⏱ زمان مطالعه: 10 دقیقه
انتخاب بهترین نرم افزار سرقت ادبی فارسی دغدغه پژوهشگرانی است که می‌خواهند پیش از تحویل پایان‌نامه یا ارسال مقاله به نشریات علمی، از اصالت متن خود مطمئن شوند. در زبان فارسی، پردازش متن با چالش‌های فنی متعددی نظیر نیم‌فاصله‌ها، تنوع در صرف افعال و ساختارهای بازنویسی پیچیده همراه است. به همین علت، ابزارهایی که برای متون لاتین توسعه یافته‌اند، در بررسی اسناد فارسی توانایی یکسانی ندارند. برای ارزیابی متن فارسی به ابزاری نیاز است که علاوه بر دسترسی به پایگاه‌داده‌های دانشگاهی و پژوهشی داخلی، بتواند تغییرات ساختاری و واژگانی را با دقت شناسایی کند.
معیارهای کلیدی در سنجش کارایی ابزارهای سرقت علمی فارسی
تشخیص اصالت متن در متون فارسی بر پایه الگوریتم‌های پردازش زبان طبیعی (NLP) استوار است. نرم‌افزاری که صرفاً انطباق زنجیره‌ای کلمات را بررسی می‌کند، در مواجهه با جابه‌جایی افعال یا جایگزینی واژگان مترادف کارایی خود را از دست می‌دهد. یک سامانه کارآمد باید دارای سه رکن اساسی باشد: گستردگی بانک اطلاعاتی، دقت الگوریتم ریشه‌یابی کلمات، و توانایی تفکیک نقل‌قول‌های استاندارد از کپی‌برداری غیرمجاز.
بزرگ‌ترین چالش فنی، نحوه اتصال پایگاه داده ابزار به اسناد دانشگاهی گذشته است. متنی که به عنوان پایان‌نامه کارشناسی ارشد دفاع می‌شود، باید در برابر صدها هزار رساله و مقاله منتشرشده در دهه‌های اخیر سنجیده شود. اگر نرم‌افزار به این مخازن دسترسی نداشته باشد، حتی با پیشرفته‌ترین موتورهای تحلیل آماری، خروجی گزارش با واقعیت فاصله زیادی خواهد داشت.
راهنمای جامع این موضوع: اصالت‌سنجی پایان نامه گزارش مکتوب همانندی
- اندازه و عمق مخزن اسناد: شامل رساله‌های مصوب، مقالات مجلات معتبر، کتاب‌های تخصصی و صفحات وب ایندکس‌شده.
- حساسیت به رسم‌الخط و کاراکترهای خاص: تشخیص درست تفاوت‌های نگارشی میان «ی» و «ک» عربی و فارسی، فاصله‌های مجازی و وندهای صرفی.
- توانایی استخراج ارجاعات و نقل‌قول‌ها: چشم‌پوشی خودکار از بخش منابع و مراجع و متن‌های داخل گیومه طبق شیوه‌نامه‌های استاندارد.
- تحلیل بازنویسی معنایی: شناسایی ساختارهایی که با جایگزینی واژگان تلاش کرده‌اند متن مبدا را پنهان کنند.
یک اشتباه متداول میان دانشجویان، اکتفا به جستجوی دستی چند پاراگراف در موتورهای جستجوی وب مانند گوگل است. موتورهای جستجوی عمومی به اسناد غیرعمومی، متن کامل پایان‌نامه‌های ثبت‌شده در مخازن سازمانی و نشریات غیررایگان دسترسی ندارند. در نتیجه، گزارشی که از این طریق به دست می‌آید، درصد مشابهت را بسیار کمتر از مقدار واقعی نشان می‌دهد.
مقایسه تخصصی سامانه‌های مطرح همانندجویی متن فارسی
در فضای دانشگاهی و پژوهشی کشور، چند سامانه مشخص به عنوان مراجع اصلی بررسی اصالت متون شناخته می‌شوند. هر یک از این نرم‌افزارها تمرکز ویژه‌ای بر بخش خاصی از داده‌های علمی دارند و کاربرد آن‌ها متناسب با مقصد نهایی متن متفاوت است.
سامانه همانندجو وابسته به پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک)، جامع‌ترین مخزن پایان‌نامه‌ها و رساله‌های مقاطع تحصیلات تکمیلی دانشگاه‌های زیر نظر وزارت علوم را در اختیار دارد. مکانیسم این سامانه مبتنی بر تطبیق واژگانی و خوشه‌بندی جملات است. دانشگاه‌های دولتی برای بررسی اصالت متن پیش از صدور مجوز دفاع، گزارش رسمی این سامانه را ملاک قرار می‌دهند.
بیشتر بخوانید: سایت های رایگان سرقت ادبی انگلیسی
سامانه سمیم‌نور که توسط مرکز تحقیقات کامپیوتری علوم اسلامی طراحی شده، تمرکز بالایی بر حوزه علوم انسانی، معارف اسلامی، مقالات نشریات علمی و کتاب‌های تخصصی دارد. موتور جستجوی سمیم‌نور حساسیت بالایی نسبت به متون دارای واژگان کهن، عبارات عربی و ساختارهای متون کلاسیک نشان می‌دهد و برای پژوهشگران رشته‌های حقوق، فلسفه، ادبیات و معارف انتخاب بسیار مناسبی به شمار می‌رود.
| نام سامانه | منبع اصلی داده | حوزه تخصصی | میزان پشتیبانی از متون بازنویسی‌شده |
|---|---|---|---|
| همانندجو (ایرانداک) | رساله‌ها و پایان‌نامه‌های دانشگاهی | تمام رشته‌های دانشگاهی | متوسط (تطبیق طولی و کلمات کلیدی) |
| سمیم‌نور | مقالات نورمگز، کتب و متون کهن | علوم انسانی، فقه، حقوق، تاریخ | خوب (شناسایی ریشه‌ها و عبارات مترادف) |
| همیاب (پیشخوان متن) | مجلات علمی و وب‌سایت‌های پژوهشی | متون فنی، مهندسی و علوم پایه | پایین تا متوسط (تطبیق کاراکتری مستقیم) |
| ابزارهای بین‌المللی (مانند ترنیتین) | مخازن جهانی و وب ایندکس‌شده | مقالات به زبان‌های مختلف از جمله فارسی | محدود در فارسی (قوی در تطبیق وب) |
برای بررسی تفاوت عملکرد این سامانه‌ها، فرض کنید یک متن آزمایشی شامل ۳۰ صفحه از پایان‌نامه‌ای در حوزه مدیریت که ۵ سال قبل دفاع شده را به دو سامانه تحویل دهیم. سامانه همانندجو به دلیل دسترسی مستقیم به متن آرشیو شده آن رساله، مشابهت بالای ۶۰ درصد را ثبت می‌کند، در حالی که یک ابزار آنلاین عمومی ممکن است همان متن را تنها با ۲ درصد مشابهت گزارش دهد، زیرا پایان‌نامه مذکور هرگز روی صفحات وب باز بارگذاری نشده است.
کارایی نرم‌افزارهای بین‌المللی در تشخیص انتحال متون فارسی
بسیاری از پژوهشگران می‌پرسند آیا ابزارهای معتبر جهانی نظیر Turnitin یا iThenticate توانایی اصالت‌سنجی متون نگارش‌شده به زبان فارسی را دارند یا خیر. پاسخ دقیق به این پرسش نیازمند شناخت معماری پردازشی این نرم‌افزارهاست.
مقایسه‌ی مرتبط: تفاوت همانندجو با سمیم نور
ابزارهای خارجی بر پایه پردازش حروف الفبای استاندارد یونیکد عمل می‌کنند. اگر متنی از یک مقاله فارسی پیش‌تر در نشریه‌ای ایندکس‌شده در Crossref یا وب‌سایت‌هایی که ربات‌های ترنیتین بررسی کرده‌اند منتشر شده باشد، این سامانه‌ها قادر به شناسایی کپی‌های مستقیم خواهند بود. با این حال، نقایص ساختاری متعددی در تحلیل زبان فارسی دارند:
- عدم درک صرف و نحو فارسی: ابزارهای غربی اغلب پیوندهای صرفی مانند «می‌شود» و «می شود» را دو کلمه کاملاً جدا تلقی می‌کنند که در نتیجه ممکن است درصد مشابهت کمتر محاسبه شود.
- محدودیت پایگاه اسناد داخلی: پایان‌نامه‌هایی که صرفاً در سامانه‌های داخلی بارگذاری شده و به وب عمومی متصل نیستند، از دید خزنده‌های بین‌المللی مخفی می‌مانند.
- مشکلات تفکیک کاراکترهای هم‌شکل: سردرگمی بین ارقام فارسی و انگلیسی، یا حروف خاص رسم‌الخط عربی باعث شکست پیوستگی انطباق جملات می‌شود.
استفاده از ابزارهای بین‌المللی زمانی معنا پیدا می‌کند که پژوهشگر در حال آماده‌سازی مقاله برای یک همایش یا ژورنال خارجی است که مقالات چندزبانه منتشر می‌کند یا بخش عمده مراجع متن از پایگاه‌های آنلاین آزاد برداشته شده است. برای امور دانشگاهی داخل کشور، تکیه انحصاری بر ابزارهای خارجی ریسک بزرگی در زمان دفاع ایجاد می‌کند.
آیا نرم‌افزارهای فارسی متون بازنویسی‌شده را به درستی تشخیص می‌دهند؟
یکی از تصورات رایج این است که اگر محقق جملات را بخواند، واژه‌ها را با کلمات هم‌معنی جایگزین کند یا فعل مجهول را به معلوم تبدیل سازد، هیچ نرم‌افزاری متوجه الگوبرداری نخواهد شد. در گذشته این شیوه مانع تشخیص تطبیق می‌شد، اما الگوریتم‌های مدرن بر اساس مفاهیم n-gram و درخت وابستگی نحوی کار می‌کنند.
مطلب مرتبط: ترجمه مقاله با هوش مصنوعی یا مترجم انسانی
وقتی ساختار مفهومی و ترتیبات استدلال در یک پاراگراف ثابت بماند، سامانه بر مبنای تراکم واژگان کلیدی هم‌پوشان (Co-occurrence) به متن مشکوک می‌شود. به عنوان مثال، اگر فردی جمله «نتایج پژوهش حاضر مبین آن است که رضایت شغلی موجب ارتقای بهره‌وری سازمان می‌شود» را به «دستاوردهای بررسی کنونی گویای این است که خشنودی از کار باعث افزایش راندمان تشکیلات می‌گردد» تبدیل کند، موتورهای پیشرفته با تحلیل ریشه واژگان (Lemmatization)، تناظر معنایی این دو ساختار را مشخص می‌کنند.
با وجود پیشرفت‌ها، هنوز محدودیت‌هایی وجود دارد. اگر بازنویسی در سطح ایده و با ساختار دستوری کاملاً دگرگون‌شده صورت گیرد، نرم‌افزارهای فعلی فارسی در تشخیص آن ناتوان هستند. آزمودن صحت ارجاع و اصالت ایده در این موارد تنها با بررسی داور انسانی مجرب امکان‌پذیر است. بنابراین، کاهش درصد تشابه نرم‌افزاری به تنهایی تضمین‌کننده رعایت اخلاق پژوهشی و عدم سرقت معنوی نیست.
مطلب مرتبط: سفارش نگارش کاور لتر ژورنال
خطاهای رایج در تفسیر گزارش همانندی متون دانشگاهی
دریافت گزارش درصد تشابه معمولاً پایان کار نیست، بلکه آغاز فرایند ارزیابی است. بسیاری از دانشجویان با دیدن عدد تشابه بالا (مثلاً ۳۵ درصد) دچار اضطراب می‌شوند، در حالی که این عدد نیازمند بازبینی خط‌به‌خط است. برعکس، گاهی عدد ۵ درصد گزارش می‌شود اما ساختار اصلی کار کپی محض است.
مهم‌ترین عامل در بروز خطای کاذب، عدم تنظیم دقیق فیلترهای استخراج است. بخش‌های ثابت پژوهش شامل موارد زیر بخش زیادی از هم‌پوشانی گزارش‌ها را تشکیل می‌دهند:
- تعاریف استاندارد و نظریه‌ها: فرمول‌های ریاضی، تعاریف قانونی یا واژگان مصوب فرهنگستان که تغییر دادن آن‌ها از نظر علمی نادرست است.
- ابزارهای سنجش و پرسشنامه‌ها: نام متغیرها و عبارات مقیاس لیکرت که در صدها پایان‌نامه به صورت یکسان تکرار می‌شوند.
- صفحه عنوان، تقدیر و سپاسگزاری: بخش‌های تشریفاتی آغاز رساله که عبارات یکسانی دارند.
- فهرست مراجع: منابع معتبری که دقیقاً با همان فرمت در پژوهش‌های دیگر ارجاع داده شده‌اند.
برای بررسی دقیق، باید در گزارش تولیدشده، انطباق‌های پیوسته بالای یک پاراگراف را از عبارات تکراری کوتاه تفکیک کرد. اگر تشابه متن ناشی از تطبیق قطعات ۸ تا ۱۰ کلمه‌ای پراکنده در فصول روش تحقیق باشد، به عنوان نقض اصالت تلقی نمی‌شود. خطر زمانی است که در فصل تحلیل داده‌ها یا نتیجه‌گیری، بلوک‌های متنی بزرگ بدون ارجاع از منابع دیگر برداشته شده باشند.
مطلب مرتبط: تفاوت ترجمه و پارافریز منابع
راهنمای انتخاب ابزار مناسب با توجه به نوع سند پژوهشی
انتخاب نرم‌افزار به صورت یکپارچه برای همه متون توصیه نمی‌شود، زیرا ماهیت محتوا و مخاطب بررسی تفاوت دارد. برای تعیین بهترین مسیر ارزیابی، می‌توانید مراحل زیر را دنبال کنید:
- پایان‌نامه‌ها و رساله‌های مصوب وزارت علوم: انتخاب اول و الزامی در این حوزه، سامانه رسمی اعلام‌شده توسط تحصیلات تکمیلی دانشگاه است که عمدتاً پایگاه همانندجو است. پیش از آپلود نهایی، متن باید از نظر فاصله‌گذاری و عدم وجود متون نامرئی پاک‌سازی شود.
- مقالات ارسال‌شده به نشریات پژوهشی علوم انسانی: در این متون، استفاده از سامانه‌های تطبیق تخصصی مانند سمیم‌نور نتایج واقع‌بینانه‌تری ارائه می‌دهد، زیرا متون حوزه‌های اسلامی و فقهی در مخازن این سامانه پوشش بسیار گسترده‌تری دارند.
- پروپوزال‌های تحقیقاتی اولیه: در این مرحله تطبیق آزاد در موتورهای جستجوی متن باز به منظور سنجش تکراری نبودن فرضیه‌ها و ادبیات پژوهش کفایت می‌کند.
- مقالات دوزبانه و فنی مهندسی: ترکیب بررسی با ابزارهای داخلی برای بخش‌های فارسی و ابزارهای بین‌المللی برای مراجع و فرمول‌ها و عبارات تخصصی انگلیسی، بیشترین ضریب اطمینان را فراهم می‌سازد.
یک اشتباه مهلک پیش از ثبت نهایی سند، بارگذاری کامل رساله در سایت‌های رایگان ناشناس است. برخی پلتفرم‌های تست رایگان، متون ورودی کاربران را در دیتابیس خود ذخیره می‌کنند. این اقدام باعث می‌شود زمانی که متن نهایتاً در سامانه دانشگاه بررسی می‌شود، نرم‌افزار به دلیل تطبیق با همان نسخه ذخیره‌شده، مشابهت را نزدیک به صد درصد اعلام کند.
پرسش‌های متداول درباره تشخیص انتحال در متون فارسی
آیا نرم‌افزار رایگان و مطمئنی برای چک کردن متن فارسی پایان‌نامه وجود دارد؟
نرم‌افزارهای کاملاً رایگان عمومی که بانک اسناد دانشگاهی را در اختیار داشته باشند، عملاً وجود ندارند. سامانه‌های معتبر نیازمند هزینه‌های سنگین پردازشی و نگهداری سرور برای میلیون‌ها سند هستند. ابزارهای رایگان موجود در وب صرفاً تطبیق چند خطی با صفحات باز اینترنت را انجام می‌دهند و نمی‌توان به درصد گزارش‌شده توسط آن‌ها برای پایان‌نامه‌ها اتکا کرد.
مطلب مرتبط: تحلیل آماری با زبان R
درصد مجاز همانندی برای پایان‌نامه‌ها چقدر است؟
آیین‌نامه مشخصی در همه دانشگاه‌ها یکسان نیست، اما عموماً دانشگاه‌های معتبر درصد مشابهت کلی زیر ۲۰ یا زیر ۱۵ درصد را استاندارد می‌دانند، مشروط بر آنکه در یک منبع واحد درصد تطبیق بالا (مثلاً بیش از ۵ درصد) وجود نداشته باشد. فصول نتیجه‌گیری و بحث باید درصد همانندی نزدیک به صفر داشته باشند.
چرا نمره مشابهت یک متن در دو سامانه مختلف متفاوت است؟
علت این تفاوت، دیتابیس پشتیبان و تنظیمات الگوریتم تطبیق است. سامانه‌ای که دسترسی مستقیم به گنجینه پایان‌نامه‌های چند سال اخیر دارد، هم‌پوشانی بیشتری نشان می‌دهد نسبت به سامانه‌ای که متن را صرفاً با مقالات وبلاگی و مجلات باز اینترنت مقایسه می‌کند. همچنین، شیوه حذف پیوست‌ها و منابع در محاسبه فرمول تشابه تأثیرگذار است.
آیا قرار دادن متن داخل گیومه مانع ثبت سرقت علمی می‌شود؟
قراردادن نقل‌قول‌های مستقیم داخل گیومه همراه با ذکر دقیق شماره صفحه، روش صحیح ارجاع است و نرم‌افزارهای پیشرفته می‌توانند این بخش‌ها را با تیک گزینه نادیده‌گرفتن نقل‌قول مستثنی کنند. اما اگر تمام یک فصل متشکل از گیومه‌های متوالی باشد، اگرچه سرقت غیرعمد شناخته نمی‌شود، اما به دلیل فقدان تحلیل و تولید فکری دانشجو، اثر از نظر علمی رد خواهد شد.
