兩種學(xué)術(shù)不端檢測系統(tǒng)的差異性及問題討論

●徐 仲（青島科技大學(xué) 圖書館，山東 青島 266061）

國際上有關(guān)學(xué)術(shù)不端的行為屢禁不止，如近年來，德國國防部部長古滕貝格、教育和科研部部長沙范、歐州議會副議長梅林、北萊茵—威斯特法倫州議會議員迪特·亞斯珀、自民黨政客查奇馬卡吉斯、柏林的基督教民主聯(lián)盟議會主席格拉夫等因博士論文抄襲問題相繼辭職或顏面掃地。［1］我國學(xué)者學(xué)術(shù)不端現(xiàn)象近期來也逐年增多。一場針對學(xué)術(shù)不端而引發(fā)的討論和事件處理已經(jīng)引起教育、科研等管理部門的高度重視。為了防止學(xué)術(shù)不端現(xiàn)象的發(fā)生，目前在論文發(fā)表、學(xué)位論文提交、職稱評定、職務(wù)晉升、人物評選、人才引進(jìn)等過程中已相繼開展論文相似性檢測。

國內(nèi)不同的文獻(xiàn)情報服務(wù)機(jī)構(gòu)開發(fā)了多個論文相似性檢測服務(wù)平臺，其中最常用的是萬方數(shù)據(jù)知識服務(wù)平臺的論文相似性檢測系統(tǒng)和CNKI科研誠信管理系統(tǒng)研究中心的學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)。本文就CNKI與萬方這兩種論文相似性檢測服務(wù)的差異性進(jìn)行比較討論。

1 檢測范圍

CNKI科研誠信管理系統(tǒng)研究中心開發(fā)的學(xué)術(shù)不端檢測系統(tǒng)分為“學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)4.0版”和“科研誠信管理系統(tǒng)（人事版）”兩部分。其中“學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)4.0版”包括科技期刊學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)、社科期刊學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)、學(xué)位論文學(xué)術(shù)不端行為檢測系統(tǒng)、學(xué)術(shù)不端文獻(xiàn)（期刊）檢測系統(tǒng)、大學(xué)生論文抄襲檢測系統(tǒng)；“科研誠信管理系統(tǒng)（人事版）”包括英文檢測系統(tǒng)和中英文對照檢測系統(tǒng)。每個檢測系統(tǒng)功能范圍不同，如學(xué)位論文學(xué)術(shù)不端行為檢測系統(tǒng)專門為研究生院提供檢測服務(wù)，僅限檢測研究生畢業(yè)論文；學(xué)術(shù)不端文獻(xiàn)（期刊）檢測系統(tǒng)主要為人事部門在職稱評選、人物評優(yōu)、先進(jìn)評選、人才引進(jìn)等活動中提供輔助審核手段，提供科學(xué)、準(zhǔn)確、客觀的線索與依據(jù)。CNKI學(xué)術(shù)不端檢測系統(tǒng)的檢測范圍包括中國學(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（涵蓋期刊、博碩、會議的英文數(shù)據(jù)以及德國Springer、英國Taylor&Francis期刊數(shù)據(jù)庫等）、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、個人比對庫。

萬方數(shù)據(jù)知識服務(wù)平臺的論文相似性檢測服務(wù)沒有對不同要求的文獻(xiàn)檢索進(jìn)行分類，檢測語種僅限中文。該系統(tǒng)包括2個入口，一個是“檢測已發(fā)表論文”，主要針對送檢論文之前發(fā)表的全部文獻(xiàn)，適用于對職稱論文等進(jìn)行檢測；另一入口是“檢測新論文”，適用于對畢業(yè)論文、新投稿論文等進(jìn)行檢測。萬方相似性檢測系統(tǒng)檢測范圍包括中國學(xué)術(shù)期刊數(shù)據(jù)庫（CSPD）、中國學(xué)位論文全文數(shù)據(jù)庫（CDDB）、中國學(xué)術(shù)會議論文數(shù)據(jù)庫（CCPD）和中國學(xué)術(shù)網(wǎng)頁數(shù)據(jù)庫（CSWD）。

從CNKI和萬方論文相似性檢測系統(tǒng)的檢索范圍可以看出，均包括了主要中文學(xué)術(shù)資源，但是CNKI學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)包含的中文學(xué)術(shù)資源更加豐富，更重要的是CNKI還特別涵蓋了港澳臺學(xué)術(shù)文獻(xiàn)庫和大量的英文數(shù)據(jù)庫（涵蓋期刊、博碩、會議的英文數(shù)據(jù)以及德國Springer、英國Taylor&Francis期刊數(shù)據(jù)庫等），因此其檢測范圍要比萬方數(shù)據(jù)庫更全、更廣。

正是由于檢索范圍的差別，導(dǎo)致這兩個檢索系統(tǒng)的檢索結(jié)果差別很大。如2012年山東省對參評職稱晉升人員提交的3件成果開展學(xué)術(shù)不端檢測，其中一件成果利用萬方論文相似性檢測系統(tǒng)檢測，其查重率為12.81%；利用CNKI學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)，其查重結(jié)果達(dá)到36.12%。

然而，CNKI學(xué)術(shù)不端檢測系統(tǒng)和萬方論文相似性檢測系統(tǒng)都有其檢索局限性，即涉及英文論文的檢索。萬方數(shù)據(jù)知識服務(wù)平臺本身沒有外文檢索庫；CNKI學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)，雖然擁有英文數(shù)據(jù)庫，但仍有大量的英文數(shù)據(jù)庫沒有被涵蓋，其檢索范圍是不全的。而且從長遠(yuǎn)來看，外文的查重檢索會日益重要，因此，國內(nèi)的論文相似性檢測服務(wù)平臺應(yīng)積極應(yīng)對，擴(kuò)大檢索范圍，克服其檢索局限。

2 文獻(xiàn)引證檢測與重復(fù)率表征

萬方數(shù)據(jù)知識服務(wù)平臺的文獻(xiàn)引證檢測與重復(fù)率表征相對簡潔，一般在總體結(jié)論中，只給出“總相似比”、“參考文獻(xiàn)相似比”和“排除參考文獻(xiàn)相似比”。在相似片段分布中用綠色區(qū)域表征參考文獻(xiàn)相似部分的位置，紅色區(qū)域為與其他未被引用的論文相似部分，并列出相似論文作者和典型相似論文及其典型片段總相似比。總體表征比較客觀，不對論文做出結(jié)論性評價。

CNKI學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)的文獻(xiàn)引證檢測與重復(fù)率表征相對復(fù)雜，在總體結(jié)論中，給出總文字復(fù)制比、去除引用文獻(xiàn)復(fù)制比、去除本人已發(fā)表文獻(xiàn)復(fù)制比和單篇最大文字復(fù)制比，用紅色文字表示文字復(fù)制部分，黃色文字表示引用部分，并將剽竊文字進(jìn)行詳細(xì)表述。根據(jù)與自己已發(fā)表文獻(xiàn)復(fù)制比，明確指出是自我剽竊、一稿多投還是重復(fù)發(fā)表；根據(jù)引用文獻(xiàn)復(fù)制比、單篇最大文字復(fù)制比確定論文是否過度引用、剽竊觀點或整體剽竊等結(jié)論。從重復(fù)率檢測結(jié)論中觀之，要求作者在論文撰寫過程中嚴(yán)格文獻(xiàn)引證，即使是引用自己已發(fā)表的論文，也要用參考文獻(xiàn)進(jìn)行引證，否則會出現(xiàn)自我剽竊的后果；而且，對于文獻(xiàn)的引證，不宜過度引用，否則有一稿多投（過度引用自己論文）和剽竊（過度引用他人論文）之嫌。

顯然，不論是萬方論文相似性檢測系統(tǒng)還是CNKI學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)，只要尊重知識產(chǎn)權(quán)、尊重他人成果，嚴(yán)格文獻(xiàn)引用，且做到不過度引用，其論文即使總文字復(fù)制比較高，也不會導(dǎo)致論文出現(xiàn)學(xué)術(shù)不端問題，因為多數(shù)情況下，檢測結(jié)論都要考慮“去除引用文獻(xiàn)復(fù)制比”。然而實際上，在一些綜述性或述評性論文中，可能需要對文獻(xiàn)的觀點、數(shù)據(jù)、圖表、方法、結(jié)果等進(jìn)行反復(fù)討論，即使每篇文獻(xiàn)的引用重復(fù)率很低，但因引用文獻(xiàn)數(shù)量巨大（少則三四十篇、多則百余篇），也可能導(dǎo)致總文字復(fù)制比較高，甚至超過30%，但是這種論文撰寫方式卻是合理的。

盡管萬方論文相似性檢測系統(tǒng)和CNKI學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)在文獻(xiàn)引證檢測和重復(fù)率表征方面存在差異，但是它們在文獻(xiàn)重復(fù)率檢測過程中都存在一個共同的問題，就是很難將章節(jié)中的文獻(xiàn)與正文文字進(jìn)行區(qū)別。檢測中發(fā)現(xiàn)，當(dāng)參考文獻(xiàn)列于論文最后，此時的參考文獻(xiàn)表可以被檢測系統(tǒng)當(dāng)作“文獻(xiàn)引證”識別；然而當(dāng)學(xué)位論文以獨立的章節(jié)為結(jié)構(gòu)單元，每章結(jié)尾列出該章參考文獻(xiàn)，此時將整篇學(xué)位論文拷貝至檢測系統(tǒng)，檢測系統(tǒng)只將最后一章的參考文獻(xiàn)當(dāng)作“文獻(xiàn)引證”進(jìn)行識別，而將文章其他章節(jié)中列出的文獻(xiàn)當(dāng)成正文進(jìn)行處理。這樣帶來的后果就是，當(dāng)該學(xué)位論文與第三方論文同時引用某篇或某些文獻(xiàn)時，檢測系統(tǒng)將該學(xué)位論文中的文獻(xiàn)作為重復(fù)字段計算相似比（如表1所示），這樣一方面導(dǎo)致總文字復(fù)制比偏高，另一方面也可能導(dǎo)致結(jié)論性錯誤，認(rèn)為該論文存在剽竊現(xiàn)象。顯然，這樣檢測既不準(zhǔn)確也不合理。為了避免該現(xiàn)象的發(fā)生，只能將學(xué)位論文逐章檢測，并根據(jù)各章的檢測報告，重新計算整篇學(xué)位論文的總相似比（如表2所示）。

由表2可以看出，在整體檢測中，由于檢測系統(tǒng)僅僅對最后一章的參考文獻(xiàn)進(jìn)行了識別，而對第1～5章所列參考文獻(xiàn)視為正文進(jìn)行處理，導(dǎo)致所屬各章文字復(fù)制比明顯偏高，總文字復(fù)制比高達(dá)34.42%。而采用分章檢測后，每章所列參考文獻(xiàn)均被檢測系統(tǒng)識別，其文字復(fù)制比大幅降低，總文字復(fù)制比下降至8.92%。顯然分章檢測結(jié)果更加合理。

3 圖表相似性檢測

圖表作為科技論文的組成部分，在原始創(chuàng)新、表征特性、揭示規(guī)律等方面具有特別重要的指示意義，很多原始科技數(shù)據(jù)也都隱含在圖表中。然而，在對論文進(jìn)行相似性檢測時，不論是萬方論文相似性檢測系統(tǒng)還是CNKI學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)，對圖表的檢測均顯得力不從心。其中，萬方論文相似性檢測系統(tǒng)沒有圖表的檢測；CNKI學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)對數(shù)據(jù)表的識別率很低，而且目前沒有圖件識別功能。

表1 對某學(xué)位論文檢測報告的表述片斷

表2 某學(xué)位論文整體檢測與分章檢測結(jié)果對比

由于檢測系統(tǒng)的局限性，特別是相似圖件識別功能的缺乏，導(dǎo)致某些論文作者在檢測過程中投機(jī)取巧，特別是學(xué)位論文。現(xiàn)在學(xué)位論文撰寫模式已比較固定，多按照中英文摘要、目錄、前言、文獻(xiàn)綜述、實驗部分、結(jié)果與討論、結(jié)論（或結(jié)語）、參考文獻(xiàn)等順序編排；其中，最易出現(xiàn)高重復(fù)率的部分是文獻(xiàn)綜述和實驗部分。為了降低重復(fù)比，目前有的網(wǎng)站上已經(jīng)出現(xiàn)了如何使論文在檢測過程中“過關(guān)”的技巧，如建議將文獻(xiàn)綜述和實驗部分的文字編輯成圖片，以蒙混過關(guān)。

然而，國外期刊對圖表的相似性檢測則非常嚴(yán)格，一旦發(fā)現(xiàn)其圖表具有相似性，一般需采取更正、道歉的方式予以解決，嚴(yán)重的可直接撤消已發(fā)表的論文。自2000年以來，我國每年都有類似論文被國際期刊撤消，近幾年有增無減。為了更好地對研究者的態(tài)度進(jìn)行正確引導(dǎo)，因此盡快在論文相似性檢測系統(tǒng)中增設(shè)完善的圖表識別功能顯得尤為重要和迫切。

論文相似性檢測服務(wù)是防止學(xué)術(shù)不端的重要手段，盡管萬方論文相似性檢測系統(tǒng)和CNKI學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)都還存在一定問題，但已經(jīng)為我國教育和科技領(lǐng)域原始知識創(chuàng)新做出了重要貢獻(xiàn)。為了彌補(bǔ)其不足，應(yīng)盡快升級文獻(xiàn)引證識別功能、開發(fā)圖表識別技術(shù)，并不斷完善檢索范圍中的文獻(xiàn)數(shù)據(jù)，相信論文相似性檢測服務(wù)能為檢索目標(biāo)提供更迅速、準(zhǔn)確和有價值的評判。

［1］葉鐵橋，高四維.德國多名高官因?qū)W術(shù)不端落馬［N］.中國青年報，2013－04－10（7）.