毕业论文重复率检测的主要方法

　　一、检测论文的必要性。
　　
　　现在个别在职研究生写毕业论文是走“走捷径”,采用抄袭、pi窃他人研究成果，而月形式多种多样。有的通过网络搜索，对下载资料改头换面以后。炮制出所谓的毕业论文来；有的利用强大的网络搜索功能用“操面团”的形式把一些类似的成果搜集起来，进行二沙功口工，拼凑转变为自己的研究成果。这些方法一改过去的‘’剪刀加m糊“的简单办法，比较隐蔽。由于网络和报刊的信息量非常大，而评粤邵〕的阅读量又有限，因此肯定会有一些”引用过度“的毕业论力匝利过关。这对认真撰写论文的学员来说，就是一种伤害和不公平。有的在职研究生把国外学者的外文成果翻译整理后直接署上自己的名字，就堂而皇之地变成自己的科研成果了。有的在职研究生由于种种原因快到毕业时还没有完成毕业论文，为了按时毕业，就求助于他人。据《民生周刊）2011年第29期披露，国内重点高等学府吉林大学商学院一名工作人员6月22日向媒体证实，该院有30名研究生被推迟答辩到12月。原因是论文检测系统查出这些学生的论文涉嫌抄袭高达40%.

　　
　　为了防止抄袭，在职研究生的毕业论文完稿以后。虽然也可以用搜索引擎去搜索某篇抄袭毕业论文的大量相近文章，但是由于相关文章太多，很难找到具体被抄袭的文章，或者需要花费大量的时间和精力。因此。校方很有必要运用论文检测系统进行论文检测。
　　
　　二、机器检测论文的方法。
　　
　　现在，为了把好在职研究生培养质量的最后关口，党校系统正式启用”毕业论文学术不端检测系统“对上交的毕业论文进行检测，通过对标题、关键字、关键词、参考文献和全文的搜索。程序会提示某页跟数据库中的论文某页相似，再调出来比较，看相似到什么程度。
　　
　　完全相似的部分一般用红色表示。替换单词或者改变结尾的地方根据相似程度一般用橙色或者黄色表示，以全面检测提交的毕业论文是否属于真实的劳动成果，以最大限度地降了旧3至杜绝毕业论文抄袭现象。如此。可以产生一定的威慑力，让一些原本打算”走捷径“的学员断了念头，这实际上也是一种正确的引导。”毕业论文学术不端检测系统“的资源对比数据库一般为：中国学术期刊网络出版总库、中国博士学位论文全文数据库、中国优秀硕士学位论文全文数据库、中国重要会议论文全文数据库、中国重要报纸全文a据库、中国专利全文a据库，个人比对库，其他比对库。系统所采用的资源对比数据库在组织结构上不仅突出了知识的内在关联，更形成了以文献库、概念知识元库、学术趋势库、学者成果库、专家评价库为主题的特色资源库。系统采用的指纹对比技术不仅针对不同的文档类型和内容特征，支持从词、句子到段落的数字指纹定义，并可对图、表等特殊检测对象进行基于标题、上下文、图表内容结合的相似性检测系统处理，还可以根据特定的概念、观点、结论等内容进行智能信息分类处理，实现语义级别内容的检测。
　　
　　有的学员明明引用了别人的段落或句子，但并没有被检测系统检测出来。也有学员的引用榻主了出处。但仍然算做抄袭。笔者需要强调的是。引用算不算抄袭，与标注出处没有关系，引用能不能被检测出来，与系统准不准确也没有关系。所有这些都靠系统的阀值来决定。
　　
　　中国知网对自己检测系统的灵敏度设置了一冷阀值，该阀值为3,以段落或章节的字数来计算，单篇文献低于3的抄袭或引用是检测不出来的，这种情况常见于大段文字中的小句子或者小概念。如果检测段落有100（）字，那么引用文献30字以内，是不会被检测出来的。这里实际上告诉学M1门一个修改的方法，就轰j寸段落抄袭干万不要选一篇文献来引用，尽可能多地选择多篇文献。一篇截取几句，这样是不会被检测出来的。至于有些学员关注的引用为什么也算抄袭，谅里丰要是因为知网的阀值问题，高于3%的统一算抄袭，也就是说引用算作抄袭的临界就在3%之间。一旦你超标，即使你标注了引用也无济于事。如果某篇论文第一章有5000字，那么第一章中，我们就只能引用，50字以下。否则会被系统认定为抄袭。
　　
　　一般来说，连续100个字数相同就会被检测出来认定为复制，复制率高于，5%即认定为抄袭。世界上大多数国家都遵循这样一个原则，即引用他人作品的思想、观点、材料，一般不能超过30%.换句话说，你撰写的毕业论文，从字面上来看。原创的部分必须在70%以上，引用的部分必须在30%以下，这几乎成为一种识别作品侵权的惯例。
　　
　　在在职研究生的整篇毕业论文中，绪论、文献综述和结论建议部分的文字复制的比例较高。应该说，绪论和文献综述部分多为陈述前人已经做过的科研成果，所以也应当允许有适当比例的引用。而结论建议应该旱i剐寸理论研究和实验、数据等的分析而得出的符合论文主题的改进性建议。代表的是作者本人的研究观点，最应当具有创新性，因此，这部分有过多比例的引用就是一种故意行为，属于学术不端。
　　
　　除了以上提到的几点，一般来说。认定论文抄袭的标准还有：
　　
　　（1）与他人已经完成的论文（包括已公开发表和未公开发表的论文）的结构、基本论点和内容基本相同，文字一致率达到60%以上者。
　　
　　（2）与他人已经完成的论文中的重要段落的论点和内容基本相同（包括引文在内）。文字一致率达到70%以上者。
　　
　　（3）与他人已经完成的论文中的一段连续的文句（300字以上）的文字基本相同，一致率达到80%以上，并月未加注释，此项行为达2处以上者。
　　
　　（4）与他人已完成的论文中的一段连续的文句（100字以上）的文字基本相同，一致率达到90%以上，并且未加注释。此项行为达3处以上者。
　　
　　（5）连续引用他人论文超过200字，而月末注明出处的。
　　
　　（6）使用他人已经发表的数据、图表等内容而未经授权或未注明出处的。
　　
　　三、人工检测论文的方法。
　　
　　党校系统除了启用”毕业论文学术不端检测系统“对上交的毕业论文进行检测外，还要聘请相关专家教授对毕业论文是否抄袭进行人工识别。专家教授进行人工识别的方法主要有：
　　
　　（1）对主题重复的论文重点识别。当同一个话题被多人关注，就会有重复阐述的现象。当专家通过阅读相关的论文了解了该类论文的主题的内涵和研究的主要内容后，一旦当那种”现状、原因、措施“的所谓”抑、股“文章重复出现。就意味看抄袭现象的出现，这个时候适当采取主题及关键词的检索的方法，就能够查出泪卿表面上不同但丰题雷同的高明者饱制的论文。专家利用职业敏感性对论文丰题重复的人工检测比机器检测更加灵活，因为机器检测从本质上讲都是基于对词或”标记“统计的方法，计算机在自然语言理解方面有欠缺。而抄袭又不仅仅局限于照抄照搬式，机器中的汉语又是双字节编码。无形中加大了准确识别的难度。这就是现在的隐藏抄袭现象很难被识别的主要原因。
　　
　　（2）对语句跳跃。上下文不连贯的论文重点识别。涉嫌抄袭的论文，一般来说，论文内部从头到尾大部分的段落和章节中都会出现语句风格不同，含义lv睬，上下文意思不连贯的现象，导致论文的内容混乱。前言刁刁苔后语。这样的论丈jj专家的耐心和技术都是极大的考验，对那种急功近利大段大段地抄的学员来说，论文的逻辑是混乱的，也就是论文是有主题的，但是抄袭段落的论述可能对主题没有什么贡献。经常发生论文的论述和论文的主题偏离的”跑题‘’现象。那种心有余悸小打小闹地借的论文的抄袭现象一般是在段答出现的。这时候段落内容和段落的主题是有内在关联的，但是段落的语言风格有所不同，语句有些侧睬，也有的论文会出现部分段落内部“跑题”现象。一旦看到上述现象，专家就会将论文的部分段落拿到学术不端检测系统上面检测，有时候能够查出被抄袭文章的出处。
　　
　　（3）对字体的识别。一般来说，除了标题和大段引文外，正文的字体、字号和字间足目立该统一。而有些拼凑的论文，因为在粘贴时。作者默认了“保留原格式”选项，所以全篇格式并不统一专家在浏览毕业论文的电子文档时，会注意观察全文的格式是否统一。
　　
　　（4）识别标点符号。经常写文章的人有可能知道如果从学术期刊网络中下载一些文章作为参考。如果选取部分段落引用时。文章复制到WORD文档中，会出现下载段落的标点符号都是默认的英文状态，细心的作者会把它们都转换成中文状态的符号，但是有些作者出于各种原因，还会保留英文标点符号。这就给专家的识别带来了一些方便，如果论文主体是中文状态的标点符号，但是部分段落、章节出现了集中的英文符号，特别是作者经常忽略修改的逗号和引号，特别是引号，经常会由“”变为・%.,这个时候基本上可以认定这段论文是有出处的。
　　
　　（5）识别特殊符号。文本框位于文字的外围。大多显示为暗灰色。有些文本框内的文字也显示为暗灰色。如果网页上的一篇文章被整体复制，文本框就会随之出现在新的电子文档中，仁9丁印稿中不会显示。专家看到文本框，就可以基本断定论文是整篇从网上下载的。至于鉴定论文是完全抄袭还是部分篡改则需要利用检XI系统来识别。句尾的回车“1”符号。它是CAJ格式的文章的默认回车符。这与WORD文档的默认回车符的样式不同。引用者经常忽略将其删除，如果专家看到上述的符号存在，就可以认定该段落出现的抄袭现象。这样，专家就可以视情节轻重将其截取到学术不端检测系统检测。
　　
　　有些论文中会出现一些乱码或者字符分开的现象。如出现“表王见”,实际上是“现象”的乱码，这可能是学员利用复制粘贴直接转换成WORD产生的。经认定，凡严}i袭论文的学员缓毕业，并取消该指导教师第二四、避免重复为了避免抄袭嫌疑，你在使用资料时，要尽可能简明扼要，以使你的独立思考不因为介绍他人的思想而湮没无闻，使自己的声音不要在众声喧哗中被掩盖。你在撰写论文的过程中需要认真做笔记，仔细区别哪些是你自己的思想结果，哪些是你从他人那里搜集到的材料。尽量避免不经意的抄袭。当你在自己的论文中作概括时，最好用自己的话提炼出材料的要点，偶尔插入原材料中的一些句子或短语。当材料的作者已经把问题阐释得」弓音清晰、简洁。以致引用者找不到更多的表达方式时，或者原材料中某宁短语或句子特别生动、鲜明，对你正在研讨的现象特别典型，具有代表性ffl需要直接摘引。尽量不要采用间接引用方式。如果确需转引二手资料，应在文中指明，并在参考文献中注明原始文献和转引文献，不能造成引用了第一手资料的误解。
　　
　　引文必须是符合原作者本意。并注明出处。引用别人的语句决不允许作任何改动。切忌根据自己的需要曲解原意或者在他人观点中掺杂自己的见解。为了避免斩头去尾、断章取义，引文一定要引用到句号为止。
　　
　　要做到正确引用。还需要注意以下几点：
　　
　　（1）引用以必要、适当为限。引文应是自己阅读过，而且对自己研究的观点、材料、论据等有启发和帮助的文献，不能伪引（引而不用）。有的学员为了凑些参考文献装门面，不读文献原文而是直接抄录别人的参考文献或现成的文献题录、索引，这是严重违背论文规范的。
　　
　　（2）短小。如果论文中引用过多会削弱作者的见解，甚至丧失论文的主体性。使人感到论文是在“堆砌”材料。因此。引用时要简明扼要，从而达到有助于作者的论证目的。短的引文可以直接排在段中；重要的、长的、强调性的引文最好提行自成一部分（这部分印刷时要改用字体）。提行引文为了区别于正文，在书写时全部引文要比正文缩两格，第一行开头缩四格，但不必再加引号。
　　
　　（3）适当的解释或提示。如果引文是读者比较生疏或不容易理解的，最好在引文前面加提示或解释。
　　
　　（4）引用应伴以明显的标志，以避免读者误会。
　　
　　（5）引用已经发表或出版修订版的作品应以修订版为依据。很多论着有多个版本，其内容大同，J、异。做学问时，要注意这些细节。有时要引用修订本、最新本，有时则要引用最初本，应根据研究时间、引用内容和版本的权威性来定。
　　
　　（6）引用未发表的作品须征得作者或相关着作权人的同意，并I}4使被引用作品的发表成为多余。未正式发表的作品的观点可以引用，数据、事例不能引用。
　　
　　（7）引用网络资源应该慎重，引用信息包括相关的时间信息。
　　
　　在引用的电子资料没有相应的印刷版本时，应对其进f予估，选择引用权威的作者、编者、学术机构的有价值的电子资源，同时注明检索的时间和出处。