Identifying Machine-Paraphrased Plagiarism

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62156489%3A43110%2F22%3A43921286" target="_blank" >RIV/62156489:43110/22:43921286 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.1007/978-3-030-96957-8_34" target="_blank" >https://doi.org/10.1007/978-3-030-96957-8_34</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-030-96957-8_34" target="_blank" >10.1007/978-3-030-96957-8_34</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Identifying Machine-Paraphrased Plagiarism

Popis výsledku v původním jazyce

Employing paraphrasing tools to conceal plagiarized text is a severe threat to academic integrity. To enable the detection of machine-paraphrased text, we evaluate the effectiveness of five pre-trained word embedding models combined with machine learning classifiers and state-of-the-art neural language models. We analyze preprints of research papers, graduation theses, and Wikipedia articles, which we paraphrased using different configurations of the tools SpinBot and SpinnerChief. The best performing technique, Longformer, achieved an average F1 score of 80.99% (F1 = 99.68% for SpinBot and F1 = 71.64% for SpinnerChief cases), while human evaluators achieved F1 = 78.4% for SpinBot and F1 = 65.6% for SpinnerChief cases. We show that the automated classification alleviates shortcomings of widely-used text-matching systems, such as Turnitin and PlagScan.

Název v anglickém jazyce

Identifying Machine-Paraphrased Plagiarism

Popis výsledku anglicky

Employing paraphrasing tools to conceal plagiarized text is a severe threat to academic integrity. To enable the detection of machine-paraphrased text, we evaluate the effectiveness of five pre-trained word embedding models combined with machine learning classifiers and state-of-the-art neural language models. We analyze preprints of research papers, graduation theses, and Wikipedia articles, which we paraphrased using different configurations of the tools SpinBot and SpinnerChief. The best performing technique, Longformer, achieved an average F1 score of 80.99% (F1 = 99.68% for SpinBot and F1 = 71.64% for SpinnerChief cases), while human evaluators achieved F1 = 78.4% for SpinBot and F1 = 65.6% for SpinnerChief cases. We show that the automated classification alleviates shortcomings of widely-used text-matching systems, such as Turnitin and PlagScan.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2022

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Information for a Better World: Shaping the Global Future

ISBN

978-3-030-96956-1

ISSN

0302-9743

e-ISSN

1611-3349

Počet stran výsledku

21

Strana od-do

393-413

Název nakladatele

Springer International Publishing AG

Místo vydání

Cham

Místo konání akce

Cham

Datum konání akce

28. 2. 2022

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000772157700034