Software, vyhledávající plagiáty, je poskytován jako služba

3. 2. 2006

Software, vyhledávající plagiáty, je poskytován jako služba

Se zájmem jsem si přečetl poznámku Štěpána Kotrby u článku Studenti si seminárky z internetu volně stahují. Reakce je formulována velmi dobře, ale vychází z nepřesných informací, píše čtenář Petr Nachtmann.

Autor polemizuje s větou "Kromě toho existují programy, které zjistí, zda je práce zplagiarizována z internetu" a argumentuje takto:

"Poslení věta je technologickým nesmyslem. Předpokládá, že lze soubor, zazipovaný na cizím, neznámém serveru kdekoliv na internetu přečíst a prohlédnout fulltextovým prohledávačem."

Software pro detekci plagiátů je často poskytován jako služba. I kdyby poskytovatel systému neměl přístup k online burzám textů pro plagiátory, lze očekávat, že tyto burzy využívají plagiátoři mezi studenty. Pokud je do systému zadán prakticky totožný text od různých studentů z různých škol, je jasné, že se jedná o plagiát.

Sbírky textů pro plagiátory se, pokud vím, v angličtině nazývají Internet paper mills - ZDE ZDE.

Autor pokračuje : "Předpokládá výskyt technologií, za které by nejspíše i Google dal nevímco."

Google tyto technologie vyvíjí a používá. Slouží například ke zjišťování webových stránek, které jsou pouze zrcadly (mirrory) jiných -- při vyhledávání nemá většinou smysl vracet stránky s totožnými texty.

Služba Google News shlukuje vzájemně podobné texty ze zpravodajství a zcela redundantní texty se snaží zatlačit do pozadí -- pokud víc novin či zpravodajských serverů přebírá totožnou zprávu ze zpravodajské agentury, čtenáři tato zpráva stačí jednou. Když zkusím zadat klíčové slovo Paroubek, vidím cluster výsledků věnovaný zdravotnictví, Nejvyššímu soudu, vtipům o Romech, programové konferenci ČSSD a termínu voleb.

Je samozřejmě nutné dobře stanovit práh míry podobnosti textů, rozlišovat mezi podobností textů zabývajících se stejným tématem a plagiáty.

Zpravodajské články clusterují v reálném čase také české servery novyden.cz a prehled.net. Systémy pro detekci velmi podobných variací pomocí digitálních otisků jsou také součástí některých antispamových systémů - nilsimsa, Vipul's Razor, Cloudmark. Spammeři totiž rádi posílají své zprávy jednotlivým adresátům s drobnými odchylkami, například mohou být hypertextové odkazy personalizovány. Po kliknutí na může spammer identifikovat e-mailovou adresu důvěřivce, který se nechal na jeho nabídku nachytat.

Jako kritéria hodnocení podobnosti textů můžeme využít mnoho různých algoritmů a jejich kombinací, například kosínovou podobnost , Kolmogorovovu složitost či porovnávání digitálních otisků - nilsimsa, Vipul's Razor.

Svoji poznámku autor uzavírá:

"A nebo se na to vykašlat a zadávat taková témata, která okopírovat prostě nelze. Ale to znamená i od pedagoga inteligenci, kreativitu a zvýšený zájem..."

Má naprostou pravdu.

články autora O autorovi
Vytisknout Poslat e-mailem

Obsah vydání
6. 2. 2006	Británie bohatství a bídy, 2006
6. 2. 2006	Islámští demonstranti v Londýně zřejmě budou čelit trestnímu stíhání
6. 2. 2006	Americká média "se chovají ostudně"
6. 2. 2006	Viktorie	Petr Pojar
6. 2. 2006	Náklady války v Iráku a v Afghánistánu dosáhnou 440 miliard dolarů
6. 2. 2006	Amerika: Soukromá data z internetu se intenzivně využívají v trestním vyšetřování i civilních soudních sporech
6. 2. 2006	"Za 15 let budeme zřejmě prodávat daleko tenčí noviny za 100 Kč"	Jan Čulík
4. 2. 2006	Bulvární úzkost českých šéfredaktorů	Jan Čulík
6. 2. 2006	Benešovy zákony	Emanuel Mandler
6. 2. 2006	Jde o následovníky, nikoliv pamětníky	Vlastimil Balín
6. 2. 2006	Luciferův ráj aneb úvaha nejen o kovbojích v sukni	Karel Moudrý
6. 2. 2006	Unipetrol: Jde médiím opravdu o pravdu?	Pavel Hojda
6. 2. 2006	Václav Žák k obvinění z "klamavé reklamy"	Václav Žák
3. 2. 2006	Software, vyhledávající plagiáty, je poskytován jako služba	Petr Nachtmann
6. 2. 2006	Řecká vláda přiznává, že se stala obětí místní verze skandálu Watergate
6. 2. 2006	Dánské velvyslanectví v Bejrútu bylo podpáleno
6. 2. 2006	Ségolène je pro Blaira	Simone Radačičová
6. 2. 2006	Endymión	Boris Cvek
5. 2. 2006	Lidé čtěte !
6. 2. 2006	Plagiátorství má jednoduché řešení	Ondřej Slačálek
6. 2. 2006	Všeobecná deklarace lidských práv by neměla být modlou	Luboš Zálom
6. 2. 2006	Mluvící bubliny a nafouklá identita Česka	Štěpán Kotrba
6. 2. 2006	Zmanipulované gény	Sylvia Rychlá
4. 2. 2006	Soud zastavil stavbu dálniční křižovatky v Praze na Malovance
3. 2. 2006	Vydali byste v Německu antisemitské kreslené vtipy?
3. 2. 2006	Bylo správné či nesprávné zveřejnit ty karikatury?
3. 2. 2006	Štěk	Bohumil Kartous
3. 2. 2006	Vzdělanostní společnost, univerzity a kvalita vzdělání	Boris Cvek
3. 2. 2006	Civilizační retardace a katalyzátory modernosti	Martin Škabraha
3. 2. 2006	Znovu o víře, rouhání, Bohu a ironii
2. 2. 2006	Britské listy mají za rok o polovinu více čtenářů
2. 1. 2006	Hospodaření OSBL za prosinec 2005
22. 11. 2003	Adresy redakce

Britské listy

Šéfredaktor:

Redaktor:

Správa:

Grafický návrh:

Software, vyhledávající plagiáty, je poskytován jako služba