基于大數據分析的作業抄襲檢測方法研究

楊立彬?楊芳?尹慧

摘要：隨著教育現代化的發展，高校學生的作業抄襲問題日益突出，嚴重影響了教學質量。過去的研究主要關注學生之間的抄襲行為，而本文將注意力放在個體學生上。采集了學生的作業成績、平時測驗成績、期末成績等信息，并采用基于大數據分析的方法，建立作業抄襲檢測模型。通過合理設置參數，對學生個體的成績進行比對，以確定是否存在抄襲行為。這種研究有助于教師全面了解學生的學業情況，并能有針對性地提供輔導。通過檢測作業抄襲行為，不僅可以改善學風，還能為教師提供有效的教學管理工具。這種模型的建立和應用，對于提高教學質量、減少作業抄襲現象具有重要意義。

關鍵詞：作業抄襲；檢測方法；大數據分析；數學模型

作業是評估學生學習效果的重要手段，也是教師了解學生學習情況和開展個性化教學的基礎。然而，在高校中，學生之間抄襲作業的現象比較普遍。為了省事和圖便利，許多學生會直接復制他人的作業或從網絡文檔中找到模板，稍作修改甚至不修改就提交給老師，試圖蒙混過關。這種行為對學生本身極不負責任，嚴重影響了教學質量，讓許多教師感到困擾。特別是隨著互聯網的發展和教育現代化的推進，高校學生的作業抄襲問題變得更加突出，逐漸侵蝕并嚴重影響國家人才培養的質量[1]。

一、作業抄襲檢測方法研究分析

（一）研究現狀

對于作業抄襲問題的研究，教師一直非常關注且感到困擾。研究可以分為兩類。一類是通過分析學生抄襲作業的原因，采取一些措施來遏制抄襲行為。例如，降低作業的題目難度，增加主觀題，使作業結合學生的生活經驗，為每個學生留下不同的作業等方式。另一類則是將人工智能算法和數據處理分析技術結合起來，分析學生作業之間的相似度，提出作業抄襲檢測方法。以王鵬在2017年發表的《計算機程序抄襲檢測系統的設計方案》為例，該研究通過對學生提交的程序實踐作業進行程序相似度計算，找出相似度較高的程序文檔對，進而篩選出疑似抄襲的作業。另外，楊寅在2019年提出了在大學生作業抄襲檢測中應用多線程爬蟲技術的方法。于俊在2021年提出了基于KR和Winnowing的程序代碼作業相似度檢測算法，該算法提高了學生作業相似檢測的精準度，并增加了不同學生之間作業相似結果的區分度。通過對以上算法的研究發現，以往的作業抄襲檢測系統主要側重于對不同學生作業之間的相似度進行檢測，從而讓教師能夠宏觀地了解班級整體的作業完成情況和學業水平。這種方法在抄襲檢測方面取得了不錯的效果。然而，這種方法無法對學生個體的知識點掌握情況進行具體把控，也無法預測學生的學習效果。因此，本文采用的方法恰好彌補了這個不足，并取得了重要的進展。采用基于大數據分析的方法，結合學生的作業成績、平時測驗成績和期末成績等數據，來比對學生個體的成績情況，從而確定是否存在作業抄襲行為。這種方法不僅幫助教師全面了解學生的學業情況，還能為他們提供有針對性的輔導，進一步提高學習效果。

（二）問題的分析

本文采用的方法以學生個體為研究對象，重點比較同一名學生在每次作業中不同知識點的得分率與測驗的得分率。通過設置適當的參數，篩選出差異較大的數據，以判斷是否存在作業抄襲行為。這種方法有助于教師全面了解每位學生的學習情況，進行有針對性的輔導，并準確預測學生的總評成績。對于學生來說，這種方法更有說服力，因為通過數據對比，能夠清晰展現每位學生在不同知識點上的掌握情況和努力程度。同時，該方法有效地杜絕了作業抄襲現象，對學風建設有積極的推動作用。

二、作業抄襲檢測方法研究主要工作

（一）檢測流程設計

1.采集數據

在超星學習通平臺中，可以導出學生的作業成績、測驗成績和期末成績等數據。

作業成績的采集：作業總共6個模塊。其中，第一模塊是關于極限與連續，包含7個知識內容；第二模塊是導數及其應用，包含8個知識內容；第三模塊是不定積分，包含3個知識內容；第四模塊是定積分及其應用，包含3個知識內容；第五模塊是微分方程，包含2個知識內容；第六模塊是空間解析幾何，包含1個知識內容。總計共有24個知識內容。

測驗成績的采集：章末測驗共有5次，每次測驗安排10個小題；期中測試1次，安排10個小題，共60個小題。

期末考試成績的采集：期末考試共22個題，其中填空題5個小題，單項選擇題5個小題，判斷題5個小題，解答題7個小題。

綜上共需采集106條數據。

2.數據的分析

在每一模塊作業完成后，安排一次章末測驗，以此評估學生對知識點的掌握情況。具體的評估方法是計算測驗成績與作業成績之間的差值，若兩者差值在0.3～0.7，則存在一定作業抄襲嫌疑；差值高于0.7，則存在明顯作業抄襲現象；低于0.3，則無作業抄襲嫌疑。接著進行下一模塊的作業和章末測驗，再次評估學生對知識點的掌握情況。若差值在0.3～0.7之間則存在一定作業抄襲嫌疑，高于0.7存在明顯抄襲嫌疑，低于0.3無抄襲嫌疑。如此循環，若每次評測都不存在抄襲行為則進行期末考試，并計算各知識點掌握程度。

3.建立作業抄襲檢測系統模型

通過以上分析的結果，建立數學模型，分析學生知識點掌握程度。

4.模型的檢驗

通過對海量的學生作業、測驗成績進行采集，利用統計分析的方法將作業成績與測驗成績進行對比，以及與學生交談等方式，評測模型的準確性，并通過修改測評指標找到適當的評估指標，建立數學模型，繼續不斷優化。

（二）檢測步驟

Step1：作業成績采集。采集學生第一模塊知識內容1～知識內容7各次作業的得分，計算出得分率；

Step2：測驗成績采集。采集學生章末測驗一中知識內容1～知識內容7各小題的得分，計算出得分率；

Step3：合理性判定。評估第一模塊中各知識點掌握合理性。

若作業成績與測驗成績得分率差值在0.3～0.7，則此學生作業存在一定作業抄襲嫌疑；

若作業成績與測驗成績得分率差值大于0.7，則此學生作業存在作業抄襲嫌疑；

若作業成績與測驗成績得分率差值小于0.3，則此學生作業不存在作業抄襲嫌疑。

Step4：結果分析。

若作業成績與測驗成績得分率差值小于0.3，則進行第二模塊的作業與測驗，并重復Step1～Step3；

若作業成績與測驗成績得分率差值大于或者等于0.3，則教師采取一定的措施，確定學生是否存在抄襲。針對確實存在抄襲的作業，要求學生改正后，再進入第二模塊的學習。

Step5：重復以上步驟，直至完成第六模塊的作業與測驗，并進行期末考試。

Step6：計算期末考試各知識點的得分，計算知識點掌握程度，評估課程目標達成度。

Step7：出具課程學業評價報告。

（三）檢測過程可能存在的問題

雖然學生的課后作業成績可以通過學習通平臺導出，且較為方便，但是整個班級的期末考試成績及每小題得分需要手動采集，工作量較大，對數據進行整理和分析問題也比較困難。

考慮到整個檢測系統的嚴謹性，僅憑數據不能完全確定該學生是否存在抄襲行為。所以在后續過程中需要利用一定的時間，持續性觀察學生們的實時情況，多和學生交流，對比每個學生平時章末測試的成績和最終期末的成績。對于浮動范圍較大的學生要多多留意，叫到辦公室談話或者向班級其他同學詢問的方式來加以驗證，最終檢驗出模型的合理性。

三、作業抄襲檢測方法實現

以2022級工商管理專業1班的兩名同學的成績為例進行數據的采集、分析等。

（一）采集學生課后作業成績及測驗成績，繪制散點圖

學生第一模塊課后作業及章末測驗知識內容得分率如表1所示，散點圖誒圖1所示。

（二）數據分析

通過數據比對發現，李娜同學知識點3的作業得分率為1.00，測驗的得分率為0.50，兩者之差大于0.3，存在一定的作業抄襲嫌疑；知識點5的作業得分率為1.00，測驗的得分率為0.75，兩者之差小于0.3，基本上不存在作業抄襲嫌疑；知識點6的作業得分率為0.80，測驗的得分率為1.00，不存在作業抄襲嫌疑。

周夢玲同學知識點3的作業得分率為0.75，測驗的得分率為0.50，兩者之差小于0.3，基本不存在作業抄襲嫌疑；知識點6的作業得分率為0.60，測驗的得分率為1.00，存在一定的作業抄襲嫌疑。

（三）模型檢驗

為了進一步驗證結果的準確性，在教學中教師會多多關注該同學的表現，以了解其學習情況。并在課后答疑時，與該學生交流。

針對李娜同學，經過一段時間的了解，該同學承認作業3知識點（無窮小與無窮大的概念）較難，課上并未完全理解，所以在做測驗時去網上搜索了答案。知識點5（無窮小的比較）的測驗在計算時出現了失誤，導致扣分。知識點6（函數的連續性）在做作業時未理解概念的含義，在老師講解作業后化解疑問，考試掌握較好。

針對周夢玲同學，經過一段時間的了解，該同學承認作業3知識點（無窮小與無窮大的概念）較難，課上并未完全理解，作業和測驗成績均不理想。知識點6（函數的連續性）在課上未理解概念的含義，在聽了老師的作業講解后，經與同學討論，掌握該知識點。

（四）模型改進

在對學生的課后作業及章節測驗成績進行比對時發現，當測驗成績低于作業成績時，檢測模型基本符合實際，但是當測驗成績高于作業成績時，往往意味著學生經過努力，鞏固了所學內容，所以成績會有一定的提高。此時檢測模型與實際會有偏差。因此考慮改進模型。

當測驗成績高于作業成績時，評估與之關聯的知識點掌握的合理性。若在關聯知識點的評價中學生存在抄襲嫌疑，則通過談話的方式確定最終結論；若關聯知識點的評估合理，則消除學生抄襲嫌疑。

此方法通過知識點之間的關聯進行判斷，有利于教師全面了解學生的學業情況，進一步優化教學，對學生而言也更具有說服力。

（五）模型評價

1.模型的優點

本文提出的新的作業抄襲檢測方法，與過去針對學生之間的作業相似度檢測不同，這個方法著重關注個別學生，通過對比他們的作業成績和測驗成績來評估他們的學習情況。這種方法對教師來說具有精準掌握學生學習情況、因材施教的優勢。經過一個學期的驗證，該方法被證明是方便可行的，且具有較高的檢測準確度。這表明該方法在實際應用中具有一定的價值。

2.模型的缺點

在使用過程中，模型的準確度可能受到人為主觀因素的影響，這是需要進一步提升的方面。當發現學生存在抄襲嫌疑時，教師需要依靠自身的經驗和與學生的交流等方式，進一步確定是否存在抄襲行為。這種方式引入了主觀因素，可能會影響判斷的效率和準確度。但隨著使用時間的增長和數據量的積累，模型的參數可以進一步改進，降低主觀因素的影響。通過對更多樣本的觀察和分析，不斷優化模型，提高其準確性和可靠性。

四、結束語

研究作業抄襲檢測問題已經有多年的歷史，而以學生個體為研究對象，基于大數據分析的方法進行作業抄襲檢測則是相對較新的思路。本文通過比對學生自身的課后作業、章節測驗及期末成績，設置合理的參數，評估學生對知識點的掌握情況，進而判斷是否存在抄襲嫌疑。初步的研究驗證表明，該方法具有合理性和可行性。在未來的研究中，將繼續收集大量數據，并不斷完善作業抄襲檢測系統，以提高檢測的準確性和效率。這種檢測方法為各大高校的教師提供了一種合理化的手段，提高了對學生的管理效率。從而更好地遏制了學生抄襲作業的現象，提升作業完成的質量。另外，這種方法能夠為改善學風提供有力的保障。

參? 考? 文? 獻

[1]鄒恩岑，馬壯，申宇，等.一種高校電子作業抄襲檢測系統設計[J].物聯網技術，2020（10）：51-56。

[2]于俊等. 高教程序代碼作業抄襲檢測的方法研究與實踐[J].中國科學技術大學學報，2020（8）：1048-1057。

[3]羅云華，姬增利.網絡教學中大學生作業抄襲現象的預防策略研究[J].教學研究，2020（1）：77-78.

基金項目：遼寧省大學生創新創業訓練計劃項目（202213208034）。

楊立彬（2001.05-），男，漢族，河南平頂山，本科在讀，研究方向：道路橋梁與渡河工程。