановились на 4-ых кластерной модели.

Кластеры в модели получились достаточно наполненными (см. табл. № 30 Приложения).

Таблица 5 Кластерные центры в результате двухступенчатого кластерного анализа

Таким образом, выделились следующие группы студентов:

1) Студенты, использующие плагиат и участвующие в совместной работе

2) Студенты, пользующиеся на экзаменах шпаргалками и различными материалами, скаченными на телефон, участвующие в совместной работе и скачивающие готовые работы из интернета. Скаченными из интернета работами можно также пользоваться как шпаргалками/материалами для примера. Таким образом, данную группу можно назвать «списывающие»

3) Студенты, участвующие в социальном обмане (выполнение совместно индивидуальных заданий, ксерокопирование лекций и конспектов других учащихся)

4) Активные мошенники

К полученной модели был добавлен кластер «честных студентов» (см. табл. № 6).

Таблица 6.Распределение студентов в зависимости от пользования разными средствами академического мошенничества

Таким образом, мы выделили типы действия (типы академического мошенничества) и классифицировали студентов в соответствии с тем, какие практики нечестного поведения они выбирают. Хотя выделенные типы поведения и кластеры студентов не имеют однозначного соответствия, тем не менее, данная типология позволит нам оценить, какие характеристики студентов влияют на их выбор тех или иных практик академического мошенничества. Для этого мы используем регрессионный анализ, с зависимыми и переменными «типы академического мошенничества».

3.4.1 Влияние школьного бэкграунда и вовлеченности во внеучебную деятельность на участие в разных типах академического мошенничества

Выводы по независимым переменным:

1) Обучение в школах иного типа (школы-интернаты, обучение в детских домах, обучение на дому).

С вероятностью 99% выраженность фактора «участие в списывании» среди выпускников школ такого типа ниже на 0,462, чем среди выпускников обычных школ. Таким образом, для выпускников школ иного типа этот тип поведения менее характерен, чем для выпускников обычных школ.

2) Вовлеченность во внеучебную деятельность.

С вероятностью 95% степень вовлеченности во внеучебную деятельность положительно связана со склонностью к «участию в списывании»: с увеличением вовлеченности во внеучебную деятельность на 1 балл выраженность фактора «участие в списывании» увеличивается на 0,049. Это можно объяснить в соответствии с гипотезами: во-первых, это может быть связано с тем, что у студента больше каналов для списывания (больше знакомых, у которых он может списать); во-вторых, это может быть связано с тем, что вовлеченность во внеучебную деятельность отрицательно связана с вовлеченностью в учебную деятельность (которая является значимым предиктором списывания).

Выводы по контрольным переменным:

Предикторы списывания, включенные в качестве контрольных переменных, не сильно отличаются от предикторов участия в академическом мошенничестве в целом. Значимыми детерминантами оказались:

1) Тип ВУЗа

-с вероятностью 99% для студентов, учащихся в гуманитарных ВУЗах, склонность к «участию в списывании» ниже, чем для тех, кто учится в техническом ВУЗе (выраженность фактора ниже на 0,476);

-с вероятностью 95% для студентов, учащихся в классическом университете, склонность к «участию в списывании» выше по сравнению с теми, кто учится в техническом ВУЗе (выраженность фактора выше на 0,155);

-с вероятностью 90% для студентов, учащихся в ВУЗе с профилем культура/искусство/дизайн, склонность к «участию в списывании» выше по сравнению с теми, кто учится в техническом ВУЗе (выраженность фактора выше на 0,173).

Данные различия могут быть связаны со спецификой заданий, которые получают студенты на разных специальностях (например, эссе списать сложнее, чем примеры по математике), а также с мерами контроля списывания в разных ВУЗах.

2) Участие в трудовой деятельности

С вероятностью 99% для студентов, когда-либо работавших, склонность к «участию в списывании» выше, чем для тех, кто никогда не работал (выраженность фактора выше на 0,19).

3) Вовлеченность в учебную деятельность

-с вероятностью 99% для студентов, которые не готовятся к занятиям, склонность к «участию в списывании» выше, чем для тех, кто использует стандартную подготовку (читает учебники, конспекты и обязательную литературу) (выраженность фактора выше на 0,451);

-с вероятностью 95% для студентов, посещающих менее 50 процентов занятий и для студентов, посещающих 50-75 процентов занятий, по сравнению с теми, кто посещает более 75 процентов занятий, склонность к «участию в списывании» выше (выраженность фактора выше на 0,178 и на 0,099 соответственно).

4) Учебная мотивация

С вероятностью 90% для студентов, поступивших в ВУЗ по причине того, что «в нем хорошее обучение», склонность к «участию в списывании» ниже по сравнению с теми, кто эту причину не выбрал (выраженность фактора ниже на 0,081. Ориентация на хорошее обучение является примером внутренней учебной мотивации, которая, согласно результатам предыдущих исследований, является значимой детерминантой честного поведения (Rettinger, Jordan, 2004; Герасимова, 2018).

5) Меры борьбы с академическим мошенничеством со стороны преподавателей

-с вероятностью 90% для студентов, обучающихся в ВУЗе, в котором преподаватели при обнаружении плагиата ничего не предпримут, по сравнению с теми, кто учится в ВУЗах, где преподаватели предпримут какие-либо меры, склонность к «участию в списывании» выше (выраженность фактора выше на 0,109);

-с вероятностью 99% для студентов, обучающихся в ВУЗе, в котором преподаватели при обнаружении списывания ограничатся строгим замечанием или ничего не предпримут, по сравнению с теми, кто учится в ВУЗах, где преподаватели предпримут какие-либо меры, склонность к «участию в списывании» выше (выраженность фактора выше на 0,206 и на 0,342 соответственно). Данная переменная дает наибольший вклад, таким образом, полученный результат соответствует предыдущим исследованиям, согласно которым строгость наказания преподавателя и в целом санкции за академическое мошенничество является одним из важных детерминант академического мошенничества (Шмелева, 2016, McCabe, 1997).

Результаты по данной контрольной переменной отличаются от результатов, полученных на этапе выявления предикторов участия в академическом мошенничестве в целом. В полученной модели выраженность фактора «участие в списывании» отрицательно связана со степенью строгости наказания. Данные выводы кажутся логичными, т.к. при выборе стратегии поведения студент оценивает издержки и выгоды, а с повышением строгости наказания - издержки воз...