基于已發(fā)表論文的學(xué)術(shù)不端檢測系統(tǒng)的分析研究★

趙冬梅

（山西大學(xué)圖書館 山西太原 030006）

基于已發(fā)表論文的學(xué)術(shù)不端檢測系統(tǒng)的分析研究★

趙冬梅

（山西大學(xué)圖書館 山西太原 030006）

學(xué)術(shù)不端檢測系統(tǒng)的廣泛應(yīng)用源于現(xiàn)代社會學(xué)術(shù)誠信失衡的現(xiàn)狀，文章基于大量已發(fā)表論文的檢測數(shù)據(jù)，根據(jù)檢測報(bào)告判定出作者、系統(tǒng)等諸多因素造成的檢測結(jié)果的失真，針對性提出排除影響結(jié)果真實(shí)性若干干擾因素的應(yīng)對策略，為圖書館等信息檢索機(jī)構(gòu)、編輯部、檢測系統(tǒng)開發(fā)商、職稱部門提供改進(jìn)意見和建議，客觀、公正、理性評價(jià)已發(fā)表論文作者的學(xué)術(shù)水平。

已發(fā)表文獻(xiàn)；學(xué)術(shù)不端檢測；系統(tǒng)

1 引言

學(xué)術(shù)不端檢測系統(tǒng)的廣泛應(yīng)用源于現(xiàn)代社會學(xué)術(shù)誠信失衡的現(xiàn)狀，CNKI論文學(xué)術(shù)不端檢測系統(tǒng)覆蓋到本科生、研究生、職稱評審、項(xiàng)目申報(bào)等各個領(lǐng)域，多個層面。大部分人理解的學(xué)術(shù)不端檢測都是面向未公開發(fā)表的論文。針對已經(jīng)發(fā)表論文的檢測是近年來職稱評審要求的必備條件之一，一旦檢測結(jié)果不符合規(guī)定標(biāo)準(zhǔn)，不但耽誤晉升職稱，還要喪失學(xué)術(shù)清譽(yù)，因此已發(fā)表論文的再次審定對于作者的重要程度更甚于未發(fā)表論文的檢測。

本文基于大量已發(fā)表論文的檢測數(shù)據(jù)，根據(jù)檢測報(bào)告判定出作者、系統(tǒng)等諸多因素造成的檢測結(jié)果的失真，針對性提出排除影響結(jié)果真實(shí)性若干干擾因素的應(yīng)對策略，為圖書館等信息檢索機(jī)構(gòu)、編輯部、檢測系統(tǒng)開發(fā)商、職稱部門提供改進(jìn)意見和建議，客觀、公正、理性評價(jià)已發(fā)表論文作者的學(xué)術(shù)水平。

2 檢測統(tǒng)計(jì)結(jié)果

本文選取的數(shù)據(jù)來源于CNKI科研誠信管理系統(tǒng)研究中心開發(fā)的學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)有關(guān)高校職稱論文的檢測結(jié)果。統(tǒng)計(jì)結(jié)果見表1。

表1 檢測結(jié)果復(fù)制比統(tǒng)計(jì)表

表1顯示，一年來，通過CNKI學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)5.0版本檢測論文共計(jì)6224篇，檢測結(jié)果低于10%復(fù)制比的論文占比56.04%，檢測結(jié)果低于20%復(fù)制比的論文占比73.36%，檢測結(jié)果低于30%復(fù)制比的論文占比83.92%。所有檢測結(jié)果均非系統(tǒng)直接產(chǎn)生的結(jié)論，每篇論文的檢測結(jié)果都經(jīng)過專業(yè)人員的人工判斷，排除了正當(dāng)引用、本人已發(fā)表文獻(xiàn)正當(dāng)引用部分、未公開發(fā)表的本人博碩士論文等因素，在此前提下統(tǒng)計(jì)結(jié)果低于10%復(fù)制比的論文僅有56.04%的論文通過，低于30%復(fù)制比的論文也只達(dá)到83.92%的通過率。這一數(shù)據(jù)現(xiàn)象發(fā)人深省，證明已發(fā)表論文的再次檢測是完全有必要的。

3 檢測系統(tǒng)存在的問題

基于“中國知網(wǎng)”海量的信息資源，以及其學(xué)術(shù)不端檢測系統(tǒng)在學(xué)術(shù)研究、研究生培養(yǎng)、本科教學(xué)、項(xiàng)目申報(bào)、成果鑒定、職稱評審等諸多領(lǐng)域的廣泛應(yīng)用，奠定了“中國知網(wǎng)學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)”做為檢測工具的最佳選擇。系統(tǒng)為我們提供科學(xué)、準(zhǔn)確、全面的數(shù)據(jù)檢測起到了積極的作用，但其不盡完善之處還需給以高度關(guān)注。

3.1 比對源不全面

學(xué)術(shù)不端檢測系統(tǒng)檢測覆蓋資源范圍包括中國學(xué)術(shù)期刊網(wǎng)絡(luò)出版總庫、中國博士學(xué)位論文全文數(shù)據(jù)庫、中國優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫、中國重要會議論文全文數(shù)據(jù)庫、中國重要報(bào)紙全文數(shù)據(jù)庫、中國專利全文數(shù)據(jù)庫、互聯(lián)網(wǎng)資源、英文數(shù)據(jù)庫、港澳臺學(xué)術(shù)文獻(xiàn)庫、優(yōu)先出版文獻(xiàn)庫、互聯(lián)網(wǎng)文檔資源等。從文獻(xiàn)類型考慮，資源庫明顯不能達(dá)到窮盡所有的資源類型，比如科研最常用到的圖書就沒有包含在比對源里。從單一類型的文獻(xiàn)來看，單一類型資源也無法達(dá)到全面收錄。以期刊資源為例，自“維普期刊資源整合服務(wù)平臺——期刊地區(qū)分布導(dǎo)航”統(tǒng)計(jì)顯示全國各省份發(fā)行期刊種數(shù)共計(jì)達(dá)14 763種，而中國知網(wǎng)期刊介紹收錄國內(nèi)學(xué)術(shù)期刊8 002種，維普期刊資源整合服務(wù)平臺與中國知網(wǎng)沒有一家數(shù)據(jù)商全部收錄中文出版發(fā)行期刊種類，二者存在6 761種的差異，因此，從期刊單種文獻(xiàn)類型看，知網(wǎng)檢測系統(tǒng)后臺資源總量顯示明顯不足。

3.2 論文提取失真

針對這些論文的報(bào)告單仔細(xì)核查，發(fā)現(xiàn)問題源于論文提取失真的情形。為了保證發(fā)表論文的原始狀態(tài)，已發(fā)表論文的檢測選擇直接從知網(wǎng)數(shù)據(jù)庫里提取論文，在檢測實(shí)踐過程中發(fā)現(xiàn)了有許多結(jié)果出人意外，主要體現(xiàn)形式有如下幾個方面：

（1）部分提取。檢測論文的時(shí)候系統(tǒng)調(diào)用數(shù)據(jù)庫原文有誤，僅提取論文第一頁或者最后一頁，勢必造成檢測結(jié)果的片面性，表現(xiàn)為報(bào)告單總字?jǐn)?shù)與實(shí)際字?jǐn)?shù)差別很大，對應(yīng)的總文字復(fù)制比也是局部的，不能真實(shí)反映該篇文章的實(shí)際情況。

（2）亂碼顯示。系統(tǒng)調(diào)用數(shù)據(jù)庫原文檢測論文，全文報(bào)告單出現(xiàn)亂碼顯示，雖然給出了檢測結(jié)果總字?jǐn)?shù)，總文字復(fù)制比，但是結(jié)果明顯是針對亂碼比對的無效結(jié)果。

（3）轉(zhuǎn)頁誤讀。為了充分利用每一個版面，編輯部編排文章時(shí)如果一篇論文沒有占滿完整的版面，該篇文章所占版面的余下部分會由另一篇文章的轉(zhuǎn)頁部分補(bǔ)充完整。這樣一篇文章的pdf原文版有部分其他文章的內(nèi)容在里面。調(diào)用這樣的原文進(jìn)行比對，結(jié)果會出現(xiàn)總文字?jǐn)?shù)的增量顯示，相應(yīng)的總文字復(fù)制比也會失真。

3.3 引用標(biāo)志未識別

（1）“引號”引用標(biāo)志不識別。有些人撰寫論文的時(shí)候經(jīng)常用到別人的觀點(diǎn)作為自己論文的論據(jù)或者支持自己論文的觀點(diǎn)，這部分內(nèi)容用引號引起來，檢測系統(tǒng)未定義引號為引用識別標(biāo)志，檢測結(jié)果相似文獻(xiàn)列表顯示的是非引用標(biāo)志，一般做抄襲復(fù)制處理。

（2）“文字表述”引用方式不識別。有些論文作者在撰寫論文時(shí)以行文方式體現(xiàn)了論文的某個部分使用了別人的觀點(diǎn)，檢測系統(tǒng)從語義的角度無法做出判斷，常常定位該部分為抄襲復(fù)制。

（3）“引用”標(biāo)志未識別。檢測系統(tǒng)程序設(shè)計(jì)對做了規(guī)范引用標(biāo)志的論文的引用部分不作為抄襲處理，但是檢測過程中不乏引用標(biāo)志明顯但系統(tǒng)未識別的案例，屬于不正確的判斷。

3.4 檢測結(jié)果涵蓋參考文獻(xiàn)部分

檢測系統(tǒng)設(shè)計(jì)檢測結(jié)果不包含參考文獻(xiàn)總字?jǐn)?shù)，相應(yīng)的總文字復(fù)制比也不體現(xiàn)參考文獻(xiàn)部分，在論文檢測過程中卻出現(xiàn)了參考文獻(xiàn)計(jì)算在內(nèi)的現(xiàn)象。把參考文獻(xiàn)計(jì)算在內(nèi)加大了文獻(xiàn)復(fù)制的比率，影響本篇文章正常復(fù)制情況的顯示。

3.5 網(wǎng)絡(luò)文獻(xiàn)報(bào)告列表顯示有誤

檢測系統(tǒng)檢測范圍包括互聯(lián)網(wǎng)資源，檢測結(jié)果中網(wǎng)絡(luò)文獻(xiàn)列表的時(shí)間僅顯示年份，不顯示具體時(shí)間，且時(shí)常出現(xiàn)檢測時(shí)間范圍之后的文檔列表，針對此類現(xiàn)象，經(jīng)多篇文章測試，發(fā)現(xiàn)這些網(wǎng)絡(luò)文獻(xiàn)的顯示基本不會改變總體復(fù)制比，但是系統(tǒng)針對網(wǎng)絡(luò)文獻(xiàn)在時(shí)間上的誤讀雖對結(jié)果產(chǎn)生不了太大的影響，但是容易引起作者對報(bào)告單的質(zhì)疑，從而忽略檢測系統(tǒng)的正面作用，無限放大系統(tǒng)的漏洞。

3.6 檢測結(jié)果涵蓋了文章自身

有些文章的檢測結(jié)果報(bào)告單重復(fù)文章列表中顯示文章自身，即查重文獻(xiàn)與文章本身重復(fù)。排除了原文，文字復(fù)制比就下降了。

3.7 同一論文不同時(shí)間檢測結(jié)果不同

同一篇論文在不同的時(shí)間段檢測，檢測結(jié)果存在差異。雖然同一篇文章在不同的時(shí)間進(jìn)行檢測，但是鎖定的檢測時(shí)間范圍是一致的，出現(xiàn)不一致的結(jié)果屬于系統(tǒng)判斷失誤。

4 理性認(rèn)識檢測系統(tǒng)，充分發(fā)揮系統(tǒng)價(jià)值

要理性使用學(xué)術(shù)不端檢測系統(tǒng)，充分享有它帶來的便利，同時(shí)要正確看待它存在的缺陷，使檢測結(jié)果更加公正合理［1］。這是檢測系統(tǒng)經(jīng)過廣泛推廣使用后大家達(dá)成的共識。完善檢測系統(tǒng)功能，提升專業(yè)人員的判斷能力，排除系統(tǒng)障礙，最大限度發(fā)揮系統(tǒng)價(jià)值。從以下三方面考慮，確保檢測結(jié)果能夠如實(shí)反映論文的真實(shí)學(xué)術(shù)水平。

4.1 制定檢測標(biāo)準(zhǔn)消除干擾結(jié)果正確性的客觀因素，以明確論文的原創(chuàng)性與有效價(jià)值

論文檢測系統(tǒng)問世的初衷是從技術(shù)層面采取遏制學(xué)術(shù)不端行為。最初應(yīng)用于論文發(fā)表的源頭期刊雜志社，并從編輯部推廣普及。編輯部在使用過程中積累了豐富的經(jīng)驗(yàn)，使這一檢測工具在編審環(huán)節(jié)起到了積極有效的作用。綜合前期多家編輯部和學(xué)位論文檢測積累的經(jīng)驗(yàn)，加入人們對原創(chuàng)作品的專業(yè)理解，制定已發(fā)表論文學(xué)術(shù)不端檢測的標(biāo)準(zhǔn)，排除干擾因素才能保證對每一篇已發(fā)表論文給出客觀公正的評價(jià)。

（1）本人未公開發(fā)表的博碩士學(xué)位論文、會議交流論文，屬于個人成果但是沒有正式公開發(fā)表，本人拿出其中一塊或者做了進(jìn)一步的完善發(fā)表在期刊上不計(jì)算在重復(fù)范圍之列。

（2）引用文獻(xiàn)，論文中用別人的論點(diǎn)支撐本人論文的部分做了規(guī)范的引用標(biāo)志，并在參考文獻(xiàn)中有所體現(xiàn)不計(jì)算在重復(fù)范圍之列。

（3）本人已發(fā)表文獻(xiàn)，論文中用到了本人前期成果，在合理范圍內(nèi)不計(jì)算在重復(fù)范圍之列。

（4）網(wǎng)絡(luò)文獻(xiàn)，由于系統(tǒng)原因出現(xiàn)的檢測時(shí)間范圍之外的網(wǎng)絡(luò)文獻(xiàn)，含博客、文庫、互聯(lián)網(wǎng)資源等均不計(jì)算在重復(fù)范圍之列。

4.2 加入專業(yè)人員人工判斷消除檢測系統(tǒng)的漏洞，以糾正系統(tǒng)檢測裸數(shù)據(jù)的錯誤因素

筆者在大量實(shí)踐的基礎(chǔ)上認(rèn)真分析了論文檢測系統(tǒng)的不盡完善之處，如何糾正、補(bǔ)充、完善系統(tǒng)存在的問題應(yīng)做如下幾方面的思考。

（1）國內(nèi)開發(fā)的論文檢測系統(tǒng)主要有清華同方、萬方、維普和超星公司的大雅相似度檢測系統(tǒng)，不同廠商開發(fā)的檢測系統(tǒng)姑且不論其檢測原理，每個產(chǎn)品依托的后臺數(shù)據(jù)庫都是自建數(shù)據(jù)庫，每個數(shù)據(jù)庫都不可能窮盡所有的資源。同一篇文章使用不同的系統(tǒng)檢測結(jié)果不盡相同。作為評價(jià)工具，使用一個系統(tǒng)標(biāo)準(zhǔn)對所有人做出評價(jià)有失公允。

（2）論文提取失真的根源在于建庫過程的失誤所致，數(shù)據(jù)庫在建庫過程中難免出現(xiàn)疏漏，疏漏幾率應(yīng)該有可控制的允許范圍。首先作為系統(tǒng)的開發(fā)商針對這一問題應(yīng)該在以后的數(shù)據(jù)加工過程中避免這種事故的發(fā)生，同時(shí)建立倒查機(jī)制，無論公司工作人員還是用戶遇到這種情況都鼓勵及時(shí)反饋，從源頭上修正以前的錯誤。檢測人員盡可能使用論文發(fā)表時(shí)的原始版本進(jìn)行復(fù)查，以保證結(jié)果的真實(shí)可靠。

（3）有些論文檢測結(jié)果偏差表現(xiàn)在系統(tǒng)對引用標(biāo)志的未識別，“引號”引用標(biāo)志不識別，“文字表述”引用方式不識別這三種情況，第一種情況屬于系統(tǒng)具有對規(guī)范引用格式的識別功能，個別情況未識別應(yīng)該不屬于程序漏洞，與數(shù)據(jù)錄入中的誤差有很大關(guān)系，找出此種失誤的例子研究其問題所在，避免類似事件發(fā)生。第二、三種情況是普遍現(xiàn)象，屬于系統(tǒng)語義功能的不完善所致，系統(tǒng)應(yīng)該完善語料庫，增強(qiáng)語義功能，增加這兩種情況的識別度，增進(jìn)系統(tǒng)檢測的有效度。

（4）數(shù)字化網(wǎng)絡(luò)化環(huán)境下互聯(lián)網(wǎng)資源是學(xué)術(shù)造假的主要來源，網(wǎng)絡(luò)資源未公開發(fā)表，許多人撰寫論文用到BLOG、微博、論壇、文庫等資源，不加注釋，據(jù)為己有，作為自己的最新成果發(fā)表，因此檢測系統(tǒng)比對源涵蓋互聯(lián)網(wǎng)資源遏制住了人們對網(wǎng)絡(luò)資源的惡意抄襲。但檢測實(shí)踐中，發(fā)現(xiàn)報(bào)告單有大量的網(wǎng)絡(luò)資源時(shí)間上滯后于檢測論文，經(jīng)過多篇測試此類列表的存在雖對結(jié)果的影響不大，但是容易造成作者對檢測系統(tǒng)失去信任。數(shù)據(jù)庫開發(fā)商應(yīng)該針對網(wǎng)絡(luò)文獻(xiàn)類型從時(shí)間上加以限制彌補(bǔ)此類漏洞，在系統(tǒng)未完善的情況下檢測人員手工認(rèn)真核查排除錯誤列表后再出具可信的報(bào)告單。

此外，檢測結(jié)果涵蓋參考文獻(xiàn)部分，檢測結(jié)果涵蓋文章本身，邏輯計(jì)算錯誤，同一論文不同時(shí)間檢測結(jié)果不同等不容忽視的個案造成的檢測結(jié)果偏差雖屬于偶然現(xiàn)象，也給人以警示。系統(tǒng)開發(fā)商應(yīng)直面問題，給使用者以合理解釋，關(guān)鍵在于不斷完善系統(tǒng)，杜絕類似情況再次發(fā)生。專業(yè)檢測人員也要以嚴(yán)謹(jǐn)?shù)膽B(tài)度對待每一篇論文的檢測，力求做到不冤枉、不誤判每一位作者的辛勤勞動成果。

4.3 消除作者學(xué)術(shù)創(chuàng)作僥幸蒙混的念頭，以嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度對待科學(xué)研究

除系統(tǒng)本身原因之外，大部分論文復(fù)制比偏高的原因來自于作者自身因素，主要體現(xiàn)形式為：（1）同一導(dǎo)師系列論文重復(fù)度高，作者認(rèn)為在一個導(dǎo)師門下搞研究，方法、材料等都應(yīng)該是相同的，論文出現(xiàn)相互雷同屬于正?，F(xiàn)象。（2）同一主題系列論文重復(fù)度高，論文作者認(rèn)為后期發(fā)表論文大量沿用自己以前發(fā)表的論文屬于正常現(xiàn)象。（3）同一作者同期發(fā)表的幾篇論文重復(fù)度高，一個時(shí)間段一個作者同時(shí)發(fā)表幾篇文章，出版時(shí)間較晚的論文檢測結(jié)果與較早出版的論文重復(fù)度很高。論文作者認(rèn)為同一研究思路得出不同的結(jié)論合情合理。（4）同一主題系列論文重復(fù)度高，不同時(shí)間發(fā)表的同一主題論文重復(fù)率達(dá)到70%以上。顯而易見是一稿多投現(xiàn)象。只是論文題目做了適當(dāng)改動。（5）作者不重視規(guī)范引用格式，不嚴(yán)格按照引用規(guī)范標(biāo)準(zhǔn)撰寫論文，要么不標(biāo)注引用，要么引用格式不規(guī)范，要么參考文獻(xiàn)不列出來都是造成結(jié)果偏高的直接原因。比如：編輯部對同意錄用的稿件會做編輯校對工作，一方面潤色文字，一方面會根據(jù)版面要求做一些文字的刪減，刪減的文字一般是一些無關(guān)論文主要觀點(diǎn)的語句，作者引用的部分是論文的重要支撐絕對不會刪掉，還是要強(qiáng)調(diào)“引注”，規(guī)范寫作格式，可以規(guī)避造成的文字復(fù)制。

以上作者檢測論文出現(xiàn)檢測偏高結(jié)果，均為自身原因造成，第一種現(xiàn)象不成立的理由，應(yīng)該是雖然同屬一個導(dǎo)師，教導(dǎo)方法一致，但是每個個體的行文方式、語言表達(dá)應(yīng)該有所不同，出現(xiàn)相同情況，圖省事拿來別人的東西據(jù)為己有實(shí)屬抄襲、剽竊行為；第二到四種現(xiàn)象毋庸置疑，純屬僥幸投機(jī)心理，同一時(shí)間段在投的多篇稿件編輯部無法檢測出復(fù)制比，如果沒有職稱評審、科研立項(xiàng)等的再次審定，多篇論文都將在評審中起到作用。第五種現(xiàn)象在論文中使用自己（或自己作為作者之一）已發(fā)表文獻(xiàn)的內(nèi)容，卻不加引注，是一種不規(guī)范的學(xué)術(shù)行為，作為晉升高級職務(wù)的老師應(yīng)該具備這樣的學(xué)術(shù)素養(yǎng)，否則從這一點(diǎn)上就不符合晉升要求。

5 結(jié)束語

學(xué)術(shù)不端檢測系統(tǒng)智能化程度有限，存在不少檢測盲區(qū)，只能作為一種輔助工具［2］。實(shí)踐證明，影響結(jié)果真實(shí)性，造成通過率不理想的主要原因集中在檢測系統(tǒng)存在的問題和作者行文主客觀因素這兩大方面。借助學(xué)術(shù)不端檢測系統(tǒng)檢測學(xué)術(shù)論文客觀評價(jià)科研人員的學(xué)術(shù)水平杜絕使用裸數(shù)據(jù)，一定要融入圖書館信息檢測專業(yè)人員的判斷，采取審慎、科學(xué)、客觀的態(tài)度，對檢測系統(tǒng)多層面、深層次地理解與把握［3］，力求檢測結(jié)果的科學(xué)性、客觀性、公正性。

［1］李丹.學(xué)術(shù)不端檢測系統(tǒng)的理性使用［J］.學(xué)術(shù)界，2012，（12）：129－133.

［2］李永蓮.學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)的檢測盲區(qū)研究［J］.青島職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2014，（5）：78－80，86.

［3］王宇.學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)研究綜述［J］.西南民族大學(xué)學(xué)報(bào)：人文社會科學(xué)版，2013，（4）：236－240.

（收稿日期：2015-10-06 責(zé)任編輯：馬秀娟）

G237.5

A

或者

與發(fā)表日期期間檢測結(jié)果顯示有復(fù)制的論文，由于任何一篇論文都存在投稿與刊發(fā)的時(shí)滯現(xiàn)象，檢測結(jié)果中出現(xiàn)在這期間的論文不計(jì)算在重復(fù)范圍之列。

本文系山西省科技基礎(chǔ)條件平臺建設(shè)項(xiàng)目“構(gòu)建山西高?？萍嘉墨I(xiàn)資源服務(wù)體系”（2014091001－0101）研究成果之一。