[论文解读] Uncovering Plagiarism Networks

Manuel Freire, Manuel Cebrián+1 more|arXiv (Cornell University)|Mar 28, 2007

Academic integrity and plagiarism参考文献 36被引用 4

一句话总结

本文提出AC，一种模块化、开源的源代码抄袭检测系统，专为教育场景设计。它结合多种相似度度量方法、统计异常检测以及交互式可视化技术，帮助教育工作者高效识别和分析潜在抄袭行为，在显著减少人工工作量的同时，提升了检测准确率与易用性，优于现有工具。

ABSTRACT

Plagiarism detection in educational programming assignments is still a problematic issue in terms of resource waste, ethical controversy, legal risks, and technical complexity. This paper presents AC, a modular plagiarism detection system. The design is portable across platforms and assignment formats and provides easy extraction into the internal assignment representation. Multiple similarity measures have been incorporated, both existing and newly-developed. Statistical analysis and several graphical visualizations aid in the interpretation of analysis results. The system has been evaluated with a survey that encompasses several academic semesters of use at the authors' institution.

研究动机与目标

• 为应对学术编程作业中日益严峻的源代码抄袭问题。
• 减少教育工作者在人工抄袭检测上所耗费的时间与精力。
• 通过先进的可视化与统计分析技术，提升检测准确率与易用性。
• 提供一种保护隐私的独立运行解决方案，避免网络化系统的局限性。
• 构建一个可扩展、模块化的研究框架，用于源代码抄袭检测的后续研究。

提出的方法

• AC采用多种相似度度量方法，包括现有算法与新开发的算法，对源代码提交内容进行比对。
• 通过图形用户界面自动将提交内容转换为内部标准化表示形式。
• 应用统计异常检测方法，识别可疑的相似度聚类，并设定默认阈值。
• 通过交互式可视化技术，包括并排对比与图形概览，使评分者能够探索相似度分布，并聚焦于高概率案例。
• 系统以独立运行的Java应用程序形式实现，确保数据隐私与平台无关性。
• AC支持与现有教育工作流程的便捷集成，并允许根据特定课程需求进行定制。

实验结果

研究问题

• RQ1 如何使编程作业中的抄袭检测更加高效且可扩展，以满足教育工作者的需求？
• RQ2 可视化与统计分析在多大程度上能提升抄袭检测系统的准确率与易用性？
• RQ3 独立运行的开源系统是否能比网络化替代方案更有效降低隐私担忧并提升采纳率？
• RQ4 异常检测在不依赖排序相似度列表的情况下，识别有意义抄袭案例的有效性如何？
• RQ5 AC在保持高检测准确率的同时，对减轻人工审查负担有何实际影响？

主要发现

• AC在检测抄袭方面表现出高准确率，在确认案例中，AC结果与专家评分员最终判断完全一致（100%一致）。
• 仅有一名受访者报告存在疑似漏检情况，表明系统在真实场景下表现稳定可靠。
• 所有受访者均认为AC易于使用，无人对操作困惑或困难提出抱怨，仅有一人偏好文本形式的排序列表而非图形界面。
• 系统的可视化功能显著提升了评分者对相似度结果的解读能力，并有助于对可疑匹配进行上下文分析。
• AC采用的统计异常检测方法实现了有效的阈值设定，减少了对任意相似度截断值的依赖。
• 该工具的开源与独立运行特性增强了隐私保护，并使机构能够根据特定课程需求对系统进行适配。