Desonestidade acadêmica em MOOCs que utilizam avaliações baseadas no envio de imagens

Abstract

A desonestidade acadêmica reduz a credibilidade dos cursos online e das instituições de ensino, sendo muito prevalente em função da dificuldade de supervisão e monitoramento. Nos MOOCs (Massive Open Online Courses) este problema é potencializado pela ausência de professores e pela falta de interação entre os alunos, sendo necessária a utilização de métodos automatizados para sua detecção. No caso de MOOCs cujas avaliações são baseadas em arquivos de imagem, esta identificação se torna mais problemática, considerando a dificuldade computacional de identificar imagens copiadas, alteradas ou fora de contexto. Neste trabalho apresenta-se o resultado de um estudo que investigou a prevalência e a categorização deste tipo de desonestidade acadêmica na plataforma de MOOCs Lumina, da UFRGS.

Academicdishonestyreducesthe credibilityof online courses and educationalinstitutionsand is very prevalentdue tothe difficultyof supervision and monitoring. In MOOCs (MassiveOpenOnline Courses)this problemis exacerbated by the absence of teachersand the lack of interaction between students, making it necessaryto use automated methods to detect it. In the caseof MOOCs whose evaluations are based onimage files,this identification becomes more problematic, considering the computationaldifficultyof identifying copied, altered, or out-of-contextimages. This work presentsthe results of a study that investigated the prevalence and categorization of this type of academic dishonesty on the Lumina MOOCs platform, from UFRGS.