連惠群

（福建警察學(xué)院 福建省福州市 350007）

1 引言

抄襲作業(yè)在大學(xué)中是很普遍的現(xiàn)象，特別是計(jì)算機(jī)程序類的課程，學(xué)生拷貝程序代碼提交作業(yè)或?qū)嶒?yàn)是很容易的，可是檢測有難度，如果不加以有效識別和制止，對學(xué)生的學(xué)習(xí)效果和老師的工作量都有不利影響，也會(huì)助長同學(xué)們不誠信的不良風(fēng)氣。一些專家和學(xué)者提出了一些檢測算法。本文主要通過誠信調(diào)查，根據(jù)誠信調(diào)查數(shù)據(jù)和上機(jī)以及考試數(shù)據(jù)，利用決策樹分類算法，來推測學(xué)生提交的完成度數(shù)據(jù)的真實(shí)性，也通過這樣的方式，一是大致確定每位學(xué)生實(shí)驗(yàn)的完成度，二是樹立同學(xué)們誠信意識，三是因?yàn)樘崆案瑢W(xué)們說明會(huì)做數(shù)據(jù)分析，讓同學(xué)們畏于數(shù)據(jù)的壓力呈現(xiàn)真實(shí)的狀態(tài)。這樣，讓同學(xué)們勇于誠信，樂于誠信，也讓老師比較真實(shí)地了解同學(xué)們實(shí)驗(yàn)的真實(shí)情況，教與學(xué)就會(huì)形成良性循環(huán)。

2 相關(guān)工作

關(guān)于檢測程序作業(yè)抄襲的相關(guān)研究，存在一些檢查程序抄襲的軟件，國外有JPlag[1]、Plague、YAP3 等，國內(nèi)的學(xué)者也提出一些方法，如張海騰[2]開發(fā)了一個(gè)作業(yè)相似性檢測系統(tǒng)，實(shí)現(xiàn)了對作業(yè)文檔的對比和檢測，賴曉晨[3]提出了一種基于XML 的源程序型作業(yè)自動(dòng)抄襲檢測方法。傅得強(qiáng)[4]提出兩種基于抽象語法樹的源代碼抄襲檢測方法等。這些研究大多是通過直接檢測相似性的算法。本文以另一個(gè)角度，根據(jù)誠信調(diào)查數(shù)據(jù)（調(diào)查的內(nèi)容是實(shí)驗(yàn)完成度）以及考試數(shù)據(jù)，利用決策樹分類算法，推測實(shí)驗(yàn)完成度與考試成績的吻合程度，以此推測學(xué)生實(shí)驗(yàn)完成度與考試成績的真實(shí)性，這給解決程序設(shè)計(jì)類課程作業(yè)抄襲問題另辟了一個(gè)思路，也為學(xué)生誠信度檢驗(yàn)另辟了一條路徑。

3 前期工作

以筆者講授的《數(shù)據(jù)結(jié)構(gòu)與算法》課程為例，整個(gè)課程一共有13 個(gè)實(shí)驗(yàn)，筆者主要基于兩個(gè)考試（一次是期中上機(jī)考試，一次是期末筆試考試），邀請同學(xué)們進(jìn)行了每個(gè)實(shí)驗(yàn)誠信調(diào)查，根據(jù)這三份數(shù)據(jù)進(jìn)行分析。具體前期工作及數(shù)據(jù)收集包括兩個(gè)部分：一是期中考試的選題及成績，二是對每個(gè)實(shí)驗(yàn)的完成度調(diào)查。如下：

圖1：期中抽題

圖2：選題情況

圖3：完成度調(diào)查界面

（1）其中，期中的上機(jī)考試，考慮到某一學(xué)期大部分同學(xué)的實(shí)際情況（編程基礎(chǔ)比較弱），考試內(nèi)容選擇之一是學(xué)生在提前給定的10 道題目中抽題（這10 道就是實(shí)驗(yàn)3-7 中的內(nèi)容，因?yàn)榭紤]到學(xué)生基礎(chǔ)比較弱，可選擇進(jìn)行兩輪考試），如圖1所示。系統(tǒng)數(shù)據(jù)庫會(huì)記錄學(xué)生抽題范圍及抽到題情況，圖2 是學(xué)生們第一次選擇情況的部分截圖。我們把這部分?jǐn)?shù)據(jù)以及得分與實(shí)驗(yàn)完成度調(diào)查進(jìn)行對照，可以發(fā)現(xiàn)期中考試可能存在的不誠信現(xiàn)象或?qū)嶒?yàn)完成度虛假情況。

（2）在學(xué)期中，邀請同學(xué)們進(jìn)行完成度填寫，如圖3所示，數(shù)據(jù)庫截圖如圖4所示。接著我們提取圖4 中的每個(gè)實(shí)驗(yàn)的完成度，以便進(jìn)行后續(xù)的分析。

圖4：完成度調(diào)查結(jié)果

圖5：原始部分?jǐn)?shù)據(jù)

4 具體實(shí)現(xiàn)

4.1 數(shù)據(jù)準(zhǔn)備

根據(jù)第3 點(diǎn)的前期工作，以及半期考和期末考試的成績（完成度除以10），整合數(shù)據(jù)如圖5所示，我們利用決策樹分類算法，把某個(gè)實(shí)驗(yàn)的完成度和期中成績?yōu)榈谝唤M（看該生具體抽到的是哪道題），實(shí)驗(yàn)1-13 的完成度和期末成績?yōu)榈诙M，其中期末和期中成績分為四個(gè)等級，小于60 為標(biāo)簽1，大于等于60 且小于70為標(biāo)簽2，大于等于70 且小于80 為標(biāo)簽3，大于等于80 為標(biāo)簽4。以第二組數(shù)據(jù)為例，處理后的數(shù)據(jù)部分截圖如圖6所示。

4.2 環(huán)境搭建

本環(huán)境基于Spark 環(huán)境，1 臺(tái)Master，2 臺(tái)Slave。配置后的環(huán)境截圖如圖7所示。

4.3 算法分析

決策樹多元分類算法（DecisionTree Multi Class Classfication）預(yù)測在多個(gè)特征條件不同組合下的準(zhǔn)確率。以第2 組數(shù)據(jù)為例，我們把每個(gè)實(shí)驗(yàn)的完成度值作為特征feature，成績等級作為標(biāo)簽Label。部分代碼及結(jié)果如圖8所示。預(yù)測值和真實(shí)值相差兩個(gè)等級的，就要引起重視。如果預(yù)測值比真實(shí)值高比較多，則該學(xué)生的實(shí)驗(yàn)完成度的真實(shí)性需考量，如果真實(shí)值比預(yù)測值高很多，則學(xué)生的期中或期末考試可能存在不真實(shí)的行為，也需要考量。如圖紅色區(qū)域的記錄要引起注意，需要再觀察其他方面的表現(xiàn)。

5 結(jié)語

本文主要通過誠信調(diào)查，根據(jù)誠信調(diào)查數(shù)據(jù)和上機(jī)以及考試數(shù)據(jù)，利用決策樹多元分類算法，來推測學(xué)生提交的完成度數(shù)據(jù)的真實(shí)性和學(xué)生考試結(jié)果的真實(shí)性。本文搭建了Spark 環(huán)境，根據(jù)分類算法得出的預(yù)測結(jié)果，如果與真實(shí)結(jié)果相差較大，則需引起重視，可能是學(xué)生實(shí)驗(yàn)完成度不真實(shí)（也就是實(shí)驗(yàn)可能存在抄襲），也可能是學(xué)生考試結(jié)果不真實(shí)，這為解決程序設(shè)計(jì)類課程作業(yè)抄襲問題另辟了一個(gè)思路，也為學(xué)生誠信度檢驗(yàn)另辟了一條路徑。由于時(shí)間關(guān)系，本文沒有對細(xì)節(jié)進(jìn)行進(jìn)一步的研究，這將是下一步的工作。

圖6：處理后的部分?jǐn)?shù)據(jù)

圖7：環(huán)境搭建截圖

圖8：運(yùn)行結(jié)果