SaoChep.comSao Chép
Văn bản tiếng Việt và chuẩn bị tệp

Check đạo văn tiếng Việt khó hơn tiếng Anh ở đâu: dấu, từ ghép và tách từ

Tiếng Việt viết cách theo âm tiết, có dấu thanh và rất nhiều từ ghép, nên máy kiểm trùng phải làm thêm vài bước mà tiếng Anh không cần. Hiểu để đọc kết quả đúng.

A Vietnamese linguistics lecturer and a graduate student lean over a wooden library table with two open notebooks, pointing at handwritten syllable marks, warm afternoon side light, medium shot

Check đạo văn tiếng Việt khó hơn tiếng Anh ở ba chỗ: dấu thanh làm cùng một chữ có thể được lưu theo nhiều cách, khoảng trắng trong tiếng Việt chia âm tiết chứ không chia từ, và từ ghép nhiều tới mức một cụm hai ba âm tiết giống nhau chưa chắc là chép. Phần mềm phải chuẩn hoá chữ, đoán ranh giới từ và lọc cụm thông dụng trước khi so; bước nào làm kém thì tỷ lệ trùng bị đẩy lên hoặc kéo xuống sai.

Biết những chỗ khó này không giúp bạn “lách” máy, mà giúp bạn đọc báo cáo bình tĩnh hơn: hiểu vì sao một câu rất bình thường lại bị tô màu, vì sao hai phần mềm ra hai con số, và khi nào nên hỏi lại người hướng dẫn thay vì vội sửa câu chữ. Phần dưới đi lần lượt từng chỗ, kèm ví dụ giả định.

Máy so văn bản bằng những mẩu chữ nhỏ

Hầu hết phần mềm kiểm trùng không đọc hiểu bài như người. Chúng cắt văn bản thành những mẩu ngắn liên tiếp, mỗi mẩu vài đơn vị chữ, rồi tìm xem mẩu đó có xuất hiện trong kho nguồn hay không. Đơn vị chữ ở đây là gì quyết định gần hết độ chính xác. Với tiếng Anh, khoảng trắng gần như trùng với ranh giới từ, nên cắt theo khoảng trắng là đủ dùng. Với tiếng Việt, khoảng trắng chỉ tách từng âm tiết, mà một từ có thể gồm một, hai, ba hoặc bốn âm tiết.

Thử hình dung câu giả định “Nghiên cứu này phân tích mối quan hệ giữa thu nhập và chi tiêu của hộ gia đình”. Nếu máy cắt mỗi mẩu gồm bốn âm tiết, những mẩu như “mối quan hệ giữa”, “của hộ gia đình” sẽ khớp với hàng nghìn bài khác, vì đó là cách nói thông dụng. Nếu máy biết “mối quan hệ”, “thu nhập”, “chi tiêu”, “hộ gia đình” là từ, nó có thể đánh trọng số khác cho những cụm đặc trưng hơn và bỏ qua cụm quá phổ biến. Cùng một câu, hai cách cắt cho hai mức báo trùng khác nhau.

Vì thế khi thấy một đoạn bị tô màu, câu hỏi đầu tiên không phải “mình chép chỗ nào” mà là “mẩu nào khớp và nó có đặc trưng không”. Một chuỗi dài nguyên văn khớp với một nguồn là dấu hiệu đáng xem. Nhiều mẩu ngắn rời rạc khớp với nhiều nguồn khác nhau thường là tiếng ồn của ngôn ngữ.

Dấu thanh: cùng một chữ, nhiều cách lưu

Một chữ có dấu có thể nằm trong máy theo hai dạng. Chữ “ệ” có thể được lưu thành một ký tự duy nhất, hoặc thành chữ “e” cộng dấu mũ cộng dấu nặng ghép lại. Trên màn hình hai dạng trông y hệt nhau, nhưng với máy chúng là hai chuỗi khác nhau. Phần mềm tử tế sẽ đưa mọi chữ về một dạng chuẩn trước khi so; phần mềm làm kém thì có thể bỏ sót đoạn trùng thật hoặc báo lệch.

Vị trí đặt dấu cũng khác nhau. Có người gõ “hoà”, có người gõ “hòa”; “thuỷ” và “thủy”. Đây là hai thói quen chính tả đều gặp trong sách báo. Máy so nguyên văn sẽ coi đó là hai chữ khác nhau, trừ khi nó gộp các biến thể lại. Bởi vậy một đoạn bạn chép từ sách nhưng gõ lại theo kiểu đặt dấu khác vẫn có thể bị phát hiện ở phần mềm gộp biến thể, và có thể lọt ở phần mềm không gộp. Lọt không có nghĩa là không chép.

Mất dấu khi sao chép giữa các chương trình. Văn bản dán qua lại giữa trình duyệt, tệp PDF và phần mềm soạn thảo đôi khi bị rơi dấu hoặc đổi dấu thành ký tự lạ. Đoạn đó khi đem kiểm sẽ khớp kém với nguồn, tỷ lệ trùng có vẻ thấp, nhưng người chấm đọc vào thấy chữ hỏng ngay. Bài viết về bảng mã trên site đi sâu hơn vào chuyện này.

Khoảng trắng chia âm tiết, không chia từ

Trong tiếng Việt, “học sinh” là một từ, “sinh học” là một từ khác, còn “học” và “sinh” đứng riêng lại mang nghĩa khác nữa. Máy muốn biết ranh giới từ thì phải chạy một bước gọi là tách từ: dựa vào từ điển và thống kê để đoán chỗ nào các âm tiết đi liền thành một từ. Bước này không bao giờ đúng tuyệt đối, nhất là với tên riêng, thuật ngữ mới và từ mượn.

Khi tách từ sai, hai hệ quả xảy ra. Thứ nhất, cụm đặc trưng bị cắt vụn thành các âm tiết phổ biến, làm máy nghĩ đoạn đó “thường thường”, dễ bỏ sót. Thứ hai, những cụm thông dụng bị gộp nhầm thành một đơn vị dài, làm máy tưởng là cụm hiếm, rồi báo trùng oan với nhiều nguồn. Người dùng không nhìn thấy bước tách từ, chỉ thấy kết quả cuối cùng.

Một số phần mềm né bước này bằng cách so theo chuỗi âm tiết dài hơn. Cách đó giảm báo oan cụm ngắn nhưng lại nhạy với việc đảo vài chữ. Không có cách nào hoàn hảo; mỗi phần mềm chọn một điểm cân bằng riêng, và đó là một lý do vì sao cùng một bài đem kiểm ở hai nơi ra hai con số không giống nhau.

Từ ghép và cụm cố định: trùng mà không phải chép

Tiếng Việt có rất nhiều từ ghép, thành ngữ, cụm hành chính và cụm học thuật cố định. Chúng xuất hiện ở hàng vạn bài, nên trùng là chuyện bình thường. Bảng dưới gợi ý cách nhìn từng loại khi gặp trong báo cáo.

Loại cụmVí dụ giả địnhCách nhìn khi bị tô màu
Cụm học thuật thông dụng“kết quả nghiên cứu cho thấy”, “trên cơ sở đó”Gần như luôn là tiếng ồn; không cần sửa nếu câu xung quanh là của bạn
Tên cơ quan, chức danh, tên văn bảntên một bộ, tên một luật, tên trườngPhải giữ nguyên; trùng là đúng
Thuật ngữ chuyên ngành nhiều âm tiết“chỉ số giá tiêu dùng”, “phương pháp hồi quy”Giữ nguyên thuật ngữ; xem câu chứa nó có phải của bạn không
Thành ngữ, tục ngữ“nước chảy đá mòn”Trùng tự nhiên; đừng lạm dụng trong văn học thuật
Chuỗi dài nhiều câu liềncả đoạn định nghĩa, cả đoạn tổng quanĐây mới là phần cần xem kỹ nguồn và trích dẫn

Quy tắc chung: độ dài và tính đặc trưng của đoạn khớp quan trọng hơn số lượng đoạn khớp. Một cụm năm âm tiết thông dụng lặp lại ở mười chỗ không nặng bằng một đoạn ba câu liền khớp với một luận văn khác.

Từ đồng nghĩa và cách diễn đạt: máy thấy tới đâu

Phần mềm so nguyên văn thường không nhận ra hai câu cùng ý nhưng khác chữ. Đây là giới hạn, không phải lỗ hổng để khai thác: người chấm đọc bài vẫn thấy cấu trúc lập luận, thứ tự ý, ví dụ giống hệt nguồn. Một số phần mềm mới hơn có thêm phép so theo nghĩa, dựa trên mô hình ngôn ngữ, nên đổi chữ giữ ý ngày càng dễ bị nêu ra.

Tiếng Việt có lớp từ Hán Việt và từ thuần Việt song song, ví dụ “phụ nữ” và “đàn bà”, “sinh viên” và “người học”. Thay qua thay lại giữa hai lớp từ làm câu lạc giọng, có khi đổi cả nghĩa, mà không làm bài thành của mình. Bài riêng về chuyện thay từ Hán Việt trên site giải thích kỹ hơn vì sao nên tránh.

Điều đáng nhớ là máy chỉ là bước sàng lọc đầu. Kết quả cuối cùng do người đọc quyết định, và người đọc trong nghề nhận ra văn đã bị “xào” rất nhanh: câu cứng, từ lạ, thuật ngữ không thống nhất giữa các chương.

Những việc nên làm khi kiểm bài tiếng Việt

Không cần hiểu sâu kỹ thuật, chỉ cần vài thói quen để kết quả kiểm phản ánh đúng bài của bạn.

  1. Soạn bài bằng phông chữ Unicode chuẩn, một kiểu bộ gõ thống nhất từ đầu tới cuối, tránh dán chữ từ nhiều nguồn mà không gõ lại.
  2. Trước khi kiểm, đọc lướt toàn bài tìm chữ lỗi dấu, chữ bị vỡ thành ký hiệu lạ; sửa cho sạch.
  3. Khi đọc báo cáo, lọc trước các đoạn khớp ngắn và thông dụng, tập trung vào chuỗi dài khớp một nguồn.
  4. Với đoạn dài khớp, mở nguồn ra so: nếu là trích dẫn thì kiểm dấu ngoặc và ghi nguồn; nếu là ý của người khác viết lại sát chữ thì viết lại bằng phân tích của mình.
  5. Nếu cùng một bài kiểm ở hai nơi ra hai con số, lấy kết quả của nơi mà trường hoặc tạp chí quy định làm chuẩn, và hỏi người hướng dẫn cách đọc.

Đừng dùng tỷ lệ của một phần mềm miễn phí để kết luận bài đã “an toàn”. Mỗi nơi có kho nguồn và cách tách chữ khác nhau; tỷ lệ chỉ có ý nghĩa khi đặt cạnh quy định của nơi nhận bài.

Vì sao điều này quan trọng với người viết

Hiểu đặc thù tiếng Việt giúp bạn tránh hai phản ứng sai. Phản ứng thứ nhất là hoảng: thấy tỷ lệ cao do cụm thông dụng rồi sửa vụn từng câu, làm bài méo mó mà tỷ lệ chẳng giảm bao nhiêu. Phản ứng thứ hai là chủ quan: thấy tỷ lệ thấp vì máy tách chữ kém rồi yên tâm nộp, trong khi đoạn chép vẫn nằm đó và người chấm đọc ra.

Cách làm bền là viết bằng giọng của mình ngay từ bản nháp, ghi nguồn đầy đủ ở mọi đoạn mượn ý, và dùng báo cáo kiểm trùng như tấm gương soi chỗ mình viết còn dựa vào nguồn quá sát. Khi bài đã thật sự là của bạn, những chỗ khó của tiếng Việt chỉ còn là chuyện kỹ thuật của máy, không còn là nỗi lo.

Nếu bạn là giảng viên, người hướng dẫn, hiểu những điều trên giúp bạn đọc báo cáo của sinh viên công bằng hơn: không phạt oan vì cụm thông dụng, và cũng không bỏ qua đoạn đã bị đổi chữ khéo léo.

Câu hỏi thường gặp

Phần mềm kiểm đạo văn tiếng nước ngoài có dùng được cho bài tiếng Việt không?

Dùng được ở mức nào đó, vì phép so chuỗi chữ không phụ thuộc nhiều vào ngôn ngữ. Nhưng nếu phần mềm không chuẩn hoá dấu và không xử lý tách từ tiếng Việt, kết quả dễ lệch. Kho nguồn tiếng Việt của nó cũng có thể mỏng, nên nhiều đoạn chép từ nguồn trong nước không bị phát hiện.

Vì sao những câu rất bình thường của mình cũng bị tô màu?

Vì tiếng Việt có rất nhiều cụm cố định như “kết quả cho thấy”, “trên cơ sở đó”, tên cơ quan, tên luật. Những cụm này có ở hàng nghìn bài nên khớp là tự nhiên. Hãy tập trung vào đoạn dài liền mạch khớp một nguồn, đó mới là chỗ cần xem.

Gõ dấu kiểu cũ hay kiểu mới có ảnh hưởng tới tỷ lệ trùng không?

Có thể có, tuỳ phần mềm có gộp các kiểu đặt dấu như “hoà” và “hòa” hay không. Nhưng chênh lệch đó không làm một đoạn chép thành bài của bạn. Người chấm đọc nội dung, và nhiều phần mềm đã gộp biến thể trước khi so.

Tách từ tiếng Việt là gì và người dùng có cần quan tâm không?

Tách từ là bước máy đoán chỗ các âm tiết ghép thành một từ, ví dụ “học sinh” là một từ chứ không phải hai. Người dùng không điều khiển được bước này, chỉ cần biết nó tồn tại để hiểu vì sao hai phần mềm cho hai kết quả khác nhau.

Kiểm cùng một bài ở hai phần mềm, nên tin con số nào?

Tin kết quả của phần mềm mà trường, khoa hoặc tạp chí nhận bài quy định, vì đó là con số hội đồng sẽ xem. Kết quả ở nơi khác chỉ để tham khảo. Quan trọng hơn con số là bạn đã đọc từng đoạn khớp và xử lý đúng chưa.

Máy có hiểu được ý nghĩa câu tiếng Việt để phát hiện viết lại không?

Phần lớn phần mềm truyền thống so chữ, không hiểu nghĩa. Một số phần mềm mới có thêm phép so theo nghĩa nên nhận ra câu đổi chữ giữ ý tốt hơn trước. Dù máy có bắt hay không, người chấm vẫn đọc ra cấu trúc lập luận giống nguồn.

Cần tư vấn cụ thể cho trường hợp của bạn?

Chúng tôi sẽ liên hệ trong vòng 24 giờ.

Đăng ký tư vấn ngay

Bài viết liên quan

Bạn cần hỗ trợ thêm?

Để lại thông tin, chúng tôi sẽ liên hệ trong 24 giờ.

hoặc
Gọi ngay 0926 138 138