Tietokoneavusteinen tekstiplagioinnin tunnistus
Authors
Date
2020Access restrictions
The author has not given permission to make the work publicly available electronically. Therefore the material can be read only at the archival workstation at Jyväskylä University Library (https://kirjasto.jyu.fi/en/workspaces/facilities).
Copyright
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Tässä tutkielmassa tarkasteltiin plagioinnin tietokoneavusteisessa tunnistuksessa käytettäviä tapoja, tekniikoita ja menetelmiä sekä haasteita, joita niihin liittyy. Tutkielman johtopäätöksenä on, että kirjaimellisen tai yksinkertaisen plagioinnin tunnistus toimii suhteellisen hyvin, mutta älykkään plagioinnin tunnistuksessa on vielä suuria haasteita. Viime vuosina älykkään plagioinnin tunnistuksessa on tapahtunut edistystä erityisesti semanttisten ja koneoppivien menetelmien myötä ja niihin kohdistuukin odotuksia tarkkuuden parantamiseksi entisestään. Tutkielmassa havaittiin, että tiettyjen menetelmien toimivuus voi olennaisesti riippua kohdekielestä ja että plagioinnin tunnistusta suomen kielessä ei ole juurikaan vielä tutkittu. This study explored techniques, methods and task of computer assisted detection of plagiarism as well as challenges involved. The thesis concludes that recognizing literal or simple plagiarism works relatively well, but there are still major challenges in detecting intelligent plagiarism. In recent years, progress has been made in detecting intelligent plagiarism, particularly using semantic and machine learning methods. They are expected to further improve accuracy in the future. It was also found that the effectiveness of certain detection methods can highly depend on the target text language. More research on the detection in the Finnish language is needed.
Metadata
Show full item recordCollections
- Kandidaatintutkielmat [5316]
Related items
Showing items with similar title or keywords.
-
Staying at the front line of literature : How can topic modelling help researchers follow recent studies?
Lämsä, Joni; Espinoza, Catalina; Tuhkala, Ari; Hämäläinen, Raija (EARLI, 2021)Staying at the front line in learning research is challenging because many fields are rapidly developing. One such field is research on the temporal aspects of computer-supported collaborative learning (CSCL). To obtain ... -
Tulevaisuuden työkalu metsien suojeluarvon määritykseen? : boreaalisten puulajien tunnistus hyperspektrikuvauksen avulla
Kauniskangas, Laura (2022)Puulajien tunnistusta hyperspektrikuvista, yhdistettynä nykyiseen metsä-inventointiin, pidetään potentiaalisena keinona lisätä metsänhoidon kustannus-tehokkuutta sekä kartoittaa metsien suojelutarpeita kattavasti. Tutkimusta ... -
Käyttäjän tunnistus verkkopalveluissa : FIDO-teknologian ja monivaiheisen tunnistautumisen turvallisuus ja käytettävyys
Karjalainen, Eetu (2024)Digitalisaation kiihtyessä arkipäiväiset palvelut ovat yhä useammin saatavilla verkkopalveluina. Näin ollen käyttäjän luotettavan tunnistuksen merkitys korostuu etenkin tietoturvakriittisissä prosesseissa, kuten ... -
Kumipuun Hevb2-proteiinin puhdistus, tunnistus ja karakterisointi sekä merkitys luonnonkumiallergeenina
Karinen, Anu (2020)Välitön tyypin I luonnonkumiallergia on IgE-välitteinen allerginen reaktio, jota esiintyy säännöllisesti luonnonkumituotteiden kanssa kosketuksiin joutuvilla henkilöillä. Luonnonkumiallergia aiheutti varsinkin 1990-luvulla ... -
Parametrien tunnistus ja datajoukon sovittaminen optimoinnin avulla Potku-ohjelmassa
Rekilä, Heta (2019)Tutkielmassa perehdytään erityyppisiin optimointialgoritmeihin, joita modeFRONTIER-optimointiympäristö tarjoaa. Ympäristöä voi käyttää tehokkaaseen optimointialgoritmien vertailuun. Algoritmien suoriutumisen arviointia ...