趙 蔚

（寧波大學(xué)學(xué)報(bào)編輯部，浙江 寧波 315211）

近年來(lái)，cnki等文獻(xiàn)學(xué)術(shù)不端檢測(cè)系統(tǒng)增加了對(duì)已發(fā)論文的檢測(cè)，主要用于評(píng)獎(jiǎng)、引進(jìn)人才科研誠(chéng)信驗(yàn)證和職稱評(píng)審前的資格審查等環(huán)節(jié)，這種檢測(cè)模式對(duì)已發(fā)論文的科研誠(chéng)信起到了追溯作用，該項(xiàng)措施的實(shí)施使我國(guó)向全面實(shí)現(xiàn)誠(chéng)信科研邁進(jìn)了一大步。擁有文獻(xiàn)學(xué)術(shù)不端檢測(cè)權(quán)的機(jī)構(gòu)不多，但是在厘選論文和評(píng)審資格等環(huán)節(jié)的涉及面非常廣，可以說(shuō)和每位研究者都息息相關(guān)。機(jī)器檢測(cè)報(bào)告是否完全公正是每位被檢測(cè)者十分關(guān)注的，筆者基于已發(fā)論文的學(xué)術(shù)不端檢測(cè)系統(tǒng)特點(diǎn)，對(duì)機(jī)器檢測(cè)報(bào)告進(jìn)行了研究，希望為檢測(cè)者提供參考。

一、文獻(xiàn)學(xué)術(shù)不端檢測(cè)系統(tǒng)原理

（一）計(jì)算機(jī)對(duì)文獻(xiàn)學(xué)術(shù)不端現(xiàn)象的識(shí)別

對(duì)學(xué)術(shù)不端現(xiàn)象進(jìn)行了大量研究的蔣寅先生認(rèn)為目前學(xué)界的文獻(xiàn)學(xué)術(shù)不端現(xiàn)象主要包括：無(wú)視學(xué)術(shù)規(guī)范的剽竊、抄襲現(xiàn)象；毫無(wú)新創(chuàng)的低水平重復(fù)；一稿多投，著作內(nèi)容重復(fù)出版等變相學(xué)術(shù)欺詐行為。[1]以上各種學(xué)術(shù)不端現(xiàn)象可以溯源到作者的寫作行為：簡(jiǎn)單抄襲和復(fù)雜抄襲；將2種抄襲行為轉(zhuǎn)換為電腦的識(shí)別技術(shù)為：文本復(fù)制識(shí)別和意義改寫識(shí)別。基于對(duì)文獻(xiàn)學(xué)術(shù)不端檢測(cè)系統(tǒng)識(shí)別技術(shù)原理探析，可以對(duì)文獻(xiàn)學(xué)術(shù)不端檢測(cè)報(bào)告結(jié)果進(jìn)行科學(xué)解讀。

（二）文獻(xiàn)學(xué)術(shù)不端檢測(cè)系統(tǒng)識(shí)別技術(shù)

隨著世界范圍內(nèi)的版權(quán)保護(hù)呼聲的高漲，計(jì)算機(jī)的抄襲識(shí)別研究始于20世紀(jì)80年代后期。國(guó)外的文獻(xiàn)識(shí)別技術(shù)研究者針對(duì)某些科研人員運(yùn)用電腦的“復(fù)制粘貼”類抄襲，開(kāi)發(fā)出的識(shí)別技術(shù)有：數(shù)字指紋(fingerprinting)和詞頻統(tǒng)計(jì)(word-frequency)兩類。特定的指紋序列就代表了論文的內(nèi)容特征，通過(guò)比較這些指紋來(lái)計(jì)算論文間的相似程度。詞頻統(tǒng)計(jì)技術(shù)特點(diǎn)是準(zhǔn)確率高，但用詞頻統(tǒng)計(jì)方法在速度上沒(méi)有優(yōu)勢(shì)，目前的識(shí)別效果也不盡如人意，存在的主要問(wèn)題有區(qū)分度不高，錯(cuò)查、漏查現(xiàn)象嚴(yán)重。[2]

我國(guó)研究者根據(jù)漢語(yǔ)言文字的特點(diǎn)，專門開(kāi)發(fā)出自適應(yīng)多階指紋(AMLFP)特征檢測(cè)算法、ROSTSEAT算法數(shù)字指紋等檢測(cè)方法。[3]目前計(jì)算機(jī)能夠識(shí)別的是文本復(fù)制類型的簡(jiǎn)單抄襲，因?yàn)檫@些方法本質(zhì)上都是基于對(duì)詞或標(biāo)記“統(tǒng)計(jì)”和“對(duì)比”的方法，而非真正理解了篇章的意義。評(píng)價(jià)學(xué)術(shù)不端檢測(cè)系統(tǒng)的另一個(gè)重要因素是后臺(tái)核心數(shù)據(jù)庫(kù)平臺(tái)的收錄情況，最好的收錄源要能夠最全面收錄中外文書(shū)籍、中外學(xué)術(shù)期刊、中外文網(wǎng)絡(luò)文獻(xiàn)等品類，以便于實(shí)現(xiàn)比對(duì)的權(quán)威性。

（三）已發(fā)論文學(xué)術(shù)不端檢測(cè)系統(tǒng)原理

研究者對(duì)以“統(tǒng)計(jì)”和“文字比對(duì)”為基本原理的未發(fā)論文檢測(cè)原理探討的比較多，為了測(cè)試已發(fā)論文與未發(fā)論文檢測(cè)系統(tǒng)的差別，筆者曾拿一篇已發(fā)論文在未發(fā)論文檢測(cè)系統(tǒng)進(jìn)行了測(cè)試，結(jié)果顯示論文全篇皆紅，系統(tǒng)顯示這篇文章和已經(jīng)發(fā)表的文章疑似度為100%，以此推斷未發(fā)論文檢測(cè)系統(tǒng)是不能檢測(cè)已發(fā)論文的，主要原因是系統(tǒng)缺少了一個(gè)關(guān)于時(shí)間判定的功能。

在已發(fā)論文檢測(cè)庫(kù)里進(jìn)行論文的檢測(cè)，必須滿足3個(gè)條件：第一，系統(tǒng)要能識(shí)別出已經(jīng)存在的被測(cè)文章，并自動(dòng)過(guò)濾；第二，系統(tǒng)要能夠正確識(shí)別被測(cè)文章發(fā)表后，與該文章一致的疑似抄襲部分，并自動(dòng)過(guò)濾。這2種情況分別代表作者自己發(fā)的文章和別人抄襲該作者的文章，都不應(yīng)計(jì)入該作者的疑似抄襲率中。第三，位于該文章發(fā)表前的被系統(tǒng)顯示疑似抄襲部分，才應(yīng)視作有抄襲的可能。因此系統(tǒng)需要增加時(shí)間判定功能和自動(dòng)過(guò)濾功能，自動(dòng)刪除該文章發(fā)表時(shí)（含發(fā)表時(shí)間在同一天）及以后的疑似部分及疑似論文。

這種功能既保證了檢測(cè)出該文章發(fā)表之前是否存在抄襲，又保證了不會(huì)把文章發(fā)表后，別人抄襲該篇文章的內(nèi)容計(jì)入該篇文章的疑似率中，確保了系統(tǒng)檢測(cè)的公正性。已發(fā)論文檢測(cè)有自己的特殊性，一些檢測(cè)環(huán)節(jié)中的主客觀因素對(duì)檢測(cè)結(jié)果均有影響。

二、影響檢測(cè)結(jié)果的主客觀因素

本文所指的主客觀因素包括檢測(cè)者和待測(cè)文件，下面分別探討。

（一）主觀因素

未發(fā)論文的檢測(cè)一般由負(fù)責(zé)編輯該篇文章的編輯進(jìn)行，編輯具有一定的學(xué)科背景，并全程跟蹤該篇文章，可以及時(shí)發(fā)現(xiàn)與學(xué)術(shù)不端檢測(cè)系統(tǒng)檢測(cè)結(jié)果相悖的問(wèn)題并調(diào)整。已發(fā)論文一般都是第三方檢測(cè)，因?yàn)檎撐膶W(xué)科范圍涉及很廣，檢測(cè)者和檢測(cè)報(bào)告使用者都不可能有全面的學(xué)術(shù)背景。檢測(cè)者根據(jù)電腦檢測(cè)結(jié)果出具檢測(cè)報(bào)告，而使用者對(duì)檢測(cè)報(bào)告的數(shù)據(jù)進(jìn)行閱讀，并據(jù)此判定被測(cè)者是否具有入門資格。由于單純以檢測(cè)報(bào)告上的數(shù)據(jù)為依據(jù)，再加上有些作者寫作不規(guī)范，文章沒(méi)有正確引用等，以上原因使部分檢測(cè)結(jié)果和真正的抄襲率存在一定的差距，難以體現(xiàn)完全的公正性。

基于對(duì)學(xué)術(shù)不端檢測(cè)系統(tǒng)的研究，筆者曾提出要正確辨別“文字復(fù)制比”與“文章抄襲率”，我們通常在檢測(cè)報(bào)告上看到的“文字復(fù)制比”是系統(tǒng)提供的有抄襲嫌疑的文字，“文章抄襲率”是已經(jīng)定性的抄襲文章的比例。[4]在實(shí)際操作中要能夠正確辨析“文字復(fù)制比”的真?zhèn)危词共欢恼碌膶W(xué)術(shù)內(nèi)容，還是可以通過(guò)一些通用規(guī)則來(lái)辨別抄襲程度。

（二）客觀因素

Cnki期刊文獻(xiàn)檢測(cè)系統(tǒng)以“中國(guó)學(xué)術(shù)期刊網(wǎng)絡(luò)出版總庫(kù)”為全文比對(duì)數(shù)據(jù)庫(kù)，目前支持的稿件類型包括：DOC、TXT、CAJ、KDH、NH、PDF共五種格式，可以從詞、句子、段落等多層面檢測(cè)學(xué)術(shù)不端行為。[5]

檢測(cè)系統(tǒng)的功能說(shuō)明顯示該系統(tǒng)可以對(duì)多種文獻(xiàn)進(jìn)行檢測(cè)，但事實(shí)上，不同類型的電子文檔，在多次檢測(cè)中會(huì)出現(xiàn)檢測(cè)值不完全相同的現(xiàn)象。如一位研究者在中國(guó)期刊網(wǎng)中檢索出2篇題名相同作者不同的文章，他將這2篇文章的.caj版本下載并利用AMLC檢測(cè)，發(fā)現(xiàn)2篇稿件與其自身的對(duì)比結(jié)果也并非100%(一篇是64%，另一篇是77%)。另外一個(gè)案例指出同篇文章以不同的格式檢測(cè)，竟然造成檢測(cè)結(jié)果有20個(gè)百分點(diǎn)的差別。[6]

不同的文檔形式會(huì)對(duì)檢測(cè)結(jié)果產(chǎn)生較大的影響，這可能是系統(tǒng)是以word文檔作為基準(zhǔn)，其他類型文檔在“外形比對(duì)”辨認(rèn)的過(guò)程中可能還存在一些技術(shù)等方面的問(wèn)題。

三、設(shè)定檢測(cè)報(bào)告分項(xiàng)的權(quán)重系數(shù)

基于筆者對(duì)已發(fā)論文檢測(cè)原理和影響檢測(cè)結(jié)果的主客觀因素的分析，根據(jù)“學(xué)術(shù)不端行為檢測(cè)系統(tǒng)”的標(biāo)準(zhǔn)，“一篇論文與數(shù)據(jù)庫(kù)的文字重合率≥10%，屬于句子抄襲；30%-50%間屬于段落抄襲；≥50%則被判斷為整體抄襲。”[3]若以該標(biāo)準(zhǔn)作為最終檢測(cè)結(jié)果判定的數(shù)字標(biāo)準(zhǔn)，則需要對(duì)系統(tǒng)認(rèn)定的“文字復(fù)制比”進(jìn)行仔細(xì)辨別，必要時(shí)需要對(duì)檢測(cè)報(bào)告提供的“文字復(fù)制比”進(jìn)行權(quán)重系數(shù)調(diào)配。

（一）增加疑似抄襲部分的權(quán)重系數(shù)

有些文章初步檢測(cè)結(jié)果不錯(cuò)，系統(tǒng)顯示沒(méi)有抄襲嫌疑，但是該篇文章的研究主題比較陳舊，就存在隱性抄襲的可能。

1.“文字復(fù)制比”+“關(guān)鍵部位抄襲率”*權(quán)數(shù)1.5

有的文章對(duì)其他研究者的觀點(diǎn)、主題進(jìn)行拼盤式抄襲，并無(wú)個(gè)人見(jiàn)解，或者關(guān)鍵部分抄襲率較高，但全文的抄襲率不高，這種抄襲隱蔽，性質(zhì)惡劣，一旦被發(fā)現(xiàn)，要增加1.5倍的權(quán)重系數(shù)，或者視情節(jié)輕重實(shí)行一票否決制。這種抄襲一般的機(jī)器檢測(cè)法很難發(fā)現(xiàn)，只能通過(guò)增加公示環(huán)節(jié)，以同行間的監(jiān)督和專家的評(píng)議來(lái)實(shí)現(xiàn)檢測(cè)。

2.“文字復(fù)制比”+“疑似抄襲比n”

這里n是指數(shù)學(xué)公式、研究方法等很難通過(guò)機(jī)器檢測(cè)出的項(xiàng)目占全文的比例。有研究者指出檢測(cè)系統(tǒng)對(duì)于含數(shù)學(xué)公式和表格的PDF、WORD格式的文件具有一定的局限性，檢測(cè)效果不理想。[7]因?yàn)檠芯糠椒?、研究?shù)據(jù)等方面的抄襲比較難以檢測(cè)，可以在檢測(cè)報(bào)告中明確指出占全文比重多少的部分有抄襲嫌疑并建議通過(guò)人工辨別的方法確認(rèn)是否存在抄襲現(xiàn)象。

（二）降低疑似抄襲部分的權(quán)重值

1.“文字復(fù)制比”-“前半部分的抄襲率”*權(quán)數(shù)0.5

前半部分抄襲度較高，但是核心位置沒(méi)有抄襲的文章應(yīng)該如何計(jì)算其最終的抄襲率是很值得探討的。相對(duì)應(yīng)后半部分及核心部位的抄襲，文章前半部分出現(xiàn)的抄襲現(xiàn)象是比較輕度的抄襲。因?yàn)榍鞍氪蟛糠謱儆谖墨I(xiàn)綜述、歷史、現(xiàn)實(shí)情況介紹等，無(wú)論哪位作者寫客觀情況基本是一樣的，疑似度也會(huì)比較高，關(guān)鍵看其觀點(diǎn)和核心部分是否有創(chuàng)新?；诖?，筆者認(rèn)為非核心部位的抄襲應(yīng)該有一個(gè)能夠適度降低抄襲率的系數(shù)，這樣既保護(hù)了作者文章的原創(chuàng)性，又在一定程度上對(duì)作者不謹(jǐn)慎的科研行為進(jìn)行了懲罰，筆者以為這個(gè)系數(shù)0.5為宜。

2.“文字復(fù)制比”-“疑似抄襲比n”

（1）n為公有領(lǐng)域中思想等內(nèi)容占全文的比例

我國(guó)著作權(quán)法有“思想與表達(dá)二分法”原則，認(rèn)為作品中思想不受著作權(quán)法保護(hù)，是因?yàn)樗枷胧莿?chuàng)造表達(dá)性作品的基本建筑材料，體現(xiàn)的是人類文明的承襲，但是，著作權(quán)法明確提出要保護(hù)作品表達(dá)的形式，包括書(shū)寫風(fēng)格、電影作品的版次等方面。將這個(gè)原則翻譯為研究者需要遵守的行為規(guī)范為：其他研究者可以借鑒該研究者的思想，如果是原文引用，須以參考文獻(xiàn)的形式進(jìn)行標(biāo)注，如果是經(jīng)過(guò)了研究者的再次加工，則無(wú)需標(biāo)注。

有研究者特別指出，要注意“需要將作品中屬于公有領(lǐng)域中思想的表達(dá)加以排除，因?yàn)檫@部分內(nèi)容不屬于著作權(quán)之保護(hù)范圍”。[8]例如對(duì)法律條款、數(shù)據(jù)、事實(shí)、公理、定律等的引用出現(xiàn)了標(biāo)紅的現(xiàn)象要將這部分文字在全文中所占的比重n減掉。

（2）n為下面3種情況所占全文的比例

以下三種情況指論文中明確注明為引自其他論文中內(nèi)容；系統(tǒng)收錄不全導(dǎo)致的抄襲率；本人碩士、博士畢業(yè)論文中內(nèi)容[9]。對(duì)于論文中明確注明為引自其他論文中的內(nèi)容，要區(qū)別對(duì)待，有一種情況是作者不小心引用了已經(jīng)被認(rèn)定為抄襲或者系統(tǒng)收錄不全導(dǎo)致的文字復(fù)制比，應(yīng)該被扣除，必要時(shí)可以請(qǐng)作者通過(guò)申訴等途徑完成。但是也有一種是作者隨意標(biāo)注參考文獻(xiàn)的現(xiàn)象，看起來(lái)標(biāo)注了，但是按照作者提供的參考文獻(xiàn)去找，根本找不到，這種情況一旦發(fā)現(xiàn)還是要計(jì)入文字復(fù)制比的。建議可以通過(guò)下面的途徑判斷：系統(tǒng)標(biāo)紅的地方右鍵會(huì)顯示來(lái)源，將該來(lái)源與作者提供的參考文獻(xiàn)進(jìn)行比對(duì)，情況一目了然。另外一種情況，博、碩士論文雖然印刷及被cnki收錄，但是沒(méi)有正式的刊號(hào)及書(shū)號(hào)，不屬于真正意義上的公開(kāi)發(fā)表，這個(gè)原因?qū)е碌奈淖謴?fù)制比也應(yīng)被扣除。

對(duì)cnki檢測(cè)出來(lái)的結(jié)果要區(qū)別對(duì)待，這在未發(fā)論文檢測(cè)者中已經(jīng)有了比較明晰的認(rèn)識(shí)，但是對(duì)于已發(fā)論文檢測(cè)者來(lái)說(shuō)，由于檢測(cè)者的專業(yè)、第三方檢測(cè)模式，文件類型等一系列主客因素的限制，僅僅按照系統(tǒng)檢測(cè)報(bào)告提交給使用者可能對(duì)被檢測(cè)者不公，希望檢測(cè)方能合理利用以上論及的增減權(quán)重值的方法，在提交檢測(cè)報(bào)告的同時(shí)對(duì)“文字復(fù)制比”進(jìn)行科學(xué)分析，以求得更高程度的公平公正。

[1]蔣寅.治理學(xué)術(shù)腐敗和學(xué)術(shù)不端行為的思路與對(duì)策[J].社會(huì)科學(xué)論壇，2009（9）：30-63.

[2]史彥軍,滕弘飛,金博.抄襲論文識(shí)別研究與進(jìn)展[J].大連理工大學(xué)學(xué)報(bào)，2005，45（1）：50-57.

[3]CNKI科研誠(chéng)信管理系統(tǒng)研究中心.學(xué)位論文學(xué)術(shù)不端行為檢測(cè)系統(tǒng)的研制說(shuō)明[EB/OL].（2010-08-31）.http://check.cnki.net/smlc2/Sim Result.aspx?Group=2010031613355304122745.

[4]趙蔚.對(duì)學(xué)術(shù)不端檢測(cè)結(jié)果的修正判標(biāo)準(zhǔn)初探——基于“文字復(fù)制比”與“文章抄襲率”的辨析[J].中國(guó)出版，2011（22）：20-23.

[5]佚名.社科期刊學(xué)術(shù)不端文獻(xiàn)檢測(cè)系統(tǒng)使用說(shuō)明書(shū)[EB/OL].（20081-12-25）.http://check.cnki.net/smlc2/help/.pdf.

[6]孔琪穎，蔡斐，張利平，徐曉.正確看待“科技期刊學(xué)術(shù)不端文獻(xiàn)檢測(cè)系統(tǒng)”檢測(cè)結(jié)果[J].編輯學(xué)報(bào)，2009，21（6）：361-362.

[7]趙紅玉，盧有泉.學(xué)術(shù)不端行為以及對(duì)AMLC系統(tǒng)運(yùn)用的思考[J].西南石油大學(xué)學(xué)報(bào):社會(huì)科學(xué)版,2011（4）：109-112.

[8]馮曉青.著作權(quán)法中思想與表達(dá)二分法原則探析[J].湖南文理學(xué)院學(xué)報(bào)：社會(huì)科學(xué)版，2008,33（1）：71-78.

[9]佚名.2011年職稱評(píng)審熱點(diǎn)問(wèn)題解答[EB/OL].（2011-04-25）.http://rsc.zjnu.net.cn/admin/newsview.asp?id=1643.