История успеха
API-интерфейс копилейков
Обнаружение плагиата
Точность, глубина анализа и эффективность рабочего процесса
Национальное космическое общество (NSS) проводит ежегодный конкурс по космическим поселениям имени Джерарда К. О'Нила с 1994 года. Учащимся не предъявляется никаких требований, кроме того, что проект должен быть сосредоточен на концепции свободно плавающего, постоянного космического поселения. Каждый год в конкурсе принимают участие тысячи учащихся по всему миру, начиная с 12-го класса, большинство заявок представляются в форме эссе, а некоторые в прошлые годы достигали объема в 200 страниц. В рамках процесса оценки каждая заявка проверяется на плагиат, этот процесс выполняется вручную и часто занимает недели или месяцы.
NSS начала искать решение для ускорения процесса судейства и повышения эффективности, особенно для части обнаружения плагиата. Ключевым соображением для поиска решения была платформа с интеграцией API, которая могла бы бесперебойно работать с Award Force, программным обеспечением для управления наградами, используемым для конкурса. Другой проблемой была эффективная и тщательная отчетность, документация и способность обрабатывать большие объемы контента и обработки данных.
В 2018 году NSS начала работать с платформой Copyleaks, используя интеграцию API для обнаружения потенциального плагиата в конкурсных работах. Каждое сканирование через Awards Force генерирует Suspect Score, что позволяет судьям принимать более быстрые и обоснованные решения о возможном плагиате. В результате время обработки сократилось с недель или месяцев до нескольких дней.
Мэтью Дж. Левин, Директор NSS Джерард К. О'Нил Конкурс космических поселений
NSS начала считать, что если Suspect Score был 0%, то это был автоматический проход; если он был 5% или выше, то это был, как правило, автоматический провал. Все, что между 0-5%, требовало дальнейшего расследования с помощью более глубокого анализа с использованием отчета о схожести Copyleaks, который создавался при каждом сканировании. В каждом отчете есть оценка схожести (рассчитываемая иначе, чем вышеупомянутая Suspect Score), которая делает более глубокий анализ похожего текста, найденного в отсканированном документе. Эти разбивки отчетов позволяют судьям сравнивать текст бок о бок и определять, был ли контент плагиатом.
NSS также использует репозиторий Copyleaks, который позволяет хранить все отсканированные работы в защищенной частной базе данных, которую можно использовать для сравнения с будущими отсканированными работами, чтобы убедиться, что ни один из участников не списал предыдущие победившие работы.
Начиная с Copyleaks, NSS смогла обнаружить плагиат гораздо быстрее и точнее в конкурсных работах. Например, в 2023 году из 4567 работ 1894 были дисквалифицированы за плагиат, что является значительным увеличением по сравнению с тем временем, когда эта задача выполнялась вручную.
NSS также рассматривает вопрос о том, как контент, генерируемый ИИ с помощью чат-ботов, таких как ChatGPT, повлияет на конкурс космических поселений имени Джерарда К. О'Нила и его заявки, и изучает возможность использования детектора ИИ Copyleaks в качестве новой внедренной части процесса оценки.
Все права защищены. Использование данного веб-сайта означает ваше согласие с Условия эксплуатации.