⏱ زمان مطالعه: 14 دقیقه
بررسی اصالت متن و سنجش میزان تشابه علمی، یکی از مراحل تعیین‌کننده در پذیرش پایان‌نامه‌ها، رساله‌های دکتری و مقالات پژوهشی است. محققان و دانشجویان تحصیلات تکمیلی هنگام آماده‌سازی اثر علمی خود برای دفاع دانشگاهی یا ارسال به مجلات بین‌المللی، با دو سامانه شاخص روبه‌رو می‌شوند: سامانه بومی همانندجو که توسط پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک) اداره می‌شود و سامانه بین‌المللی تورنیتین (Turnitin) که به عنوان مرجع اصلی نشریات خارجی و دانشگاه‌های سراسر جهان شناخته می‌شود. هر یک از این دو نرم‌افزار معماری داده، الگوریتم پردازش متن و حیطه اعتبارسنجی متفاوتی دارند و درک نقاط قوت و ضعف آنها مانع از بروز مشکلات جدی نظیر ریجکت مقاله یا تاخیر در فرایند فارغ‌التحصیلی می‌شود.
زیرساخت فنی و منابع پایگاه داده در همانندجو و تورنیتین
تفاوت بنیادین این دو نرم‌افزار از مخزن داده‌هایی آغاز می‌شود که متن ورودی را با آنها تطبیق می‌دهند. سامانه همانندجو به پایگاه داده متمرکز ایرانداک متصل است. این مخزن شامل صدها هزار پایان‌نامه کارشناسی ارشد، رساله دکتری و طرح‌های پژوهشی ثبت‌شده در دانشگاه‌های وابسته به وزارت علوم و وزارت بهداشت است. علاوه بر آن، مقالات منتشرشده در نشریات علمی‌ریاضی، علوم انسانی، فنی و پزشکی داخل کشور که در سامانه‌های ملی نمایه می‌شوند، خوراک اصلی این موتور جستجو را تشکیل می‌دهند. اگر متنی از یک پایان‌نامه فارسی دفاع‌شده در سال‌های گذشته کپی شده باشد، همانندجو بیشترین بخت را برای شناسایی آن دارد.
در نقطه مقابل، تورنیتین به گسترده‌ترین شبکه داده دانشگاهی جهان دسترسی دارد. دیتابیس تورنیتین حاصل سال‌ها همکاری مستقیم با ناشران بزرگی مانند الزویر (Elsevier)، وایلی (Wiley)، اشپرینگر (Springer)، تیلور اند فرانسیس (Taylor & Francis) و پایگاه داده IEEE است. این نرم‌افزار علاوه بر مقالات ژورنالی و کتاب‌های مرجع، بیش از یک میلیارد مقاله و پژوهش دانشجویی پیشین را که در دانشگاه‌های بین‌المللی بررسی شده‌اند در خود ذخیره دارد. همچنین خزنده‌های وب تورنیتین به صورت مداوم محتوای میلیاردها صفحه وب زنده و آرشیو‌شده اینترنت را پیمایش می‌کنند. به همین دلیل، در رویارویی با منابع لاتین، هیچ سامانه‌ای توان رقابت با عمق نفوذ تورنیتین را ندارد.
یک خطای متداول میان دانشجویان این است که تصور می‌کنند اشتراک یک پاراگراف در وب‌سایت‌های عمومی فارسی لزوماً توسط همانندجو کشف می‌شود. در عمل، همانندجو تمرکز اصلی خود را بر گنجینه پایان‌نامه‌ها و نشریات دانشگاهی معتبر داخلی قرار داده و خزش صفحات وب آزاد آن محدودتر از تورنیتین است. برای آزمودن این تفاوت، پژوهشگری را در نظر بگیرید که یک پاراگراف را از سایتی خبری-پژوهشی برمی‌دارد؛ در این سناریو احتمال شناسایی آن توسط ربات‌های تحت وب تورنیتین بیشتر از سامانه همانندجو است، اما اگر همان پاراگراف برگرفته از یک رساله دفاع‌شده دانشگاه علامه طباطبایی یا دانشگاه تهران باشد، همانندجو بلافاصله تطابق دقیق آن را مشخص می‌کند.
راهنمای جامع این موضوع: نگارش مقاله ISI و علمی‌پژوهشی
دقت پردازش زبان طبیعی و حساسیت در متون فارسی
تحلیل ساختار گرامری زبان فارسی برای نرم‌افزارهای تشابه‌سنج یکی از چالش‌های بزرگ فنی به حساب می‌آید. وجود فاصله‌های مجازی (نیم‌فاصله)، تنوع رسم‌الخط، پیوسته‌نویسی یا جدانویسی پسوندها، و کاربرد متناوب حروف «ی» و «ک» عربی و فارسی باعث می‌شود برخی سیستم‌ها دچار خطای تشخیص شوند. سامانه همانندجو با در نظر گرفتن ویژگی‌های خط و زبان فارسی برنامه‌ریزی شده است. این ابزار پیش‌پردازش‌هایی روی متون اعمال می‌کند تا تغییراتی مانند جابه‌جایی نیم‌فاصله‌ها مانع از تطبیق واژه‌ها نشود، هرچند که در مواردی وجود فونت‌های خاص یا کاراکترهای غیراستاندارد همچنان محاسبات درصد تشابه آن را دچار نوسان می‌کند.
تورنیتین پردازش متون غیرانگلیسی را با یونی‌کد استاندارد انجام می‌دهد، اما الگوریتم ریشه‌یابی و تطبیق ساختاری آن مختص گرامر انگلیسی بهینه‌سازی شده است. زمانی که یک متن فارسی وارد تورنیتین می‌شود، این سامانه آن را به صورت توکن‌های متوالی حروف تطبیق می‌دهد. اگر متن فارسی دست‌نخورده از یک منبع کپی شده باشد، تورنیتین توانایی پیدا کردن رشته کلمات عینا یکسان را دارد؛ اما اگر محقق کلمات را با مترادف‌ها جایگزین کرده یا ساختار نحوی جمله فارسی را بازنویسی کند، سیستم توان درک شباهت معنایی در زبان فارسی را از دست می‌دهد. بنابراین، حساسیت تورنیتین روی متن‌های فارسی بسیار سخت‌گیرانه‌تر روی شباهت واژه به واژه و ناتوان‌تر در درک بازنویسی معنایی است.
برای بررسی عملیاتی صحت متن فارسی، همواره توصیه می‌شود پیش از استخراج گزارش، یک‌دست‌سازی نویسه‌ها (تبدیل «ی» و «ک» عربی به معادل فارسی) و تنظیم دقیق فواصل حروف انجام گیرد. اشتباه متداولی که باعث دریافت درصد مشابهت کاذب بالا در همانندجو می‌شود، عدم استفاده درست از نشانه‌گذاری استاندارد گیومه («») برای نقل‌قول‌های مستقیم است؛ سامانه همانندجو در صورتی که نقل‌قول در گیومه استاندارد قرار گیرد و تنظیمات استاد راهنما آن را مجاز دانسته باشد، ممکن است رفتار ملایم‌تری نشان دهد، در حالی که تورنیتین تنها با تنظیمات فیلتر سیستماتیک در پنل داوری درصد استنادها را تفکیک می‌کند.
مقایسه‌ی مرتبط: بهترین نرم افزارهای رفرنس نویسی مقاله
کارایی و استنادپذیری در مقالات انگلیسی و مجلات ISI
تصمیم‌گیری درباره انتخاب ابزار به ماهیت دستاورد پژوهشی و جامعه هدف آن گره خورده است. برای نویسنده‌ای که قصد سابمیت مقاله به نشریات نمایه‌شده در اسکوپوس، وب آو ساینس (ISI) و اشپرینگر را دارد، استفاده از همانندجو بی‌فایده خواهد بود. هیچ ژورنال بین‌المللی گزارش سامانه ایرانداک را به عنوان مرجع نمی‌پذیرد؛ زیرا داوران و ادیتورهای خارجی به سامانه‌هایی تکیه می‌کنند که از طریق Crossref و پلتفرم iThenticate تغذیه می‌شوند. شرکت سازنده iThenticate دقیقا همان موسسه Turnitin است و موتور تحلیلی و پایگاه داده هر دو محصول اشتراکات کاملی دارند.
موتور تطبیق تورنیتین در متون انگلیسی قادر است تغییر ترتیب کلمات، استفاده از افعال مجهول به جای معلوم، و حتی جایگزینی کلمات تخصصی با عبارات مترادف را شناسایی کند. اگر محققی مقاله‌ای از یک پژوهشگر هندی، چینی یا اروپایی را بخواند و بخش مبانی نظری (Literature Review) آن را با تغییرات جزئی بازنویسی نماید، تورنیتین ساختار جمله و زنجیره واژگان را علامت‌گذاری می‌کند. توانایی این نرم‌افزار در ردیابی منابعی که سال‌ها قبل به صورت آنلاین آرشیو شده‌اند، بسیار بالاتر از ابزارهای بومی است که تمرکز خود را روی تولیدات علمی داخلی گذاشته‌اند.
یک تصور آسیب‌زا میان نگارندگان مقالات ISI این است که بررسی متن در نرم‌افزارهای داخلی برای اطمینان از اصالت زبان انگلیسی کفایت می‌کند. فرضا اگر مقاله‌ای شامل ۲۰ درصد مشابهت با مقالات سال ۲۰۱۸ یک ژورنال آمریکایی باشد، همانندجو تنها در صورتی قادر به شناسایی آن است که همان مقاله در پایگاه‌های داخلی ثبت شده باشد؛ در غیر این صورت، گزارش همانندجو مشابهت را صفر یا بسیار ناچیز گزارش می‌کند. پژوهشگر با اعتماد به این درصد کاذب، مقاله را به ژورنال ارسال کرده و بلافاصله با رد سریع (Desk Reject) از سوی سردبیر به دلیل سرقت علمی مواجه می‌شود. بررسی مقالات انگلیسی تنها و تنها باید با معیارهای تورنیتین یا آی‌تنتیکیت سنجیده شود.
مقایسه‌ی مرتبط: مقایسه ژورنال های اوپن اکسس و کلوز اکسس
آیا تورنیتین متن‌های فارسی را هم بررسی می‌کند؟
پاسخ به این پرسش برخلاف باور رایج، مثبت است اما دامنه آن با همانندجو تفاوت دارد. تورنیتین متون فارسی را به طور کامل نادیده نمی‌گیرد؛ بلکه هر محتوای فارسی را که در وب جهانی به صورت عمومی در دسترس باشد یا در مقالات فارسی دانشگاه‌های ثبت‌شده در سیستم تورنیتین ذخیره شده باشد، تطبیق می‌دهد. برای مثال، نشریاتی که دسترسی آزاد (Open Access) به مقالات فارسی دارند و فایل متنی آنها به صورت HTML یا PDF در گوگل اسکولار نمایه شده است، در گستره رصد تورنیتین قرار می‌گیرند.
با این وجود، تفاوت تعیین‌کننده در دسترسی به پایان‌نامه‌هاست. بخش اعظم پایان‌نامه‌های دانشگاه‌های سراسر ایران صرفا در سرورهای سامانه ملی ایرانداک بایگانی می‌شوند و فایل کامل آنها به دلایل حقوقی و دانشگاهی در اینترنت آزاد منتشر نمی‌گردد. چون تورنیتین به مخزن داخلی ایرانداک دسترسی مستقیم ندارد، اگر فردی پاراگراف‌هایی از یک پایان‌نامه ارشد فارسی را که هیچ‌گاه به صورت عمومی در وب قرار نگرفته کپی کند، تورنیتین درصد تشابه آن را صفر نشان می‌دهد. در نقطه مقابل، سامانه همانندجو در ثانیه‌ای این سرقت علمی را با ذکر نام دانشجو، استاد راهنما و دانشگاه مبدا افشا می‌سازد.
شرایط تصمیم‌گیری برای انتخاب سیستم بر این مبنا استوار است: اگر متن شما برای ارائه به یک دانشگاه خارجی است ولی رفرنس‌هایی از مطالعات گذشته در ایران دارد، تورنیتین بخش‌های در دسترس وب را خواهد سنجید؛ اما اگر کاربری بخواهد اصالت یک رساله فارسی را برای داوری در دانشگاه‌های داخلی بسنجد، اتکا به تورنیتین خطایی پرریسک است. خطای متداول برخی دانشجویان ایرانی خارج از کشور این است که مقالات ترجمه‌شده از پایان‌نامه‌های فارسی را بدون ذکر منبع ارسال می‌کنند، با این تصور که سیستم هیچ تطابقی پیدا نخواهد کرد؛ اما در صورتی که بخش‌هایی از آن پایان‌نامه قبلا در یک نشریه باز داخلی چاپ شده باشد، تورنیتین آن را در گزارش خود می‌آورد.
مطلب مرتبط: تفاوت همانندی و سرقت علمی در دانشگاه
الگوریتم‌های مقابله با بازنویسی و تشخیص هوش مصنوعی
ظهور مدل‌های زبانی هوش مصنوعی و نرم‌افزارهای خودکار پارافریز، میدان رقابت نرم‌افزارهای تشابه‌سنج را وارد فاز جدیدی کرده است. تا چند سال پیش، تغییر واژگان کلیدی باعث فریب خوردن موتورهای مشابهت‌یاب می‌شد؛ اما اکنون پلتفرم‌ها در پی شناسایی توالی الگوهای زبانی و احتمال آماری چینش کلمات هستند. تورنیتین از اوایل سال ۲۰۲۳ قابلیت اختصاصی کشف متن‌های نگارش‌شده توسط هوش مصنوعی (AI Writing Detection) را رونمایی کرد. این فناوری متن‌های تولیدشده توسط ابزارهایی نظیر چت‌جی‌پی‌تی را بر اساس پارامترهایی چون سردرگمی متن (Perplexity) و متغیر بودن ساختار طول جملات (Burstiness) از سبک نگارش انسان متمایز می‌کند.
در سمت دیگر، همانندجو رویکردی متمرکز بر مشابهت واژگانی دارد و فعلا ابزار مستقلی برای تشخیص قطعی هوش مصنوعی فارسی ارائه نداده است. سامانه ایرانداک متن‌ها را با تکیه بر الگوریتم‌های شباهت n-gram و انطباق خوشه‌های کلمات بررسی می‌کند. اگر نگارنده از ابزارهای بازنویسی خودکار استفاده کرده باشد و ساختار نحو کلمات به درستی تغییر نکرده باشد، همانندجو ریشه‌های مشترک را تا حدی شکار می‌کند؛ اما توانایی تفکیک تولید متن ماشینی از نگارش اصیل انسانی هنوز در سامانه‌های داخلی با استانداردهای تورنیتین فاصله معناداری دارد.
برای کنترل این شرایط در مقالات، دانشجویان باید مراقب یک آسیب جدی باشند: استفاده غیرحرفه‌ای از نرم‌افزارهای پارافریزگر انگلیسی به این امید که درصد تشابه در تورنیتین صفر شود. این عمل اغلب سبب می‌شود تا تورنیتین با وجود کاهش درصد سرقت ادبی سنتی، شاخص AI Detection را فعال کرده و درصد تشابه هوش مصنوعی را تا ارقام بالایی نمایش دهد. در مقالات فارسی نیز، تکیه بر ابزارهای ترجمه ماشینی بدون بازبینی عمیق انسانی، منجر به شکل‌گیری عبارات غریب و نامتعارفی می‌شود که گرچه شاید از فیلتر اولیه همانندجو بگذرند، اما در داوری علمی اساتید فورا شناسایی و مردود اعلام می‌شوند.
مطلب مرتبط: تفاوت ریوایز کلی با ریوایز جزئی مقاله
مقایسه ویژگی‌ها، دسترسی و هزینه در یک نگاه
برای ایجاد تصویر روشن‌تر از تمایزات عملیاتی، فنی و عملکردی میان سامانه‌های همانندجو و تورنیتین، معیارهای اصلی این دو ابزار در جدول ذیل دسته‌بندی شده‌اند:
| معیار ارزیابی | سامانه همانندجو (ایرانداک) | نرم‌افزار بین‌المللی تورنیتین |
|---|---|---|
| تمرکز زبان اصلی | فارسی | انگلیسی و زبان‌های لاتین |
| مرجع اصلی داده‌ها | پایان‌نامه‌ها، مقالات و نشریات دانشگاهی ایران | ناشران معتبر جهانی، صفحات وب و مقالات بین‌المللی |
| دسترسی کاربران | مستقیم از طریق پنل کاربری دانشجو و استاد | عمدتا از طریق موسسات، دانشگاه‌ها یا مراجع واسط مجاز |
| قابلیت تشخیص هوش مصنوعی | محدود به تطابق‌های لغوی | مجهز به الگوریتم پیشرفته AI Detection انگلیسی |
| اعتبار در دانشگاه‌های داخل کشور | الزامی برای فارغ‌التحصیلی و دفاع پایان‌نامه | اختیاری یا مختص تایید مقالات خارجی پیش از ارسال |
| اعتبار در ژورنال‌های ISI | بدون اعتبار اجرایی در داوری خارجی | معیار رسمی و بین‌المللی پذیرش مقاله |
| رفتار با رسم‌الخط و نیم‌فاصله‌ها | پردازش بومی متناسب با ساختار خط فارسی | حساسیت مستقیم به کدهای یونی‌کد نویسه‌ها |
اشتباه مرگبار ذخیره‌سازی در مخزن و ایجاد تشابه صددرصدی
یکی از بزرگ‌ترین فجایعی که می‌تواند برای یک پژوهشگر در مسیر اعتبارسنجی متن پیش بیاید، خطای ذخیره‌سازی فایل در مخزن نهایی است که در ادبیات فنی از آن با عنوان مخزن‌گذاری یا Repository یاد می‌شود. نرم‌افزار تورنیتین دو حالت برای بررسی اسناد دارد: حالت ذخیره در مخزن سازمانی (Standard Paper Repository) و حالت عدم ذخیره‌سازی (No Repository). سازوکار این قابلیت به گونه‌ای است که اگر مقاله در حالت پیش‌فرضِ دارای مخزن بررسی شود، نسخه کامل اثر در پایگاه ابری تورنیتین به عنوان یک سند مرجع ثبت می‌شود.
فرض کنید دانشجویی برای تست اولیه مقاله ISI خود، دسترسی تورنیتین را از یک وب‌سایت نامعتبر تهیه کرده یا از طریق اکانت کاربری دانشگاهی فایل را به اشتباه در مخزن ذخیره می‌کند. در بار اول، گزارش نشان می‌دهد تشابه متنی ۱۰ درصد است. اما زمانی که مقاله توسط سردبیر ژورنال خارجی در همان پلتفرم بارگذاری می‌شود، سیستم نسخه جدید را با نسخه ذخیره‌شده چند روز قبل همان دانشجو مقایسه کرده و نتیجه مشابهت را ۱۰۰ درصد اعلام می‌کند! در این حالت، حذف سند از سرور مرکزی تورنیتین مستلزم نامه‌نگاری‌های رسمی و اداری پیچیده بین مدیر دانشگاه و پشتیبانی مرکزی Turnitin در خارج از کشور است که اغلب هفته‌ها زمان برده و ممکن است موجب از دست رفتن فرصت پذیرش مقاله شود.
مطلب مرتبط: بهترین نرم افزار برای تمرین زمان بندی ارائه
در سامانه همانندجو نیز چرخه مشابهی اما با ضوابط متفاوتی حاکم است. بارگذاری متن در سامانه همانندجو توسط دانشجو شناسه ردیابی اختصاصی ایجاد می‌کند. اگر دانشجو فایل خود را مکررا بارگذاری کند، سامانه معمولا بر اساس ساختار آخرین ویرایش و حساب کاربری ثبت‌شده رفتار می‌کند؛ با این حال، ثبت نهایی پایان‌نامه در مراحل فارغ‌التحصیلی به معنای ورود قطعی متن به گنجینه ایرانداک است. پس از این مرحله، هرگونه جستجوی دیگر از این متن در سامانه‌های وابسته، تطابق صددرصدی به بار خواهد آورد. چک عملیاتی مهم پیش از بررسی آزاد مقاله انگلیسی، کسب اطمینان قطعی از فعال بودن گزینه No Repository در تنظیمات بارگذاری نرم‌افزار است.
چک‌لیست نهایی انتخاب ابزار مناسب بر اساس هدف دانشگاهی
برای اینکه محقق بدون سردرگمی بداند در هر گام از مسیر علمی خود باید کدام یک از این ابزارها را مرجع کار قرار دهد، تعیین دقیق نقشه راه نگارش اهمیت حیاتی دارد. پیروی از رویه‌های غیرتخصصی موجب صرف زمان و هزینه‌های مضاعف و ارزیابی‌های اشتباه خواهد شد.
- برای دفاع از پروپوزال و پایان‌نامه ارشد و دکتری در ایران: مرجع بی‌چون‌وچرا سامانه همانندجو است. اساتید راهنما و تحصیلات تکمیلی دانشگاه‌ها کد رهگیری گزارش ایرانداک را جهت اعطای مجوز دفاع مطالبه می‌کنند و تورنیتین در این فرایند وجاهت قانونی داخلی ندارد.
- برای مقالات مستخرج از پایان‌نامه جهت چاپ در ژورنال‌های علمی‌پژوهشی داخلی: اگر نشریه به زبان فارسی منتشر می‌شود، ارزیابی متن با همانندجو یا سامانه‌های مشابه داخلی (نظیر همیاب) اولویت دارد؛ چرا که سردبیران نشریات فارسی متون را با پایگاه‌های داخلی مطابقت می‌دهند.
- برای مقالات ارسالی به نشریات بین‌المللی ISI و Scopus: بررسی متن حتما باید با تورنیتین (یا iThenticate) و در شرایط بدون ذخیره در مخزن انجام شود. هدف در اینجا رساندن درصد تشابه کلی به زیر ۱۵ درصد و تشابه از یک منبع منفرد به زیر ۲ تا ۳ درصد است.
- برای رساله‌های دکتری زبان و ادبیات انگلیسی در دانشگاه‌های داخلی: در این ساختار استثنایی، برخی دانشگاه‌های معتبر کشور علاوه بر دریافت همانندی از همانندجو، دانشجو را ملزم به ارائه گزارش رسمی تورنیتین نیز می‌کنند تا اصالت نگارش لاتین رساله محرز شود.
پرسش‌های متداول
آیا درصد تشابه بالای همانندجو همیشه به معنای سرقت علمی است؟
خیر. درصد خامی که همانندجو در گزارش اولیه ثبت می‌کند اغلب شامل عنوان‌های مشترک، فهرست منابع، اسامی اساتید، اصطلاحات استاندارد حوزه تخصصی، و پاورقی‌هاست. استاد راهنما وظیفه دارد گزارش تفصیلی را باز کرده و بخش‌های تطبیق داده‌شده را بررسی کند. مواردی نظیر نام دانشگاه، مراجع و روش‌های آزمایشگاهی استاندارد جزو مصادیق سرقت نبوده و توسط استاد از درصد تشابه کسر می‌شوند.
مطلب مرتبط: خرید اکانت همانندجو ایرانداک
آیا می‌توان با تعویض کلمات یا استفاده از کاراکترهای سفید تورنیتین و همانندجو را فریب داد؟
خیر. موتورهای جستجوی امروزی به سامانه‌های پالایش متن مجهز هستند. اقداماتی مثل تغییر فونت به کاراکترهای خاص، افزودن کلمات پنهان سفید بین خطوط، یا تبدیل حروف لاتین به سیریلیک که در گذشته به عنوان ترفندهای دور زدن شایع بود، اکنون توسط هر دو سامانه به عنوان دستکاری غیرعادی متن (Text Manipulation) شناسایی شده و پیامی با هشدار تقلب برای داور یا استاد راهنما صادر می‌کنند.
اگر پایان‌نامه فارسی خود را به انگلیسی ترجمه کنم، آیا تورنیتین تشابه را تشخیص می‌دهد؟
در صورتی که پایان‌نامه فارسی صرفا در مخزن بسته‌ای مانند ایرانداک ثبت شده باشد و هیچ اثری از آن در وب عمومی وجود نداشته باشد، تورنیتین نمی‌تواند متن ترجمه‌شده را مستقیما با نسخه فارسی تطبیق دهد. با این حال، اگر ترجمه شامل مبانی نظری، تعاریف استاندارد و رفرنس‌های انگلیسی از قبل ثبت‌شده باشد، همان متون با مقالات اصلی که پایان‌نامه از آنها برداشت شده تطبیق داده خواهند شد و درصد مشابهت از این زاویه افزایش می‌یابد.
حداکثر درصد تشابه مجاز در هر یک از این دو سامانه چقدر است؟
در سامانه همانندجو برای دفاع پایان‌نامه‌ها، اغلب دانشگاه‌ها سقف مجاز را بین ۲۰ تا ۳۰ درصد (پس از کسر منابع) تعیین می‌کنند؛ هرچند برخی دانشگاه‌ها محدودیت‌های سخت‌گیرانه‌تری مانند زیر ۱۵ درصد دارند. در مقابل، برای ژورنال‌های معتبر بین‌المللی با بررسی تورنیتین، معمولا درصد تشابه کلی بالای ۱۵ یا ۲۰ درصد نگران‌کننده تلقی شده و مهم‌تر از آن، تشابه بیش از ۳ تا ۵ درصد با یک منبع واحد به عنوان خط قرمز سرقت ادبی در نظر گرفته می‌شود.
چرا درصد تشابه یک مقاله در همانندجو با تورنیتین تا این حد تفاوت دارد؟
دلیل اصلی این تفاوت در دیتابیس تحت پوشش آن‌هاست. متنی تخصصی که به زبان فارسی و با اتکا به تحقیقات دانشگاهی بومی نگاشته شده، در تورنیتین ممکن است نزدیک به صفر درصد مشابهت نشان دهد؛ در حالی که در همانندجو با درصد بالایی از تشابه شناسایی شود. برعکس، مقاله‌ای لاتین که از نشریات IEEE و Elsevier کپی‌برداری کرده باشد، در تورنیتین مشابهت بالایی تولید خواهد کرد، اما در همانندجو به دلیل نبود دسترسی به پایگاه نشریات بین‌المللی، درصد پایینی ثبت می‌کند.
