Kiểm tra đạo văn, nói cho đúng, là kiểm tra trùng lặp: phần mềm cắt bài của bạn thành những đoạn nhỏ rồi tìm xem đoạn nào giống với văn bản đang có trong kho dữ liệu của nó. Kho đó thường gồm bốn lớp: trang web công khai mà phần mềm đã thu thập, tài liệu học thuật có thoả thuận, bài đã nộp qua hệ thống, và kho riêng do trường hay cơ quan tự nạp vào.
Phần mềm không biết bài nào là đạo văn. Nó chỉ chỉ ra chỗ giống và giống với đâu; còn đoạn giống đó có được trích dẫn đúng, có phải thuật ngữ bắt buộc hay là chép thật, là việc của người đọc báo cáo. Hiểu kho dữ liệu là bước đầu tiên để đọc đúng mọi con số về sau, vì một bài "sạch" với kho này có thể đỏ rực với kho khác.
Máy tìm chỗ giống, người kết luận đạo văn
Đạo văn là một khái niệm của liêm chính học thuật: lấy chữ, ý hoặc kết quả của người khác mà để người đọc tưởng là của mình. Đó là một kết luận có yếu tố ý định và hoàn cảnh, nên chỉ con người (giảng viên, hội đồng, ban biên tập) mới đưa ra được. Phần mềm làm một việc hẹp hơn nhiều: tìm những chuỗi chữ trong bài của bạn khớp với chuỗi chữ đã có ở nơi khác. Vì vậy trong giới làm thư viện và quản lý đào tạo, người ta hay gọi công cụ này là phần mềm kiểm tra trùng lặp hoặc phần mềm phát hiện tương đồng, còn tên "kiểm tra đạo văn" là cách gọi quen miệng.
Sự khác biệt này không phải chuyện chữ nghĩa. Một đoạn trích dẫn có ngoặc kép và ghi nguồn đầy đủ vẫn là trùng lặp trong mắt phần mềm, nhưng không phải đạo văn. Ngược lại, một đoạn chép từ cuốn sách giấy chưa ai số hoá sẽ không hiện ra trong báo cáo, dù đó là đạo văn rõ ràng. Phần mềm giỏi ở chỗ quét nhanh hàng triệu văn bản mà mắt người không làm nổi; nó yếu ở chỗ không hiểu ngữ cảnh. Cả người viết lẫn người chấm đều cần giữ ranh giới này trong đầu mỗi khi nhìn vào một con số phần trăm.
Từ đây có một hệ quả thực tế: câu hỏi đầu tiên khi cầm một báo cáo không phải "bao nhiêu phần trăm" mà là "đã so với những gì". Bốn mục tiếp theo đi qua từng lớp kho dữ liệu mà các phần mềm phổ biến thường dùng.
Lớp thứ nhất: trang web công khai mà phần mềm đã thu thập
Hầu hết phần mềm, kể cả loại miễn phí, đều có một bộ thu thập tự động đi đọc các trang web công khai giống như máy tìm kiếm, rồi lưu chữ lại thành chỉ mục để so. Lớp này bao gồm báo điện tử, blog, diễn đàn, trang chia sẻ tài liệu, trang của doanh nghiệp, các trang đăng lại luận văn và tiểu luận. Với sinh viên, đây là lớp hay gây trùng nhất, vì phần cơ sở lý thuyết của rất nhiều đề tài đã được đăng đi đăng lại trên các trang chia sẻ tài liệu.
Có ba điều cần biết về lớp này. Thứ nhất, phần mềm chỉ thấy những gì nó đã thu thập, không phải toàn bộ mạng. Trang cần đăng nhập, nhóm kín trên mạng xã hội, tệp nằm trong ổ lưu trữ chia sẻ riêng thường không có trong chỉ mục. Thứ hai, chỉ mục có độ trễ: một trang mới đăng hôm qua có thể chưa được đưa vào. Thứ ba, chỉ mục cũng có trí nhớ: một trang đã bị xoá nhưng phần mềm từng lưu thì vẫn có thể hiện ra trong danh sách nguồn, kèm địa chỉ không còn mở được.
Vì vậy, khi báo cáo chỉ ra một nguồn là trang chia sẻ tài liệu nào đó, điều đó không có nghĩa bạn đã chép từ trang ấy. Rất có thể cả bạn và trang ấy cùng lấy từ một giáo trình gốc. Nhiệm vụ của người đọc báo cáo là lần về nguồn gốc thật của đoạn văn, và kiểm tra xem bạn đã ghi nguồn gốc đó chưa.
Lớp thứ hai: kho tài liệu học thuật có thoả thuận
Các phần mềm trả phí dùng cho trường đại học và tạp chí thường có thêm một kho lớn gồm bài báo khoa học, kỷ yếu hội thảo, sách chuyên khảo, có được nhờ thoả thuận với nhà xuất bản và cơ sở dữ liệu học thuật. Phần lớn những tài liệu này nằm sau tường phí, máy tìm kiếm thông thường không đọc được toàn văn, nên chỉ phần mềm có thoả thuận mới so được.
Với người viết tiếng Việt, lớp này có một điểm lệch đáng lưu ý: kho học thuật quốc tế chủ yếu là tiếng Anh và các ngôn ngữ lớn khác. Tạp chí khoa học trong nước, kỷ yếu hội thảo cấp trường, giáo trình của các nhà xuất bản đại học Việt Nam có mặt trong kho ít hay nhiều tuỳ từng phần mềm và từng thời điểm. Do đó, một luận văn tiếng Việt chép từ một bài tạp chí trong nước có thể lọt qua phần mềm quốc tế, nhưng lại bị bắt ngay bởi một phần mềm trong nước có kho tiếng Việt dày hơn.
Một trường hợp riêng là bài dịch. Nếu bạn dịch một đoạn từ bài báo tiếng Anh sang tiếng Việt mà không ghi nguồn, phần lớn phần mềm so chữ thông thường sẽ không thấy, vì chuỗi chữ đã khác hoàn toàn. Một số hệ thống có chức năng so khác ngôn ngữ, nhưng đây là tính năng không phổ biến và độ chính xác không đồng đều. Không bị bắt không có nghĩa là được phép: dịch ý của người khác vẫn phải ghi nguồn.
Lớp thứ ba: kho bài đã nộp qua hệ thống
Đây là lớp mà người viết ít nghĩ tới nhất. Nhiều phần mềm dành cho giáo dục giữ lại bài mà sinh viên đã nộp, để lần sau có bài khác giống thì phát hiện được. Kho này có thể chỉ trong phạm vi một trường, hoặc dùng chung cho mọi trường dùng cùng phần mềm, tuỳ cách cài đặt của từng đơn vị. Nhờ lớp này mà giảng viên phát hiện được chuyện một bài tiểu luận được dùng lại qua nhiều khoá, hay hai sinh viên ở hai lớp nộp gần như cùng một bài.
Mặt trái của lớp này là bạn có thể bị báo trùng với chính mình. Nếu bản nháp chương một đã được nộp qua hệ thống ở chế độ lưu, thì khi nộp bản hoàn chỉnh, phần mềm sẽ coi bản nháp đó là một nguồn và báo trùng rất cao. Tương tự với khoá luận cử nhân được phát triển thành luận văn thạc sĩ, hay bài nhóm mà mỗi thành viên nộp một bản. Những trường hợp này không phải gian lận, nhưng phải giải trình, và cách tốt nhất là hỏi trước chế độ lưu bài của hệ thống.
Lớp này cũng giải thích vì sao bài của bạn có thể "sạch" khi tự kiểm bằng công cụ miễn phí nhưng lại trùng cao khi trường kiểm: công cụ miễn phí không có quyền truy cập vào kho bài nộp của trường. Hai con số khác nhau không có nghĩa một bên sai, chỉ là hai bên nhìn vào hai kho khác nhau.
Lớp thứ tư: kho riêng do đơn vị tự nạp
Ngoài kho chung của nhà cung cấp, nhiều trường, viện và cơ quan được phép tự nạp thêm tài liệu riêng: giáo trình nội bộ, đề tài nghiên cứu cấp cơ sở, luận văn của các khoá trước đã lưu ở thư viện, báo cáo của đơn vị. Những tài liệu này thường chưa bao giờ xuất hiện trên mạng, nên chỉ phần mềm của đúng đơn vị đó mới so được. Một số trường xây dựng hẳn kho luận văn số hoá của riêng mình qua nhiều năm, và đây thường là nguồn phát hiện trùng lặp chính xác nhất cho các đề tài lặp lại theo năm.
Ở ngoài trường học, các tạp chí khoa học cũng có thể so bài gửi đến với kho bài đã đăng của chính tạp chí, kể cả những số cũ chưa đưa lên mạng. Doanh nghiệp làm nội dung có thể nạp toàn bộ bài đã xuất bản của mình để kiểm xem người viết thuê có dùng lại bài cũ không.
Điều đáng rút ra là: không có công cụ nào bên ngoài giả lập được lớp kho này. Nếu bạn muốn biết trước con số mà trường sẽ thấy, cách chắc chắn nhất là kiểm qua đúng hệ thống của trường, thường thông qua thư viện, phòng quản lý đào tạo hoặc người hướng dẫn, theo quy trình mà đơn vị cho phép.
So sánh bốn lớp kho dữ liệu
Bảng dưới đây gói gọn mỗi lớp kho có gì, thường thiếu gì, và điều đó ảnh hưởng thế nào tới con số trong báo cáo của bạn. Mức độ cụ thể khác nhau giữa các phần mềm và thay đổi theo thời gian, nên hãy coi đây là khung để hỏi chứ không phải mô tả một sản phẩm cụ thể.
| Lớp kho | Thường có | Thường thiếu | Ảnh hưởng tới báo cáo |
|---|---|---|---|
| Trang web công khai | Báo điện tử, blog, trang chia sẻ tài liệu, trang doanh nghiệp | Trang cần đăng nhập, nhóm kín, trang quá mới | Hay báo trùng phần lý thuyết phổ biến; nguồn hiện ra chưa chắc là nguồn gốc |
| Tài liệu học thuật | Bài báo, kỷ yếu, sách chuyên khảo có thoả thuận | Nhiều tạp chí, giáo trình trong nước; sách giấy chưa số hoá | Bắt tốt bài chép tiếng Anh; với tiếng Việt tuỳ phần mềm |
| Bài đã nộp qua hệ thống | Tiểu luận, khoá luận, luận văn đã nộp ở chế độ lưu | Bài nộp bằng giấy, bài kiểm ở chế độ không lưu | Phát hiện bài dùng lại qua khoá; có thể báo trùng với bản nháp của chính bạn |
| Kho riêng của đơn vị | Giáo trình nội bộ, đề tài cũ, luận văn lưu ở thư viện | Mọi thứ ngoài đơn vị | Chỉ đúng hệ thống của đơn vị mới thấy; công cụ bên ngoài không giả lập được |
Đọc bảng theo chiều ngang, bạn sẽ thấy vì sao không có con số trùng lặp nào là tuyệt đối. Con số luôn đi kèm câu "so với kho nào, vào thời điểm nào". Khi trao đổi với người hướng dẫn hay hội đồng, việc nêu được điều này cho thấy bạn hiểu báo cáo chứ không chỉ nhìn phần trăm.
Những câu nên hỏi trước khi kiểm
Trước khi đưa bài vào bất kỳ phần mềm nào, đặc biệt là bài sắp nộp chính thức, mấy câu hỏi dưới đây giúp bạn tránh phần lớn các tình huống khó xử. Bạn có thể hỏi thư viện, người hướng dẫn hoặc đọc phần hướng dẫn của chính công cụ.
- Công cụ này so với những lớp kho nào? Chỉ trang web, hay có cả tài liệu học thuật và kho bài nộp? Có kho tiếng Việt đáng kể không?
- Bài của mình có bị lưu vào kho sau khi kiểm không? Nếu có, lần nộp chính thức sau đó có thể bị báo trùng với chính bài này.
- Đơn vị nhận bài dùng công cụ nào và cài đặt ra sao? Có loại trừ phần trích dẫn trong ngoặc kép, danh mục tài liệu tham khảo, các nguồn chiếm tỷ lệ rất nhỏ không?
- Quy định hiện hành của trường, khoa hoặc tạp chí nói gì về trùng lặp? Mỗi nơi có cách tính và cách xử lý riêng, và quy định có thể được sửa theo năm học.
- Bài có chứa dữ liệu cá nhân hay thông tin cần giữ kín không? Nếu có, hãy che hoặc bỏ phần đó trước khi tải lên một công cụ bên ngoài.
Trả lời được năm câu này, bạn sẽ đọc báo cáo bằng con mắt khác: không hoảng khi thấy một con số cao, cũng không yên tâm quá sớm khi thấy một con số thấp. Báo cáo trùng lặp là tấm bản đồ chỉ chỗ cần xem lại, không phải bản án.
Câu hỏi thường gặp
Phần mềm kiểm tra đạo văn có so với toàn bộ internet không?
Không. Phần mềm chỉ so với những trang nó đã thu thập và lưu vào chỉ mục. Trang cần đăng nhập, nhóm kín, tệp chia sẻ riêng và trang vừa mới đăng thường không có. Vì thế không có công cụ nào kiểm được "toàn bộ internet", dù quảng cáo nói gì.
Kiểm tra đạo văn và kiểm tra trùng lặp có phải là một không?
Trong cách nói hằng ngày thì người ta dùng lẫn. Nói chính xác, phần mềm chỉ kiểm tra trùng lặp, tức là tìm chỗ giống. Còn có phải đạo văn hay không thì cần người đọc xem đoạn giống đó có ghi nguồn, có phải thuật ngữ bắt buộc, có phải trích dẫn hợp lệ hay không.
Vì sao công cụ miễn phí báo bài sạch mà trường kiểm lại trùng cao?
Thường vì hai bên so với hai kho khác nhau. Công cụ miễn phí hầu như chỉ có trang web công khai, còn hệ thống của trường có thêm tài liệu học thuật, kho bài đã nộp và kho riêng do trường nạp. Đoạn trùng với luận văn khoá trước lưu ở thư viện chỉ hệ thống của trường mới thấy.
Sách giấy chưa đưa lên mạng có bị phần mềm phát hiện không?
Nếu sách đó chưa được số hoá và chưa nằm trong kho nào của phần mềm thì đoạn chép từ sách sẽ không hiện ra. Nhưng người chấm am hiểu lĩnh vực vẫn có thể nhận ra, và việc không bị máy bắt không thay đổi nghĩa vụ ghi nguồn của người viết.
Làm sao biết trường dùng phần mềm nào để kiểm luận văn?
Cách chắc chắn nhất là hỏi thư viện, phòng quản lý đào tạo sau đại học hoặc người hướng dẫn, và đọc văn bản quy định hiện hành về kiểm tra trùng lặp của trường. Văn bản đó thường nêu công cụ, quy trình nộp và cách xử lý kết quả.
Bài dịch từ tiếng Anh sang tiếng Việt có bị báo trùng không?
Phần lớn phần mềm so chữ thông thường không thấy bài dịch vì chuỗi chữ đã khác hẳn. Một số hệ thống có so khác ngôn ngữ nhưng không phổ biến. Dù máy thấy hay không, dịch ý của người khác mà không ghi nguồn vẫn là vi phạm liêm chính học thuật.