Z P R Á V Y Z MUNI
Události Věda Student Rubriky
Hledat... English
Fakulty
Nový algoritmus
pomáhá MU
vyhledávat
Student 4. října 2021 Klára Petrovičová
Informační systém Masarykovy univerzity
spustil nový algoritmus vyhledávání
podobností.
plagiáty
Opisování, zhotovování napodobenin je neetická činnost a podvodné
jednání, která nemá na vysoké škole svoje místo. Plagiáty mezi závěrečnými
pracemi jsou nyní na M U odhalovány novým algoritmem, který vyvinul
tým Informačního systému M U a Theses.cz.
Soubory v datovém úložišti v ISu jsou průběžně strojově analyzovány. Může
se jednat o text seminární práce, eseje, prezentace, ale nejčastější
a nejdůležitější texty na porovnání jsou závěrečné práce. Studenti si mohou
sami algoritmus vyzkoušet a zkontrolovat, s jakými zdroji se jejich text
shoduje, na kterých místech a na kolik procent je dokument podobný
s ostatními. Stejnou kontrolu následně dělá vedoucí a oponent závěrečné
práce, který tak může zhodnotit, jestli byl text opsán nebo ne, případně
jestli byl dostatečně ozdrojován.
Vlastnosti nového algoritmu
Je zřejmé, že správná funkcionalita algoritmu na hledání podobností je
velmi důležitá, a proto tým ISu M U a Theses.ez přišel s dalším
vylepšením. Nově by měly být lépe odhaleny parafrázované texty, tedy
takové, které student zkopíroval a lehce přeformuloval. Dále poskytuje nové
funkce a modernější, uživatelsky přívětivější design. Vývojáři reagují
především na podněty uživatelů a zkušenosti s novými způsoby opisování
a pečlivým parafrázováním textů.
Nový algoritmus je schopen lépe poznat přeformulovanou informaci
v delších pasážích. Naopak ignoruje kratší úseky, které se sice mohou
podobat, ale často se jedná o používané definice, zaužívané víceslovné
odborné termíny, předepsaná prohlášení v závěrečných pracích a podobné
druhy textu, jejichž výskyt ve více dokumentech ještě neznamená
plagiátorství.
Co se týče již zmíněného designu, oproti předchozí verzi také přibylo
barevné rozlišení různých zdrojů podobných úseků. Navíc jsou skryty
zdroje, které by oproti zobrazeným nepřidaly žádnou hodnotu v případě, že
je dokument podobný na více textů. Tyto duplikované zdroje však lze
zobrazit.
Další vítanou vlastností nového algoritmu je jeho rychlost. Navíc
podobnosti lze zobrazit hned po vytvoření textové verze souboru, která je
nutná pro spuštění algoritmu. Převést soubor do textové verze lze přímo
v úložišti ISu.
Porovnání dokumentů napříč archivy
Systém hledá podobnosti jak napříč dokumentovým serverem IS M U , tak
mezi závěrečnými pracemi škol, které jsou zapojené v systému Theses.ez.
Dále mezi seminárními a závěrečnými pracemi v systému Odevzdej.cz,
vědeckými publikacemi v systému Repozitar.cz a mezi dalšími
dokumenty v informačních systémech provozovaných M U . Studentům tak
neprojde ani odevzdání práce známého z jiné školy i přesto, že je databáze
instituce neveřejná. Součástí systému je také časově a výpočetně náročnější
algoritmus, který vyhledává zdroje z internetu. Právě kvůli jeho technickým
omezením jsou archivy závěrečných prací používanější.
Porovnávané dokumenty mohou být v češtině, slovenštině a angličtině.
Navíc mohou být zkoumány opakovaně a to například vyjde-li nová verze
algoritmu, jako právě teď. Navíc se databáze neustále rozšiřuje o další
zdroje, takže opakované prohledávání není zbytečné.
Algoritmus má smysl spouštět pro delší texty, kde má možnost odhalit
podobnost s dalšími dokumenty. Ale může být spouštěn i pro odpovědníky,
a to pokud se jedná o psané odpovědi, které mají více než 50 znaků.
Procento podobnosti
Jednou z nejviditelnějších informací po doběhnutí algoritmu je procento
podobnosti. Toto číslo však nemusí jednoznačně určit, jestli je práce
plagiátem nebo ne, ale upozorňuje na jisté podezření. Práci je vždy nutné
posoudit odborníkem z daného oboru, který vyhodnotí, jestli je práce
dostatečně ocitovaná a jakou závažnost podobnosti mají. Pokud autor
prohlašuje nějakou část práce za svoji a procento a zobrazený text z archivu
ukazují, že tomu tak není, může studentovi hrozit sankce.
Starý vs. nový algoritmus
Prozatím jsou v ISu k dispozici algoritmy oba. Přece jen fungují na trochu
jiném principu, a proto mohou zobrazovat víceméně odlišné výsledky
v krátkých úsecích a také v celkovém procentu podobnosti. Může se tedy
vyplatit zkusit jak novou, tak starou verzi. O vypnutí staré verze budou
správci ISu informovat.
Další informace o systému naleznete v Nápovědě a v Průvodci, který je
odkazovaný přímo z aplikace, kterou najdete v možnostech dokumentu pod
ikonou Vejce vejci (Vyzkoušejte novou verzi).