⏱ زمان مطالعه: 10 دقیقه
ماهیت پردازش متن در سامانه همانندجو و توهم فریب الگوریتم
بسیاری از دانشجویان هنگام مواجهه با درصد بالای همانندی در پایان‌نامه یا رساله، به جای انتخاب مسیر اصولی بازنویسی و درک عمیق مفاهیم، به سراغ راه‌حل‌های سریع و دستکاری ساختاری فایل می‌روند. سامانه همانندجو وابسته به ایرانداک، یک ویرایشگر بصری شبیه به نرم‌افزارهای واژه‌پرداز نیست که متن را بر اساس ظاهر چاپی آن قضاوت کند. این سامانه از الگوریتم‌های پردازش زبان طبیعی و موتورهای نرمال‌سازی متنی برای تحلیل دنباله کاراکترها بهره می‌برد. تصوری که گمان می‌کند می‌توان با اعمال تغییرات بصری روی کلمات، ماشین را فریب داد، ناشی از عدم شناخت زیرساخت استخراج داده در سیستم‌های وب‌پایه است.
هنگامی که فایلی با فرمت ورد یا پی‌دی‌اف در سامانه بارگذاری می‌شود، نخستین گام فرآیند، استخراج رشته‌های خالص کاراکتری بدون احتساب لایه‌های استایل، رنگ، چیدمان و لایه‌بندی گرافیکی است. سامانه‌های خزشگر و اصالت‌سنج، متن را به کدهای استانداردی تبدیل می‌کنند و با پایگاه داده پایان‌نامه‌ها، مقالات همایش‌ها، نشریات علمی و تارنماهای پژوهشی تطبیق می‌دهند. بنابراین هرگونه ترفندی که صرفاً بر فریب چشم انسان متکی باشد، در اولین فاز پردازش توسط مفسر سامانه بی‌اثر شده یا رفتاری معکوس ایجاد می‌کند که به جهش درصد مشابهت منجر خواهد شد.
خطای استفاده از فونت مخفی، متن بی‌رنگ و اندازه صفر
یکی از پرخطرترین و در عین حال شناخته‌شده‌ترین روش‌های اشتباه، گنجاندن کلمات تصادفی یا بخش‌هایی از متن با رنگ سفید روی پس‌زمینه سفید، اندازه قلم صفر، یا استفاده از ویژگی پنهان‌سازی کاراکتر در تنظیمات است. ایده اولیه این کار معمولاً از این فرض خام سرچشمه می‌گیرد که کلمات اضافه میان جملات سرقت‌شده، ساختار متوالی عبارات را می‌شکند و مانع شناسایی رشته مشابه می‌شود، در حالی که خواننده انسانی متوجه این کلمات اضافه نخواهد شد.
راهنمای جامع این موضوع: اصالت‌سنجی پایان نامه گزارش مکتوب همانندی
عملکرد مفسر متنی در استخراج کاراکترهای سفید
موتور استخراج متن، تمام لایه‌های بصری را از بین می‌برد. هنگامی که یک فایل حاوی متن سفید استخراج می‌شود، کدهای استخراج‌شده حاوی صدها یا هزاران کلمه درهم و نامربوط در میان جملات اصلی هستند. به عنوان مثال، اگر جمله علمی اصلی به صورت «فرآیند اکستروژن در دمای بالا انجام شد» باشد و کلمات سفید رنگی مانند «درخت سیب زمین» میان آن درج شود، خروجی استخراج‌شده به صورت «فرآیند درخت اکستروژن سیب در زمین دمای بالا انجام شد» ثبت می‌شود. سامانه همانندجو این رشته را یک ناهنجاری ساختاری تشخیص داده و علاوه بر بالا بردن درصد خطای سیستم، خوانایی گزارش را به گونه‌ای تخریب می‌کند که در پنل استاد راهنما به عنوان تقلب فنی ثبت شود.
- تولید خروجی مغشوش در گزارش متنی نهایی که برای استاد قابل مشاهده است.
- تطبیق کاراکترهای مخفی با سایر فایل‌های تقلب‌شده که از کلمات تصادفی یکسان استفاده کرده‌اند.
- آشکار شدن تمام متن‌های بی‌رنگ در پیش‌نمایش متنی خام پنل همانندجو.
دستکاری کیبورد و تعویض کاراکترهای فارسی با عربی و لاتین
جابجایی کاراکترهای مشابه از الفبای دیگر، ترفند متداول دیگری است که مکرراً شکست می‌خورد. در این شیوه، حروف فارسی مانند «ی» و «ک» با همتایان عربی خود (ي و ك) جایگزین می‌شوند، یا از حروفی مانند «آ» بدون کلاه، و حتی در موارد حادتر از حروف الفبای سیریلیک یا لاتین که ظاهری شبیه حروف فارسی دارند (نظیر حرف لاتین o به جای کاراکتر عددی یا حرف فارسی ه) استفاده می‌شود. هدف دانشجو در این حالت، ایجاد کد یونیکد متفاوت برای کلمه‌ای است که در ظاهر به درستی خوانده می‌شود.
ماژول نرمال‌سازی و تبدیل کدهای یونیکد
موتور پردازشگر زبان فارسی در همانندجو مجهز به ماژول نرمال‌سازی متنی است. اولین دستور اجرایی روی رشته‌های خام، یکسان‌سازی کاراکترهای هم‌ارز است. تمام حروف «ي» با شناسه یونیکد عربی به «ی» استاندارد فارسی و تمامی اشکال «ك» به «ک» تبدیل می‌شوند. بنابراین، این ترفند کوچک‌ترین تأثیری در کاهش درصد همانندی ندارد. در شرایطی که از حروف لاتین یا یونانی پنهان در کلمات استفاده شود، موتور نرمال‌سازی به دلیل ناشناخته بودن کلمه، ریشه آن را حذف نکرده بلکه کلمه را به عنوان خطا در پردازش شناسایی می‌کند. نتیجه این کار این است که کلمات علمی اثرگذار در تطابق اصالت‌سنجی از دست رفته و متن دچار شکستگی‌های فاحش می‌شود.
مطلب مرتبط: انجام رساله دکتری مهندسی برق
فرض کنید پژوهشگری در کلمه «سیستم‌های اطلاعاتی»، حرف «ی» را به صورت عربی درج کند. سامانه در میلی‌ثانیه نخست هر دو را یکی کرده و درصد مشابهت را عیناً مانند متن منبع محاسبه می‌کند. اگر کاراکتر لاتین جایگزین شده باشد، واژه تبدیل به رشته‌ای نامفهوم شده و در بازبینی دستی ناظران تحصیلات تکمیلی، تخلف قطعی ثبت می‌گردد.
دستکاری نیم‌فاصله‌ها، فاصله‌های صفر و نشانه‌گذاری‌های غیرمجاز
کاربرد نیم‌فاصله در نگارش فارسی یک اصل ویراستاری است، اما سوءاستفاده از آن برای فریب الگوریتم، یکی از اشتباهات تکنیکی بارز محسوب می‌شود. برخی افراد با قرار دادن نیم‌فاصله‌های پیاپی میان حروف یک کلمه پیوسته، یا اتصال کلمات مجزا با فاصله نشکن یا کاراکترهای پوچ، تلاش می‌کنند عبارات سرقت‌شده را از شناسایی تفکیک کنند؛ مثلاً نوشتن واژه «سازمان» به شکل سـ‌ا‌ز‌مـ‌ا‌ن با کاراکترهای کشیدگی و نیم‌فاصله.
مطلب مرتبط: انجام پایان نامه هوش مصنوعی
موتورهای مدرن تطبیق متن ابتدا تمام نشانه‌های فاصله‌گذاری مجازی، خطوط تیره، کشیدگی‌های متنی و کاراکترهای فاصله‌انداز غیرمعمول را پاکسازی و رشته را به حالت پالایش‌شده فشرده می‌کنند. پیاده‌سازی این گونه دستکاری‌ها تنها دو پیامد به همراه دارد: نخست اینکه ساختار ظاهری فایل در صورت چاپ یا تبدیل مجدد به هم می‌ریزد و دوم اینکه سامانه‌های هوشمند با شمارش تراکم غیرطبیعی نیم‌فاصله‌ها و کاراکترهای پنهان در هر صفحه، نشانگر تقلب را در فایل نهایی روشن می‌کنند.
تبدیل متن به تصویر و استفاده از اسناد غیرمتنی در قالب پی‌دی‌اف
یکی از مخرب‌ترین ترفندها، اسکن گرفتن از صفحات پایان‌نامه، تبدیل پاراگراف‌ها به تصویر و قرار دادن آن‌ها درون فایل متنی یا ذخیره پی‌دی‌اف به صورت لایه‌های تصویری فاقد لایه متنی است. تفکر پشت این اقدام این است که ماشین تطابق متنی نمی‌تواند تصویر را بخواند، بنابراین درصد تشابه به سمت صفر میل خواهد کرد.
سامانه همانندجو برای محاسبه اصالت‌سنجی، حد آستانه‌ای از تعداد کل کلمات و حجم کاراکتری پایان‌نامه در نظر می‌گیرد. اگر فایلی بارگذاری شود که صد صفحه دارد اما تعداد کلمات استخراج‌شده آن تنها چند صد کلمه باشد، سامانه با خطای «متن ناکافی» یا «عدم انطباق حجم متن با صفحات» فایل را رد می‌کند. علاوه بر آن، در صورت پذیرش اولیه، درصد مشابهت ممکن است به شکل غیرعادی نزدیک به صفر یا غیرقابل محاسبه اعلام شود که اولین نشانه برای کارشناسان آموزش و پژوهش دانشگاه مبنی بر دستکاری سند است. سامانه‌ها متونی را می‌سنجند که دارای ساختار منسجم لغوی باشند و عدم وجود متن در فایل مستقیماً به رد فرآیند اصالت‌سنجی منجر می‌شود.
مطلب مرتبط: اشتباهات رایج در ارائه پایان نامه
ترجمه ماشینی رفت‌وبرگشتی و رها کردن متن نامفهوم
اقدام دیگری که به عنوان ترفند کاهش درصد تشابه متداول شده، انتقال متن مبدأ به یک نرم‌افزار ترجمه آنلاین، برگرداندن آن به زبانی واسط مانند فرانسوی، آلمانی یا روسی و سپس ترجمه مجدد آن به فارسی است. این شیوه اگرچه به تغییر ساختار نحوی و استفاده از مترادف‌ها می‌انجامد، اما بدون بازبینی عمیق انسانی، فاجعه‌ای مفهومی در نگارش ایجاد می‌کند.
اصطلاحات علمی و تخصصی در فرآیند ترجمه مکرر تخریب می‌شوند. اصطلاحاتی که در زبان فارسی تعاریف تثبیت‌شده دانشگاهی دارند، با عبارات نامأنوس و گاه مضحک جایگزین می‌گردند. نتیجه کار متنی است که شاید درصد همانندی آن در ظاهر افت کرده باشد، اما ساختار علمی آن چنان متلاشی شده که هر داور یا استادی در نخستین پاراگراف به عدم اصالت و افت کیفیت نگارش پی می‌برد. تغییر کورکورانه واژه‌ها بدون بازآفرینی درونمایه، مصداق بارز نگارش نامعتبر است.
نحوه شناسایی ترفندهای متنی توسط ناظران و گزارش مکتوب
گزارش همانندجو صرفاً یک عدد تک‌رقمی یا دو‌رقمی به عنوان درصد مشابهت به دانشگاه ارائه نمی‌دهد. گزارش مکتوب همانندی شامل تحلیل بصری و متنی لایه‌به‌لایه است. استاد راهنما و تحصیلات تکمیلی دانشگاه به پیش‌نمایش مستندی دسترسی دارند که در آن بخش‌های الگوبرداری‌شده با رنگ‌های مختلف تفکیک شده و متن اصلی مستقیماً در برابر منبع قرار می‌گیرد.
مطلب مرتبط: ترجمه مقاله با هوش مصنوعی یا مترجم انسانی
علائم هشداردهنده در کارنامه همانندی
وقتی در یک پایان‌نامه دستکاری فنی صورت می‌گیرد، چند نشانه واضح در گزارش پدیدار می‌شود که ماهیت ترفند را لو می‌دهد:
- افت شدید تعداد کل کلمات قابل تحلیل در مقایسه با تعداد کل صفحات فایل نهایی.
- ظاهر شدن کلمات بی‌معنا یا نامنظم در ستون متنِ ارائه‌شده که ناشی از آشکارسازی فونت‌های سفید یا مخفی است.
- علامت‌گذاری فایل با برچسب خطای ساختاری توسط سامانه به دلیل چگالی بالای کدهای خارج از محدوده فارسی استاندارد.
- وجود کدهای ناشناخته و حروف بریده‌بریده در گزارش پی‌دی‌اف نهایی همانندجو.
این نشانه‌ها سبب می‌شود دانشگاه پرونده دانشجو را جهت بررسی رفتار خلاف اصول پژوهشی به کمیته انضباطی یا شورای پژوهشی ارجاع دهد که تبعات آن تعویق دفاع، بازنویسی کامل یا ابطال مراحل پیشین خواهد بود.
مطلب مرتبط: بهترین فونت برای اسلایدهای دفاع
جدول بررسی پیامدهای فنی و انضباطی روش‌های دور زدن
برای درک شفاف‌تر ریسک‌ها و اثر واقعی این اقدامات، مقایسه زیر مکانیزم برخورد سامانه و خروجی عملیاتی هر ترفند را نشان می‌دهد:
| روش دستکاری متنی | مکانیزم شناسایی سامانه | نتیجه بر روی درصد همانندی | پیامد پژوهشی و اجرایی |
|---|---|---|---|
| استفاده از رنگ سفید و فونت مخفی | استخراج متن خام و حذف کامل لایه رنگ و استایل | بدون تغییر یا افزایش درهم‌ریختگی | آشکار شدن کلمات تصادفی در گزارش نهایی و اعلام تقلب |
| تعویض حروف فارسی با عربی و کدهای مشابه | موتور نرمال‌ساز کاراکترهای یونیکد | کاملاً بی‌اثر و مشابه درصد اولیه | ثبت شکستگی در متن و عدم پذیرش در بارگذاری مجدد |
| افزودن کاراکترهای نامرئی و شکستن واژه‌ها | فیلتر حذف علائم نامرئی و فشرده‌سازی کلمات | بی‌اثر در تقلیل درصد تشابه | ایجاد ظاهر نامرتب در ویرایش فنی پایان‌نامه |
| تبدیل متن به عکس در فایل پی‌دی‌اف | سنجش حجم کاراکتر نسبت به صفحات سند | خطای استخراج یا عدم اعتبار فایل | رد کامل فایل توسط دانشگاه و اجبار به ارائه فایل متنی |
| ترجمه ماشینی چندگانه بدون ویرایش | انطباق زنجیره‌های معنایی باقی‌مانده | کاهش نسبی کاذب و ناپایدار | از دست رفتن بار علمی متن و مردودی در جلسه دفاع |
مسیر اصولی مواجهه با درصد بالای همانندجو
تنها روش مطمئن، استاندارد و بدون خطر برای کاهش درصد تشابه متن در سامانه‌های اصالت‌سنجی، بازنویسی مفهومی، خلاصه‌سازی و پارافریز دقیق با درک ساختار جملات است. هنگامی که یک پژوهشگر مطلبی را از منبعی مطالعه می‌کند، باید مفهوم آن را هضم کرده و ساختار نحوی جمله را با بهره‌گیری از دانش تخصصی خود بازتعریف کند. ارجاع‌دهی دقیق درون‌متنی، استفاده بهینه از نقل‌قول مستقیم در موارد ضروری، و تحلیل شخصی داده‌ها به جای کپی کردن پاراگراف‌های توصیفی، اصالت علمی پایان‌نامه را تضمین می‌کند و درصد مشابهت را به حد مجاز دانشگاه می‌رساند.
پرسش‌های متداول درباره خطاهای دور زدن همانندجو
آیا سامانه همانندجو کلمات بی‌رنگ یا اندازه صفر را شناسایی می‌کند؟
بله، سامانه فایل را بدون استایل‌های ظاهری تجزیه می‌کند. بنابراین متن‌های سفید و پنهان همانند متن عادی استخراج شده و به صورت کلمات نامنظم در متن گزارش مکتوب آشکار می‌شوند که نشانه دستکاری عمدی است.
مطلب مرتبط: نگارش توصیه نامه استاد
آیا تغییر حروف فارسی «ک» و «ی» با مدل عربی در کاهش درصد تأثیر دارد؟
خیر. فرآیند پردازش طبیعی زبان در همانندجو دارای فاز نرمال‌سازی است که تمام کاراکترهای عربی را پیش از ارزیابی مشابهت، به کدهای استاندارد فارسی تبدیل می‌کند.
اگر متن را تبدیل به تصویر کنیم، درصد صفر می‌شود؟
خیر، در این حالت سامانه به دلیل کمبود یا نبود لایه متنی استاندارد، خطای عدم استخراج متن یا نامعتبر بودن ساختار فایل را نمایش داده و گزارش مکتوب معتبری برای ارائه به دانشگاه صادر نمی‌کند.
در صورت مشخص شدن ترفندهای متنی توسط دانشگاه چه عواقبی متوجه دانشجو است؟
علاوه بر ابطال گزارش همانندی و عدم صدور مجوز دفاع، موضوع در کمیته اخلاق در پژوهش دانشگاه به عنوان تخلف علمی و دستکاری غیرقانونی سند ثبت شده و مشمول جرایم انضباطی می‌گردد.
