合理對(duì)待學(xué)術(shù)不端檢測結(jié)果

李艷娜，毛 星，董 里

(《消防科學(xué)與技術(shù)》編輯部 天津300381)

0 引 言

隨著信息檢索技術(shù)的發(fā)展，信息的透明化和公開化逐步增強(qiáng)，學(xué)術(shù)不端行為被發(fā)現(xiàn)的幾率也越來越大。近年來不斷有學(xué)術(shù)不端行為被曝光，涉及人員包括在校生、教授甚至院士等各類群體，由此也引發(fā)了關(guān)于學(xué)術(shù)不端的大討論。

學(xué)術(shù)不端一般指不符合學(xué)術(shù)道德或規(guī)范的學(xué)術(shù)行為。美國聯(lián)邦學(xué)術(shù)不端行為政策(The US Federal Research Misconduct Policy)中，將學(xué)術(shù)不端定義為“在提出觀點(diǎn)、實(shí)施研究或總結(jié)研究成果的過程中，偽造、篡改或抄襲的行為”[1]。其他學(xué)術(shù)不端還包括：把屬于同一研究成果的素材“支解”為多篇“香腸論文”、同行評(píng)議造假、故意刪除數(shù)據(jù)、在文章中掛名等行為。Joeri等[2]對(duì)比利時(shí)幾所醫(yī)學(xué)機(jī)構(gòu)的315名學(xué)術(shù)人員進(jìn)行問卷調(diào)查時(shí)，將學(xué)術(shù)不端行為分為12種，并按照嚴(yán)重程度分為3類，包括學(xué)術(shù)欺騙行為(偽造數(shù)據(jù)、篡改、剽竊)、嚴(yán)重學(xué)術(shù)不端行為及一般學(xué)術(shù)不端行為。結(jié)果發(fā)現(xiàn)15%的應(yīng)答者承認(rèn)近3年內(nèi)有過偽造、篡改或剽竊數(shù)據(jù)的行為，學(xué)術(shù)欺騙行為在年輕學(xué)者中更加普遍。另外，72%的應(yīng)答者表示發(fā)表成果的壓力太大。作者認(rèn)為，發(fā)表成果的壓力和學(xué)術(shù)不端現(xiàn)象的嚴(yán)重程度之間有較強(qiáng)的相關(guān)性。

關(guān)于學(xué)術(shù)不端的討論由來已久。在CNKI中以“Scientific misconduct”為篇名檢索得到的結(jié)果中，最早的文獻(xiàn)發(fā)表于1985年，早期文獻(xiàn)以外文為主，且多見于醫(yī)學(xué)類期刊，內(nèi)容多涉及臨床試驗(yàn)方面學(xué)術(shù)成果的學(xué)術(shù)不端現(xiàn)象。1996年，陳民[3]介紹了美國當(dāng)時(shí)關(guān)于學(xué)術(shù)不端行為如何界定的爭議。這是早期關(guān)于學(xué)術(shù)不端的介紹性質(zhì)的中文文獻(xiàn)。2000年后，關(guān)于學(xué)術(shù)不端討論的中文文獻(xiàn)逐漸增多，反映了國內(nèi)學(xué)術(shù)界對(duì)于學(xué)術(shù)不端行為關(guān)注的變化，如圖1所示。2003年，洪明苑[4]針對(duì)科學(xué)活動(dòng)中的不端行為進(jìn)行討論，分析當(dāng)時(shí)學(xué)術(shù)和社會(huì)環(huán)境下學(xué)術(shù)不端行為產(chǎn)生的原因，并從有效監(jiān)督方面提出治理學(xué)術(shù)不端行為的建議。2003年5月7日，科學(xué)技術(shù)部、教育部、中國科學(xué)院、中國工程院、國家自然科學(xué)基金委員會(huì)聯(lián)合發(fā)布《關(guān)于改進(jìn)科學(xué)技術(shù)評(píng)價(jià)工作的決定》，明確提出：加強(qiáng)科學(xué)道德建設(shè)，營造良好的創(chuàng)新文化，堅(jiān)決反對(duì)任何形式的學(xué)術(shù)不端行為。并進(jìn)一步提出：對(duì)于浮夸、剽竊、抄襲、造假和拼湊數(shù)據(jù)的單位或個(gè)人，以及借評(píng)價(jià)之虛、行謀取私利之實(shí)的學(xué)術(shù)不軌行為，一經(jīng)查實(shí)，除相關(guān)管理部門給予行政處分和公開通報(bào)之外，要禁止直接責(zé)任者在未來一段時(shí)間申請(qǐng)政府投資的任何科技項(xiàng)目。

2009年初，中國學(xué)術(shù)期刊(光盤版)電子雜志社與同方知網(wǎng)共同開發(fā)的“科技期刊學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)”面世，期刊編輯部逐步采用該系統(tǒng)對(duì)投稿文章進(jìn)行檢測，由此也引發(fā)了關(guān)于學(xué)術(shù)不端檢測系統(tǒng)使用的爭議。從圖1中2009年后幾年間相關(guān)文獻(xiàn)量的大幅度增加也可以看出這一點(diǎn)。

圖1 知網(wǎng)2002—2020年“學(xué)術(shù)不端”文獻(xiàn)發(fā)文量變化Fig.1 Number of papers about 'academic misconduct'from 2002 to 2020 in CNKI

筆者擬結(jié)合目前國內(nèi)主流的2種文獻(xiàn)檢測系統(tǒng)——CNKI、萬方檢測，對(duì)比系統(tǒng)檢測功能，結(jié)合檢測結(jié)果與編輯部對(duì)檢測結(jié)果的使用，以及因復(fù)制比高而催生的洗稿、拼湊等行為，對(duì)學(xué)術(shù)不端檢測系統(tǒng)的利與弊進(jìn)行探討。

1 學(xué)術(shù)不端檢測系統(tǒng)的現(xiàn)實(shí)意義

學(xué)術(shù)不端檢測系統(tǒng)是應(yīng)對(duì)學(xué)術(shù)不端行為而誕生的，系統(tǒng)主要針對(duì)學(xué)術(shù)不端中的剽竊、偽造、篡改、不當(dāng)署名、一稿多投等行為進(jìn)行檢測。用戶將文章上傳到檢測系統(tǒng)后，文章會(huì)被與系統(tǒng)數(shù)據(jù)庫中已有的成百上千萬學(xué)術(shù)文章、書籍、會(huì)議論文、學(xué)位論文，以及海量網(wǎng)頁內(nèi)容進(jìn)行比對(duì)，按照一定的算法得到文章的相似度數(shù)值，并生成詳細(xì)的檢測報(bào)告，顯示與已有文獻(xiàn)疑似重合的內(nèi)容以及是如何重復(fù)的。最終，用戶可以根據(jù)檢測結(jié)果判斷文章的原創(chuàng)性。

隨著學(xué)術(shù)不端檢測系統(tǒng)在各期刊編輯部的使用日益廣泛，一定程度上遏制了論文抄襲行為，保證了文章的原創(chuàng)性。以筆者所在的《消防科學(xué)與技術(shù)》期刊為例，2012—2019年投稿文章相似度(知網(wǎng)檢測)變化見表1。可以看出，相似比高于20%的投稿及占比均隨時(shí)間呈現(xiàn)下降趨勢(shì)，從側(cè)面也反映了檢測系統(tǒng)對(duì)學(xué)術(shù)不端行為的抑制作用。

表1 《消防科學(xué)與技術(shù)》2012—2019年投稿統(tǒng)計(jì)Tab.1 Statistics of contributions of Fire Science and Technology from 2012 to 2019

2 知網(wǎng)檢測和萬方檢測系統(tǒng)對(duì)比

文章通過對(duì)國內(nèi)使用較為廣泛的兩大檢測系統(tǒng)的功能進(jìn)行對(duì)比，主要從比對(duì)范圍、相似比計(jì)算方法、參數(shù)定義、檢測報(bào)告等方面進(jìn)行分析，以進(jìn)一步探討檢測系統(tǒng)使用中存在的問題。

2.1 比對(duì)范圍

知網(wǎng)針對(duì)期刊論文的檢測系統(tǒng)為“科技期刊學(xué)術(shù)不端文獻(xiàn)檢測系統(tǒng)”(簡稱AMLC)。萬方針對(duì)期刊論文的檢測系統(tǒng)為“學(xué)術(shù)預(yù)審版”(Academic Plaglarism Prevention Service，簡稱APPS)。兩者均是面向期刊論文檢測的，文獻(xiàn)檢測范圍對(duì)比見表2。

從表2可以看出，兩者收錄資源豐富，均涵蓋了學(xué)術(shù)期刊、博碩士論文全文、會(huì)議、專利、互聯(lián)網(wǎng)資源、英文數(shù)據(jù)庫等。其中圖書資源和源代碼庫為ALMC的檢索范圍，APPS不包括；而“中國標(biāo)準(zhǔn)全文數(shù)據(jù)庫”為ASSP的檢索范圍，AMLC不包括。另外，與期刊論文檢索相關(guān)性最大的為期刊庫。CNKI檢索期刊庫范圍為中國學(xué)術(shù)期刊網(wǎng)絡(luò)出版總庫(即通常所說的CNKI數(shù)據(jù)庫)，出版內(nèi)容以學(xué)術(shù)、技術(shù)、政策指導(dǎo)、高等科普及教育類期刊為主，內(nèi)容覆蓋自然科學(xué)、工程技術(shù)、農(nóng)業(yè)、哲學(xué)、醫(yī)學(xué)、人文等各個(gè)領(lǐng)域。ASSP檢索期刊庫范圍為中國學(xué)術(shù)期刊數(shù)據(jù)庫，該數(shù)據(jù)庫是萬方數(shù)據(jù)知識(shí)服務(wù)平臺(tái)的重要組成部分，集納了多種科技及人文和社會(huì)科學(xué)期刊的全文內(nèi)容。分析發(fā)現(xiàn)，兩者均全文收錄國內(nèi)大部分期刊文獻(xiàn)資源。區(qū)別在于，萬方與知網(wǎng)數(shù)據(jù)庫均有獨(dú)家與唯一授權(quán)期刊，即獨(dú)家與唯一授權(quán)數(shù)據(jù)庫進(jìn)行數(shù)字出版的期刊。其中，知網(wǎng)獨(dú)家與唯一授權(quán)期刊見圖2。

表2 AMLC和APPS文獻(xiàn)檢測范圍對(duì)比Tab.2 Comparison of literature test range of AMLC and APPS

綜合上述分析，兩者的查重?cái)?shù)據(jù)庫有重疊交叉，但并不完全相同，而且具體到某領(lǐng)域來看差別并不小。以筆者所在期刊為例，與期刊欄目有交叉重疊的期刊中，將近一半為知網(wǎng)獨(dú)家授權(quán)期刊。即假如論文抄襲了某知網(wǎng)獨(dú)家授權(quán)期刊的內(nèi)容，但是用戶使用的檢測系統(tǒng)為萬方檢測的話，那么極有可能檢測不到相似部分，導(dǎo)致檢測結(jié)果不準(zhǔn)確，失去參考意義。筆者將某篇文章分別在2個(gè)系統(tǒng)中進(jìn)行檢測，得到的結(jié)果如圖2所示?？梢钥闯觯W(wǎng)檢測相似比遠(yuǎn)遠(yuǎn)高于萬方的檢測結(jié)果，原因就是《安全與環(huán)境工程》為知網(wǎng)獨(dú)家授權(quán)期刊，所以知網(wǎng)的檢測范圍中包含了這篇被重復(fù)文獻(xiàn)，而萬方則未包括，因此未檢出，導(dǎo)致兩者的檢測結(jié)果差距較大。筆者認(rèn)為，取消獨(dú)家，學(xué)術(shù)資源知識(shí)共享，打破學(xué)術(shù)信息的壟斷才是解決之道。

圖2 同一文獻(xiàn)的檢測結(jié)果對(duì)比Fig.2 Comparison of test results of same literature

2.2 檢測報(bào)告對(duì)比

AMLC提供簡潔、全文(標(biāo)明引文)、去除本人文獻(xiàn)、全文對(duì)照4種類型的檢測報(bào)告單。ASSP提供原文標(biāo)注報(bào)告、詳細(xì)片段報(bào)告和全文比對(duì)報(bào)告3種類型的檢測報(bào)告單。鑒于AMLC的全文對(duì)照?qǐng)?bào)告和ASSP的詳細(xì)片段報(bào)告展示的內(nèi)容較為詳盡，下面僅對(duì)這兩者進(jìn)行對(duì)比分析。將同一篇文獻(xiàn)分別上傳至2個(gè)檢測系統(tǒng)進(jìn)行檢測，得到的檢測報(bào)告中相似比詳細(xì)指標(biāo)如圖3所示。

圖3 AMLC和APPS檢測報(bào)告詳細(xì)指標(biāo)Fig.3 Detailed index of AMLC and APPS test reports

對(duì)比圖3(a)和圖3(b)可以看出，雖然指標(biāo)的名稱不同，但主要指標(biāo)的含義是相同的，均包括了引用復(fù)制比、去除自引復(fù)制比、單篇最大文字復(fù)制比等指標(biāo)。針對(duì)同一篇文獻(xiàn)，AMLC的綜合檢測結(jié)果為1.2%，而ASSP的綜合檢測結(jié)果為5.14%。分析原因發(fā)現(xiàn)，兩者檢測得到的“單篇最大文字復(fù)制比重復(fù)文獻(xiàn)”并非同一篇文獻(xiàn)。進(jìn)一步針對(duì)重復(fù)內(nèi)容進(jìn)行對(duì)比，如圖4、圖5所示，可以看出，萬方檢測單篇最大重復(fù)內(nèi)容為英文部分，包括作者單位的英文及英文摘要。而在知網(wǎng)檢測中，文章的英文部分不參與檢測。筆者認(rèn)為，這一點(diǎn)上知網(wǎng)的處理更加合理。

圖4 知網(wǎng)檢測單篇最大重復(fù)內(nèi)容Fig.4 Content of maximum repetition of a single article by CNKI

圖5 萬方檢測單篇最大重復(fù)內(nèi)容Fig.5 Content of maximum repetition of a single article by APPS

圖6 為待檢測文章重復(fù)相同文獻(xiàn)的萬方檢測結(jié)果。對(duì)比圖4和圖6可以看出，知網(wǎng)對(duì)句子是否重復(fù)的認(rèn)定更加靈活，連續(xù)的幾句話中，即使有個(gè)別地方內(nèi)容不一致，只要大部分內(nèi)容被檢測為重復(fù)，則會(huì)認(rèn)定為連續(xù)重復(fù)。

圖6 相同文獻(xiàn)萬方檢測結(jié)果Fig.6 Test results of same literature by APPS

2.3 其他

AMLC和ASSP的檢測報(bào)告均以不同顏色標(biāo)示了文字復(fù)制部分和引用部分。不同的是，AMLC中，系統(tǒng)會(huì)對(duì)自動(dòng)識(shí)別待檢測文獻(xiàn)的題目、作者、單位及參考文獻(xiàn)、原創(chuàng)性聲明等信息，并在檢測時(shí)將這些內(nèi)容排除在外。而ASSP檢測時(shí)只排除參考文獻(xiàn)，其他內(nèi)容全部參與檢測，其他內(nèi)容全部相同的情況下更容易出現(xiàn)檢測結(jié)果相對(duì)較高的情況。

此外，AMLC新增加了對(duì)表格、公式及圖片OCR識(shí)別處理后的檢測功能，一定程度上提高了文獻(xiàn)檢測的準(zhǔn)確率。

3 對(duì)學(xué)術(shù)不端檢測結(jié)果使用的討論

近年來，為嚴(yán)厲打擊學(xué)術(shù)造假、學(xué)術(shù)不端等行為，維護(hù)期刊形象，贏得讀者信任，對(duì)投稿文章的復(fù)制比檢測成為編輯部審核稿件的第一關(guān)。相似比幾乎成為作者投稿的“敲門磚”[5]。然而，機(jī)器查重也有局限性，由于是基于算法的對(duì)文字重復(fù)的簡單計(jì)算，簡短語句的相同也會(huì)被認(rèn)定為重復(fù)，而這種重復(fù)在論文寫作中是無法避免的。因此，重復(fù)率的高低不能完全界定一篇文章的質(zhì)量，過度依賴重復(fù)率也是一種偷懶的做法，甚至?xí)?dǎo)致作者為了降低重復(fù)率而采用一些不合理的手段，如顛倒語序、同義詞替換、長句拆分、將文字轉(zhuǎn)換為圖片格式等。反之，重復(fù)率低也未必沒有抄襲的可能，從洗稿服務(wù)已由前些年的人工洗稿發(fā)展到AI智能洗稿可見一斑。技術(shù)是中立的，關(guān)鍵在于使用的人，正確對(duì)待查重結(jié)果，保證人工審核的質(zhì)量才是解決問題的最好辦法。