URL - Fakulta informatiky a managementu

Systémy na odhalování plagiátůMgr. Ľuboš Lunterdoc. Ing. Michal Brandejs, CSc.Ing. Jitka Brandejsovástudijní materiál ke kurzuOdborné publikování, citační etika a autorské právo s podporou ICTFakulta informatiky a managementu Univerzity Hradec KrálovéProjekt Informační, kognitivní a interdisciplinární podpora výzkumu je spolufinancovánEvropským sociálním fondem a státním rozpočtem České republiky.

1. ÚvodInformatizace a rozšíření IT do všech oblastí života se sebou přineslo i výraznézvýšení dostupnosti odborné literatury, závěrečných prací a dalších relevantníchodborných zdrojů. Lehká dostupnost zdrojů však přináší i negativní jevy v podoběpřivlastnění si textů (ať už vědomé nebo nevědomé, díky nezvládnutí práces literaturou a nezvládnutí citování) jiných autorů.V roce 2004 spustila Masarykova univerzita elektronický Archiv závěrečných pracív Informačním systému Masarykovy univerzity (IS MU), ve kterém byly závěrečnépráce studentů přístupné všem autentizovaným uživatelům systému. Tím sevýrazně zvýšila dostupnost závěrečných prací na MU. Aby nedocházelo kezneužívání prací studentů, byl v roce 2006 v IS MU nasazený systém na odhalováníplagiátů. V roce 2006 úpravou legislativy, umožňující závěrečné práce studentůzveřejňovat prostřednictvím databáze, se začaly všechny závěrečné práce na MUzveřejňovat a služby vyhledávání plagiátů poptávaly i další školy. To vedlo kespolečné iniciativě vysokých škol, které v roce 2008 v rámci centralizovanéhorozvojového projektu MŠMT C1/2008 'Národní registr VŠKP a systém naodhalování plagiátů' spolupracovaly na vývoji a nasazení systému na odhalováníplagiátů Theses.cz. Na základě pozitivních zkušenosti s odhalováním plagiátův závěrečných pracích začali uživatelé, zejm. humanitních oborů, poptávat možnostvyužít služby odhalování plagiátů nejen u závěrečných prací, ale také u pracíseminárních aj. To opět vedlo ke společnému projektu veřejných vysokých školOdhalování plagiátů v seminárních pracích v roce 2009, v rámci kterého vzniklsystém Odevzdej.cz. V roce 2010 byly systémy zdokonaleny a obohaceny např. oalgoritmus vyhledávání plagiátů na internetu. V roce 2011 byly systémy naodhalování plagiátů v závěrečných pracích a seminárních pracích obohaceny odalší systém – Repozitar.cz zaměřený na sběr a kontrolu zaměstnaneckých děl.2. TerminologiePlagiátDefinice slova plagiát je v souvislosti se systémy na odhalování plagiátůproblematická. Česká terminologická databáze knihovnictví a informační vědy(TDKIV) na stránkách Databáze Národní knihovny ČR [1] uvádí definici:„Plagiát je nedovolená napodobenina (přesná nebo částečná) uměleckého nebovědeckého díla jiné osoby, která je bez uvedení předlohy vydávána za originál; jejípůvodce tak porušuje autorská práva autora původní předlohy.“ČSN ISO 5127-2003 definuje plagiát jako „představení duševního díla jiného autorapůjčeného nebo napodobeného v celku nebo z části, jako svého vlastního“.Kompilace

Odborný text, který vznikl sestavením poznatků z jiných děl. Na rozdíl od plagiátuvšak nepřebírá celé hotové pasáže bez citování původního zdroje ani nepředstírásvou původnost. [1]PlagiátorstvíVydávání cizího literárního nebo jiného uměleckého nebo vědeckého díla za vlastní,popř. převzetí části cizí práce, bez uvedení použitých zdrojů. [1]AutoplagiátorstvíPublikování, resp. kopírování vlastních dřívějších uměleckých nebo vědeckých pracíbez uvedení jejich citací včetně autorství. [1]Citační etikaEtické normy týkající se citování ve vědecké komunikaci. Všeobecně uznávanýmprincipem citační etiky je morální povinnost autora publikované vědecké práceuvést v této práci ty výsledky svých myšlenkových předchůdců, na které ve svépráci bezprostředně a vědomě navázal, a odlišit zřetelně své vlastní výsledky odvýsledků jiných autorů. Za tímto účelem má autor práce těchto svých předchůdcůcitovat, zejména pak ty práce, jejichž výsledků využil (konstruktivní citace). Nadruhé straně není správné spekulativně zatěžovat vědecké práce prestižnímicitacemi, jako jsou některé nekonstruktivní autoritativní citace a nekonstruktivníautocitace. [1]Citace/citátDoslovné uvedení cizího výroku nebo textu v rámci vlastního dokumentudoprovázené obvykle přesnou identifikací pramene, ze kterého daný výrok nebotext pochází, tedy bibliografickou citací. V textu je obvykle uvedena uvozovkami,odsazením anebo typem písma. [1]Bezúplatná zákonná licenceZákonem stanovená výjimka nahrazující svolení autora k užití díla a nepřiznávajícíautorovi za tento způsob užití díla žádnou odměnu (nejde o licenci ve smyslusmlouvy). Jedná se např. o citace, půjčování originálů či rozmnoženin vydaných děl(s výjimkou počítačových programů a zvukového či zvukově obrazovéhozáznamu), zpravodajskou licenci, katalogovou licenci, užití díla při občanských čináboženských obřadech, při školních představeních a pro archivní a konzervačníúčely apod. [1]Školní dílo dle AZDílo žáka nebo studenta vytvořené v rámci plnění školních povinností. Škola jeoprávněna v rámci bezúplatné zákonné licence školní dílo užít ke své vnitřnípotřebě. Při jiném užití má škola právo na uzavření licenční smlouvy za obvyklýchpodmínek. [1]

3. O systémech na odhalování plagiátůVýsledkem porovnávání podobností jsou procenta podobností ke každémunalezenému podobnému dokumentu. Výsledkem není rozhodnutí, že práce jeplagiát.Obr. 1: Ukázka výsledků porovnávání podobnostíKaždou z nalezených podobností je potřeba prozkoumat. Z výpisu lze zjistit,z jakého úložiště práce pochází (např. Theses.cz, Odevzdej.cz, IS MU, …), kdopodobný soubor do systému vložil a další informace. Pro podrobné prozkoumáníslouží odkaz „Podobnosti“, kterým se ke každému podobnému souboru zobrazídokument s červeně zvýrazněnými shodnými pasáži textu. Díky tomu lze častoprozkoumat podobnost i bez nutnosti přístupu k nalezenému podobnémudokumentu.

Obr. 2: Ukázka nalezených podobnostíNa obrázku 2 znázorňujícím nalezené podobnosti lze vidět červeně zvýrazněnouhlavičku práce včetně autora, názvu práce, vedoucího apod. Lze tedy rychlevyhodnotit, že se pravděpodobně jedná o pracovní verzi práce stejného autora.

2 směry podobnostíObr. 3: Ukázka PDF podobností s nalezeným podobným dokumentemPokud je dokument A podobný vůči dokumentu B např. ze 7 %, dokument B můžebýt vůči dokumentu A podobný ze 100 %. Proto systém na odhalování plagiátůuvádí oba směry podobností. Pomůže tak učiteli odhalit podezřelý dokument, kterýmohl být zdrojem opisování.

Obr. 4: Příklad na vysvětlení dvou směrů podobností[1] adresa informuje o umístění zkoumaného souboru[2] procentuální podobnosti zkoumaného souboru vůči dokumentům v databázi(zobrazují se podobnosti nad 5 %)[3] kliknutím na 'Podobnosti' se zobrazí červeně zvýrazněné shodné pasáže textu sdaným souborem[4] kliknutím na 'Informace o souboru' se zobrazí informace pro správce systému oumístění podobného souboru[5] procentuální podobnost souborů v databázi vůči zkoumané práci (zobrazují sepodobnosti nad 5 %)Obsah zkoumaného souboru je z X % podobný souboru níže znamená, že Vámivložený soubor je z X % podobný jinému souboru. Např. z Vaší práce o rozsahu 100stran A4 opíšete celou seminární práci o rozsahu 7 stran A4. Systém najde 7 %podobnost Vaší práce se seminární prací v systému Odevzdej.cz.Obsah souborů níže je z X % podobný zkoumanému souboru říká, že jinýsoubor je z X % podobný Vašemu souboru, tj. v našem příkladě, že seminární prácev Odevzdej.cz je 100% podobná Vaší 100 stránkové práci.S jakými dokumenty se v databázích porovnává?Databáze porovnávaných dokumentů aktuálně zahrnuje více než 3,7 milionůdokumentů tvořených zejména:Závěrečnými pracemi 36 škol zapojených v projektu Theses.cz -vysokoškolskými kvalifikačními pracemi (více než 235 000).

Seminárními a jinými studentskými pracemi 30 škol zapojených v Odevzdej.cz(referáty, esejemi, zpracovávanými úlohami, projekty, laboratorními cvičeními,protokoly, zprávami, slohovými cvičeními, ...).Dalšími dokumenty vloženými do systémů Theses.cz a Odevzdej.cz(seminárními pracemi, publikacemi, pracemi vloženými z Internetu) a dodalších systémů provozovaných MU (výukové/studijní materiály, publikaceučitelů, prezentace, příklady, zákony, zápisy, zprávy, příručky, manuály, …).Zdroji z internetu – v systémech je implementován a neustále optimalizovánalgoritmus pro vyhledávání podobných dokumentů na internetu.Jaké jsou podporovány formáty dokumentů a jazyky?Systémy zpracovávají dokumenty vložené ve formátu pdf, doc, open officeformátech a dalších formátech Microsoft Office (excel, ppt), v textovém formátunebo formátu TeX. Systémy na odhalování plagiátů vyhledávají podobnosti vevšech textech jazyků psaných latinkou, je však dokonale optimalizován na český aslovenský jazyk, protože zpracovává velké množství dokumentů v češtině,slovenštině (zapojeny jsou české a slovenské univerzity, vysoké školy).Zkušenosti se systémy na odhalování plagiátůZkušenosti ukázaly, že nelze určit univerzální akceptovatelné procento podobnosti.Uživatelé se nás často ptají, jak se rozhoduje, zda práce je nebo není plagiátem.Rozhodnutí, zda práce je či není plagiát však nezávisí pouze na procentěnalezených podobností, ale je potřeba citlivě vyhodnocovat další souvislosti:Citoval autor správně?Jaký je rozsah převzatých (i citovaných) pasáží? (Nejde o kompilát?)Specifické zadání práce (součástí příloh práce mohou být zákony, běžnědostupné statistiky, studie).Každou nalezenou podobnost prozkoumat individuálně s ohledem na výšeuvedené.Je důležité, aby rozhodnutí, zda je práce plagiátem či nikoliv udělala osoba v tomtosměru u dané práce kompetentní. Pokud vedoucí práce nebo oponent odhalínedostatky práce před obhajobou, může svůj nález zohlednit v posudku a zejm.navržené známce. Vedoucí práce, příp. oponent, jakožto odborní garanti prácemohou nejlépe vyhodnotit, co je u dané konkrétní práce přípustné a co už není.Ideální je samozřejmě průběžná práce se studentem, kdy může v průběhu tvorbypráce vedoucí odhalit nedostatky v citování, rozsahu převzatých pasáží apod.Další zajímavou zkušeností je, že studenti často opisují nevědomě, resp. sineuvědomují, že na převzetí částí textů z jiných zdrojů (ctr+c, ctrl+v) nemají bezsprávného citování nárok. Ukázalo se, že je potřeba studenty průběžně vést běhemstudia k tomu, že v odborném textu je potřeba korektně citovat např. tím, že budoumít učitelé v tomto směru vyšší nároky na práce seminární.Systémy na odhalování plagiátů je potřeba vnímat a používat jako pomocníka pronalezení podezřelých dokumentů, nikoliv jako rozhodce, zda práce je plagiátem.

4. Theses.cz – systém na odhalování plagiátů v závěrečných pracíchCílem systému Theses.cz je umožnit zapojeným školám vyhledávat v systému kesvým pracím potenciální plagiáty. Zkušenosti ukazují, že vedoucí i oponentizávěrečných prací nutně potřebují efektivní nástroje na zkoumání původnostipředkládaných závěrečných prací. Souvisí to v úvodě zmíněnou dostupnostíelektronických informačních zdrojů, která láká studenty vydávat cizí myšlenky zasvé. Theses.cz nejen pomáhá učitelům nalézt podezřelé pasáže textu, ale zároveňmá nezanedbatelné preventivní účinky mezi studenty. Systém slouží současně jakoarchiv závěrečných prací, s možností vkládat práce do systému individuálněstudenty, nebo automatizovaně napojením na existující lokální úložiště školy.Jaké funkce systém poskytuje?Vyhledávání prací fulltextovým vyhledáváním nebo katalogověv metadatových záznamech nebo plných textech prací (dle volby školy).Vyhledávání podobných souborů (potenciálních plagiátů) ve společnédatabázi porovnávaných dokumentů hromadně (např. za celou fakultu) nebojednotlivě.Zpřístupňování závěrečných prací dle pravidel školy. Každá škola se samarozhoduje, zda a komu bude v Theses.cz zpřístupňovat metadata (záznamy opráci) a plný text práce.Napojení na lokální systémy školy – služby porovnávání dokumentů napodobnosti mohou vzdáleně využívat jiné systémy (pomocí webových služeb).Díky automatizovanému propojení s lokálním systémem školy nemusíuživatele pracovat v Theses.cz, ale přistupují pouze do svého školního systému,kam práce odevzdávají.Automatický převod dokumentů do formátů PDF a TXT, díky kterémunemusí mít uživatel pro čtení vloženého dokumentu licenci placeného SW,např. MS Word.Zálohování, archivace a antivirová ochrana dokumentů uloženýchv databázi.Rozpoznávání skenovaných dokumentů (OCR).Další služby uživatelům (osobní prostor pro kontrolu práce, diskusní fórum,vývěska aj.).

Obr. 5: Katalogové vyhledávání v Theses.czObr. 6: Zobrazení metadatového záznamu vyhledané práceZveřejňování závěrečných pracíPovinnost zveřejnění závěrečné práce je dána zákonem č. 111/1998 Sb., ovysokých školách a o změně a doplnění dalších zákonů (zákon o vysokých školách).Plné znění zákona je k dispozici:http://aplikace.msmt.cz/vysokeskoly/legislativa/Zakon111_uplne_zneni_552.htm

§ 47bZveřejňování závěrečných prací(1) Vysoká škola nevýdělečně zveřejňuje disertační, diplomové, bakalářské arigorózní práce, u kterých proběhla obhajoba, včetně posudků oponentů a výsledkuobhajoby prostřednictvím databáze kvalifikačních prací, kterou spravuje. Způsobzveřejnění stanoví vnitřní předpis vysoké školy.(2) Disertační, diplomové, bakalářské a rigorózní práce odevzdané uchazečem kobhajobě musí být též nejméně pět pracovních dnů před konáním obhajobyzveřejněny k nahlížení veřejnosti v místě určeném vnitřním předpisem vysoké školynebo není-li tak určeno, v místě pracoviště vysoké školy, kde se má konat obhajobapráce. Každý si může ze zveřejněné práce pořizovat na své náklady výpisy, opisy neborozmnoženiny.(3) Platí, že odevzdáním práce autor souhlasí se zveřejněním své práce podle tohotozákona, bez ohledu na výsledek obhajoby.Aktuální stav zveřejňování závěrečných prácí v ČR je, že školy se nestavíke zveřejňování jednotně. Může za to nejednoznačnost věty:Vysoká škola nevýdělečně zveřejňuje disertační, diplomové, bakalářské a rigoróznípráce, u kterých proběhla obhajoba, včetně posudků oponentů a výsledku obhajobyprostřednictvím databáze kvalifikačních prací, kterou spravuje.Výklad zákona některých právníků vysokých škol je, že univerzitní knihovna jeforma databáze kvalifikačních prací, a tak jsou práce dle zákona zveřejněnyprezenčně v knihovně.5. Odevzdej.cz – systém na odhalování plagiátů v seminárních pracíchSystém Odevzdej.cz poskytuje zapojeným školám kromě možnosti vyhledáváníplagiátů (podezřelých souborů) také e-learningové řešení pro přehledný sběrseminárních a jiných prací od studentů. Učitelé v systému otevírají studentůmodevzdávárny – složky, kam studenti své práce sami vkládají. Pro učitele takodpadá administrativa spojená se sběrem prací, např. osobní komunikace e-mailem a ukládání příloh nebo následné třídění a archivace prací. V odevzdávárněje k dispozici vždy aktuální seznam odevzdaných prací. Pokud se učitel rozhodne,lze dle didaktického záměru odevzdávárnu nastavit tak, aby si studenti navzájemsvé práce viděli. Systém kontroluje datum, do kdy lze práce odevzdávat, a povypršení tohoto data odevzdávárnu automaticky uzavře, aby nebylo možné práceodevzdat po termínu. Pro učitele už stačí přímo v odevzdavárně zkontrolovatsoubor na podobnosti a studenta ohodnotit. Hodnocení zapíše studentovi přímo vsystému, student ho vidí, a tak opět odpadá učiteli následná diskuse, co studentudělal dobře a co nesprávně v odevzdané práci. Každý učitel si může založitneomezený počet odevzdáváren a tyto opatřit tzv. štítky pro usnadněnívyhledávání.

Služby systému Odevzdej.czObr. 7: Titulní stránka systému Odevzdej.czSběr a kontrola prací pro učitele i další uživatele, kteří si mohou založit tolikodevzdáváren, kolik potřebují (např. dle počtu předmětů nebo skupinstudentů).E-learningový nástroj pro elektronické odevzdávání studentských prací doučitelem/školou založených odevzdáváren (složky pro odevzdávání prací) smožnostmi nastavení, kdy lze práce odevzdávat, automatického vkládání jménastudenta do názvu odevzdaného souboru a hodnocení práce.Kontrolu odevzdaných prací na podobnosti potenciálních plagiátů – prácemohou kontrolovat jak učitelé, tak správce systému za každou školu a existuje imožnost přebíraní výsledků kontroly automatizovaně.Možnost napojení na lokální úložiště a automatizovaný import dat.Zálohování, archivaci a kontrolu dokumentů antivirovým programem neboautomatizované rozpoznávání „netextového“ souboru do textu (OCR) aj.Výhodou systému Odevzdej.cz je, že jej mohou využít pro svou vlastní kontrolu iuživatelé z veřejnosti. V Odevzdej.cz lze neautentizovaně z titulní stránkyhttp://odevzdej.cz/ porovnat libovolný textový dokument se soubory v systému.Výsledek porovnání se zasílá na e-mail, který uživatel při vkládání práce zadá.Takto vložený soubor se automaticky po 5 dnech z databáze vymaže, nebo jej můžeuživatel smazat i dřív. Jiným uživatelům se podobnosti s takto vloženými pracemi

nezobrazují, aby nevznikla situace, že student si práci zkontroluje v Odevzdej.cz anásledně by škola našla s touto prací podobnosti. Nahrávat lze libovolný soubor veformátu převoditelném na holý text (např. doc, docx, odt, xls, ppt, txt, pdf, csv,html,...) nebo zadat URL souboru (např. stránky na internetu). E-mail s výsledkypodobností je zasílán automaticky, jakmile je dokončeno porovnání souborů.Uživatel má v e-mailu souhrn nalezených podobností a má možnost po přihlášeníse do systému přistupovat k podrobným výpisům „Podobností“ (shodných pasážítextu).Obr. 8:Ukázka e-mailu s vyhodnocením podobností6. Repozitar.cz – systém na odhalování plagiátů v odborných publikacíchzaměstnancůRepozitar.cz (http://repozitar.cz/) je systém pro evidenci publikační činnosti smožností sběru a prezentování plných textů publikací. Nabízí řadu užitečnýchnástrojů pro zadávání, správu, vyhledávání a zveřejňování publikací. Repozitar.czje také vhodným nástrojem pro trvalé uskladnění publikovaných výsledkůbudoucím generacím jak pro univerzitu, tak pro veřejnost, a nabízí zpřístupnění

veřejnosti často velice cenných děl vědeckých pracovníků a jejich studentů nazákladě dodržení práv autorů. Tím dochází ke zvýšení citovanosti autorů a jejichprofesního renomé.Služby systému Repozitář:Evidence publikací a plných textů zaměstnaneckých publikací s možnostíautomatizovaného importování publikačních záznamů z lokálního systémunabízí nástroje pro tvorbu fondu zaměstnanecké publikační produkce.Vyhledávání plagiátů a zvýšení autorskoprávní ochrany díky propojení sdatabázemi porovnávaných dokumentů systémů na odhalování plagiátůTheses.cz i Odevzdej.cz.Pokročilé vyhledávací nástroje umožňují uživatelům vyhledávat vmetadatech i plných textech publikací.Přenos záznamů do RIV ze systému Repozitář včetně implementovanýchkontrol pro RIV povinně vyplněných záznamů.Zaznamenávání citací umožňuje autorům evidovat si u každé publikace citace.Hromadné operace se záznamy a statistiky pro manažery a správce.Podpora Open Access a zpřístupňování dle pravidel instituce nebo dle vůleautorů, díky čemuž jsou vědecké publikace dostupnější odborné veřejnosti(nebo definovaným skupinám uživatelů s přístupem do Repozitar.cz) ainstituce se tak stává viditelnější.Open Access a využití licencí Creative CommonsSystém Repozitar.cz podporuje zveřejňování intelektuálních výsledkůakademických a vědecko-výzkumných pracovníků v režimu otevřeného přístupu(Open Access), tedy volně a bezplatně komukoliv na Internetu nebo přístup omezitdle smluvního vztahu s vydavatelem.Uživatelé systému mají navíc možnost k plnému textu práce přidělit licenciCreative Commons (soubor veřejných licencí, které posilují pozici autora přirozhodování, za jakých podmínek bude dílo veřejně zpřístupněno). Autor uzavíráprostřednictvím licence Creative Commons plošně se všemi potencionálnímiuživateli díla smlouvu, čímž určuje, která práva k dílu jim poskytuje, a která svápráva k dílu si naopak vyhrazuje. Licence se vzájemně liší dle různěodstupňovaných převedených a vyhrazených práv autora k jeho dílu. Díky licencímCreative Commons tak dává autor všem uživatelům díla jasné podmínky, zakterých lze dílo použít. Dochází tím k posílení autorskoprávní ochrany samotnéhoautora i instituce.Typy Creative Commons licencí:Uveďte autoraUveďte autora – Zachovejte licenci

Uveďte autora – Nezasahujte do dílaUveďte autora – Nevyužívejte komerčněUveďte autora – Nevyužívejte komerčně – Zachovejte licenciUveďte autora – Nevyužívejte komerčně – Nezasahujte do dílaDalší informace k licencím Creative Commons lze čerpat z:http://www.creativecommons.cz/Další zdroje informacíObr. 9: Titulní stránka systému Repozitar.czČlánky vývojového týmu systémů na odhalování plagiátůhttp://is.muni.cz/clanky/Systém Theses.cz http://theses.cz/Systém Odevzdej.cz http://odevzdej.cz/Systém Repozitar.cz http://repozitar.cz/Novinky a zajímavosti ze světa IS MU https://is.muni.cz/info/

Literatura[1] KTD: Česká terminologická databáze knihovnictví a informační vědy (TDKIV)[online]. Praha: Národní knihovna ČR, 2003- [cit. 2012-04-22]. Dostupné z:.[2] BRANDEJS, M.,J. BRANDEJSOVÁ,Ľ. LUNTER,D. JAKUBÍK,M. STANČÍK.Institucionální repozitář vědeckých a odborných článků s napojením nasystém odhalování plagiátů. In UNINFOS 2010. Trnava: CIS TU v Trnave,EUNIS Slovensko, 2010. od s. "nestránkováno", 5 s. ISBN 978-80-8082-407-5.Mgr. Ľuboš LunterMasarykova univerzita, Fakulta informatikyBotanická 68a, 602 00 Brno, Česká republikae-mail: lunter@fi.muni.czdoc. Ing. Michal Brandejs, CSc.Masarykova univerzita, Fakulta informatikyBotanická 68a, 602 00 Brno, Česká republikae-mail: brandejs@fi.muni.czIng. Jitka BrandejsováMasarykova univerzita, Fakulta informatikyBotanická 68a, 602 00 Brno, Česká republikae-mail: brandejsova@fi.muni.cz