[論文レビュー] Anti Plagiarism Application with Algorithm Karp-Rabin at Thesis in Gunadarma University

Achmad Benny Mutiara, Sinta Agustina|ArXiv.org|Nov 26, 2008

Algorithms and Data Compression参考文献 4被引用数 3

ひとこと要約

本論文では、ガンダルマ大学における修士論文の分析に、ラビン・カープ文字列照合アルゴリズムを用いた改ざん検出アプリケーションを提示している。システムは、論文の各章と既存のテキストとの類似度割合（0%、15%未満、15–50%、50–100%）を計算し、数千件の学生提出物に対して自動スクリーニングを可能にすることで、学術的アドバイザーおよび評価者による不正出題の特定を支援する。

ABSTRACT

Plagiarism that is plagiarizing or composition retrieval, opinion, etcetera from other people and makes it is likely composition and opinion him-self. Plagiarism can be considered to be crime because stealing others copyrights. Like action a student copying some part of writings without valid permission from the original writer. In education world, plagiarism perpetrator can get the devil to pay from school/university. Plagiarism perpetrator conceived of plagiator. This thing is possible unable to be paid attention by the side of campus because of limitation from some interconnected factors for example student amounts Gunadarma University reaching thousands and incommensurate to tester amounts or lecturer the side of campus in charge directs problem thesis. In this paper, an application have been developed in order to check and look for 5 type percentage similarity from a thesis with other one at certain part or chapters. Percentage got that is 0%, under 15%, between 15-50%, up to 50% and 100%. So it should be expected that the results could be used by thesis advisor and also thesis examiner from the Student at Gunadarma University.

研究の動機と目的

• ガンダルマ大学における多数の学生修士論文における改ざん検出の課題を解決すること。
• 論文の各章にわたる類似度チェックを自動化することで、学術的スタッフの負担を軽減すること。
• さまざまな類似度レベルのテキストマッチを特定できるスケーラブルで効率的なシステムの開発。
• 学術的評価に使用可能な定量的類似度測定（0%、15%未満、15–50%、50–100%）の提供。
• 修士論文のアドバイザーおよび評価者が、著作権侵害や独自性のない内容を特定するのを支援すること。

提案手法

• ラビン・カープアルゴリズムを用いて、論文内容と外部資料との間で正確または類似した文字列マッチを検出する。
• システムは論文の各章を処理し、既知の文書または過去の修士論文のデータベースと照合する。
• 類似度は5つの事前定義されたパcentile範囲（0%、15%未満、15–50%、50%まで、100%）で測定される。
• アルゴリズムは、大規模なテキストセグメント内でパターンマッチを効率的にスキャンするために、ローリングハッシュ関数を用いる。
• 大学の学術的ワークフローへの統合を想定して開発され、修士論文評価を支援する。
• 各章ごとに類似度スコアを出力することで、不正出題の特定を支援する。

実験結果

リサーチクエスチョン

• RQ1 大規模な学術的修士論文の大量データにおいて、自動化されたシステムがどのようにテキスト類似度を効率的に検出できるか。
• RQ2 ラビン・カープアルゴリズムを用いることで、大学の修士論文文脈においてどの程度の類似度パーセンテージを信頼性を持って測定できるか。
• RQ3 ラビン・カープアルゴリズムは、実世界の学術環境における改ざん検出に効果的に適応可能か。
• RQ4 システムは、すべての文書を手動でレビューしなくても、学術的スタッフが不正出題を特定するのをどのように支援するか。
• RQ5 修士論文作成において、不正出題をマークするために意味的に有用な類似度スコアの範囲は何か。

主な発見

• ラビン・カープアルゴリズムは、高い計算効率で論文の各章におけるテキストマッチを検出するのに成功した。
• システムは5つの明確な類似度パーセンテージカテゴリ（0%、15%未満、15–50%、50%まで、100%）を生成した。
• 数千件の学生修士論文を扱う大規模な学術環境でも実用可能であることが実証された。
• 類似度スコアは、修士論文のアドバイザーおよび評価者が原稿の独自性を評価するための行動可能なデータを提供した。
• 定量的で自動化されたテキスト類似度評価を提供することで、手動によるチェックに依存するのを軽減した。
• このツールはガンダルマ大学の実際の大学環境で検証され、実用的応用性が示された。