УДК 004.85:378
DOI: 10.36871/26189976.2026.04-5.004

Авторы

Фук Хау Нгуен,
Университет электроэнергетики, Ханой, Вьетнам
Светлана Глебовна Николаева,
ФГБОУ ВО Казанский государственный энергетический университет, Казань, Россия
Султанбек Саламуевич Маирбеков,
Чеченский государственный университет им.А.А. Кадырова, Грозный, Россия

Аннотация

В статье рассматривается проблема автоматизированного выявления признаков формального и содержательного плагиата в студенческих работах с применением методов глубокого обучения. Обоснована недостаточность традиционных процедур проверки, ориентированных преимущественно на буквальное совпадение текстовых фрагментов. Показано, что современные модели семантического анализа позволяют учитывать контекст, скрытое перефразирование, терминологические замены и смысловую близость фрагментов. Предложен подход к построению системы диагностики заимствований, основанный на предварительной обработке текста, выделении лингвистических признаков, формировании смысловых представлений и последующей классификации фрагментов по уровню риска. Особое внимание уделено педагогической интерпретации результатов проверки, поскольку автоматизированная система должна выступать не только средством контроля, но и инструментом формирования академической добросовестности обучающихся.

Ключевые слова

академическая добросовестность,
студенческие работы,
формальный плагиат,
содержательный плагиат.

Список литературы

[1] Большакова Е. И., Воронцов К. В., Ефремова Н. Э., Клышинский Э. С., Лукашевич Н. В., Сапин А. С. Автоматическая обработка текстов на естественном языке и анализ данных: учебное пособие. М.: Изд-во НИУ ВШЭ, 2017. 269 с. ISBN 978-5-9909752- 1-7.

[2] Голунов С. В. Студенческий плагиат как вызов системе высшего образования в России и за рубежом // Вопросы образования. 2010. № 3. С. 243–257.

[3] Гришин В. Д. Методы анализа и поиска заимствований в тексте // Проблемы науки. 2018. № 7 (31). С. 45–48.

[4] Диковицкий В. В. Семантический анализ текста с применением нейросетевого анализа морфологии и синтаксиса // Труды Кольского научного центра РАН. 2017. № 3-8 (8). С. 109–115.

[5] Кичерова М. Н., Кыров Д. Н., Смыкова П. Н., Пилипушко С. А. Плагиат в студенческих работах: анализ сущности проблемы // Интернет-журнал «Науковедение». 2013. № 4 (17). Идентификационный номер статьи: 83ПВН413.

[6] Кузнецов Л. А., Кузнецова В. Ф. Технология автоматизированной оценки содержательной близости текстов // Программные продукты и системы. 2013. № 1. С. 34–42. EDN: QOUFYP.

[7] Погуда А. А., Тапе Хабиб Ж. М. Разработка алгоритма и модуля для автоматического оценивания студенческих работ на основе семантического анализа текста // Открытое образование. 2024. Т. 28. № 3. С. 46–55. DOI: 10.36871/26189976.2026.04- 5.004

[8] Романов А. С., Мещеряков Р. В., Резанова З. И. Методика проверки однородности текста и выявления плагиата на основе метода опорных векторов и фильтра быстрой корреляции // Доклады Томского государственного университета систем управления и радиоэлектроники. 2014. № 2 (32). С. 264–269.

[9] Сафин К. Ф., Чехович Ю. В. О комбинированном алгоритме обнаружения заимствований в текстовых документах // Труды Института системного программирования РАН. 2022. Т. 34. № 1. С. 151–160. DOI: 10.15514/ISPRAS-2022-34(1)-11.

[10] Чиркин Е. С. Системы автоматизированной проверки на неправомерные заимствования // Вестник Тамбовского университета. Серия: Гуманитарные науки. 2013. № 12 (128). С. 164–174.