[논문 리뷰] Plagiarism: Taxonomy, Tools and Detection Techniques

Hussain Ahmed Chowdhury, Dhruba K. Bhattacharyya|arXiv (Cornell University)|2018. 01. 19.

Academic integrity and plagiarism참고 문헌 40인용 수 40

한 줄 요약

본 논문은 표절 형태를 조사하고, 탐지 도구를 조사하며, 기계 학습 접근법을 논의하고, 도전 과제와 연구 방향을 강조한다.

ABSTRACT

To detect plagiarism of any form, it is essential to have broad knowledge of its possible forms and classes, and existence of various tools and systems for its detection. Based on impact or severity of damages, plagiarism may occur in an article or in any production in a number of ways. This survey presents a taxonomy of various plagiarism forms and include discussion on each of these forms. Over the years, a good number tools and techniques have been introduced to detect plagiarism. This paper highlights few promising methods for plagiarism detection based on machine learning techniques. We analyse the pros and cons of these methods and finally we highlight a list of issues and research challenges related to this evolving research problem.

연구 동기 및 목표

• 표절 형태와 그 영향에 대한 포괄적인 분류 체계를 제공한다.
• 표절 탐지를 위한 기존 도구와 시스템을 검토한다.
• 탐지에 유망한 기계 학습 기법을 강조한다.
• 탐지 방법의 장단점을 분석한다.
• 표절 탐지에서의 미해결 이슈와 연구 과제를 식별한다.

제안 방법

• 표절 형태의 분류 체계를 개발하고 그 특성과 영향을 논의한다.
• 기존 표절 탐지 도구와 시스템을 검토하고 비판한다.
• 기계 학습 기반 탐지 방법과 그 절충점을 강조하고 평가한다.
• 다양한 탐지 방식의 장점과 한계를 분석한다.
• 해당 분야의 연구 과제와 향후 방향을 개괄한다.

실험 결과

연구 질문

• RQ1 표절의 형태와 분류는 무엇이며 일반적으로 어떤 피해를 초래하는가?
• RQ2 표절 탐지를 위한 어떤 도구와 시스템이 존재하며 어떻게 비교되는가?
• RQ3 표절 탐지를 위한 어떤 기계 학습 기법이 유망하며 장단점은 무엇인가?
• RQ4 표절 탐지에서의 현재 격차와 연구 과제는 무엇인가?

주요 결과

• 본 논문은 표절 형태의 분류 체계를 제시하고 각 형태를 논의한다.
• 표절 탐지를 위해 사용 가능한 도구와 시스템을 검토한다.
• 기계 학습 기법을 유망한 접근 방식으로 강조하고 그 장단점을 분석한다.
• 표절 탐지와 관련된 일련의 문제점과 연구 과제를 식별한다.
• 해당 연구는 NACLIN 2016의 Proceedings에 기반하며 발전하는 방법들의 종합을 제공한다.