Phần mềm kiểm tra trùng lặp không kết luận được bài có đạo văn hay không, không thấy nguồn nằm ngoài kho của nó, không hiểu được ý và lập luận, không kiểm được trích dẫn có đúng hay không, không đọc được chữ trong ảnh và công thức, và không đánh giá được chất lượng bài. Nó là công cụ tìm chỗ giống, rất nhanh và rất rộng, nhưng chỉ có vậy.
Biết trước những giới hạn này giúp mỗi người đặt phần mềm đúng chỗ: người viết không ảo tưởng rằng tỷ lệ thấp là bài tốt, người chấm không giao phó hết việc phán đoán cho một con số, và đơn vị đào tạo thiết kế quy trình có chỗ cho con người. Dưới đây là sáu giới hạn chính và phần việc tương ứng mà con người phải làm.
Không kết luận đạo văn
Đây là giới hạn nền tảng. Phần mềm chỉ ra chỗ giống; đạo văn là một đánh giá về việc người viết có trình bày công sức của người khác như của mình hay không. Đánh giá đó cần biết đoạn giống có được ghi nguồn không, có phải thuật ngữ hay mẫu bắt buộc không, nằm ở phần nào của bài, quy định của lĩnh vực ra sao, và đôi khi cần nghe chính người viết giải thích.
Phần mềm không có những thông tin đó. Nó không biết đoạn trong ngoặc kép kèm chú thích ở cuối trang là trích dẫn hợp lệ, trừ khi được cài đặt nhận dạng ngoặc kép, mà kể cả khi đó nó cũng không biết chú thích có trỏ đúng nguồn hay không. Nó không biết một đoạn trùng với luận văn khoá trước là vì người viết chép, hay vì cả hai cùng trích một văn bản luật dài.
Vì vậy mọi quy định nghiêm túc đều đặt bước đọc của con người sau bước kiểm của máy. Nếu bạn là người viết, đừng coi báo cáo như phán quyết; nếu bạn là người chấm, đừng để con số thay cho việc mở từng đoạn ra xem.
Không thấy nguồn nằm ngoài kho
Phần mềm chỉ so được với những gì có trong kho của nó. Sách giấy chưa số hoá, giáo trình lưu hành nội bộ của một trường khác, báo cáo không công bố của doanh nghiệp, tài liệu trong nhóm kín, bài nước ngoài sau tường phí mà nhà cung cấp không có thoả thuận: tất cả đều là vùng mù. Một đoạn chép nguyên văn từ những nguồn này sẽ không hiện ra.
Vùng mù này đặc biệt rộng với tiếng Việt, vì lượng tài liệu học thuật tiếng Việt được số hoá và đưa vào các kho lớn còn hạn chế so với tiếng Anh. Một phần mềm quốc tế có thể rất mạnh với bài tiếng Anh nhưng thấy rất ít tạp chí, giáo trình tiếng Việt.
Phần việc của con người ở đây là kiến thức lĩnh vực. Người hướng dẫn đã đọc giáo trình chuẩn của ngành sẽ nhận ra những đoạn quen thuộc. Người phản biện đã đọc nhiều luận văn cùng đề tài sẽ thấy một khung phân tích lặp lại. Không phần mềm nào thay được trí nhớ chuyên môn này.
Không hiểu ý, không thấy dữ liệu bị mượn
Như đã nói ở các bài trước của chuyên mục này, phần mềm so chữ bắt tốt trùng nguyên văn, bắt được một phần trùng ý nếu có lớp ngữ nghĩa, và gần như không thấy trùng cấu trúc. Nhưng còn một loại mượn khó thấy hơn cả: mượn dữ liệu và kết quả.
Một bảng số liệu khảo sát có thể được gõ lại với định dạng khác. Một biểu đồ có thể được vẽ lại từ số liệu của bài khác. Một mô hình hồi quy có thể được trình bày lại với tên biến khác. Phần bình luận có thể được viết mới hoàn toàn. Toàn bộ những thứ này không để lại chuỗi chữ nào trùng, nhưng phần cốt lõi của bài, phần lẽ ra phải là đóng góp riêng, lại không phải của người viết.
Tương tự, phần mềm không phát hiện được dữ liệu bịa. Một bài có số liệu khảo sát chưa từng được thu thập sẽ ra tỷ lệ trùng bằng không. Phát hiện những vấn đề này cần người theo sát quá trình nghiên cứu: xem bảng hỏi, xem dữ liệu thô, hỏi về cách thu thập. Đây là lý do người hướng dẫn nên đồng hành từ đầu, không chỉ đọc bản cuối.
Không kiểm trích dẫn đúng hay sai
Nhiều người nghĩ rằng phần mềm kiểm trùng cũng kiểm luôn trích dẫn. Thực tế, nó chỉ có thể nhận ra một đoạn nằm trong ngoặc kép để loại trừ khỏi tỷ lệ nếu được cài đặt như vậy. Nó không kiểm được nguồn ghi trong chú thích có tồn tại hay không, có đúng tác giả, năm, số trang không, và đoạn được trích có thật sự nằm trong nguồn đó không.
Giới hạn này ngày càng quan trọng khi người viết dùng trợ lý AI để tìm tài liệu. Các mô hình ngôn ngữ có thể tạo ra tài liệu tham khảo trông rất thật, đúng định dạng, với tên tác giả, tên tạp chí, năm xuất bản hợp lý, nhưng không tồn tại. Một danh mục tài liệu tham khảo như vậy qua phần mềm kiểm trùng hoàn toàn bình thường.
Phần việc của con người: người viết tự kiểm từng nguồn trong danh mục, mở ra đọc, ghi lại số trang. Người chấm kiểm xác suất vài nguồn, đặc biệt những nguồn được trích dẫn cho các nhận định quan trọng. Thư viện có thể hỗ trợ tra nguồn khi cần.
Không đọc được ảnh, công thức, bảng dạng hình
Phần mềm làm việc với chữ. Những gì không phải chữ, hoặc là chữ nằm trong hình, thường nằm ngoài phạm vi kiểm: ảnh chụp, sơ đồ, biểu đồ, công thức toán dạng đối tượng nhúng, bảng được chèn dưới dạng ảnh, đoạn văn bản được chụp màn hình rồi dán vào. Một số hệ thống có nhận dạng chữ từ ảnh, nhưng không phổ biến và độ chính xác với tiếng Việt có dấu không đồng đều.
Với các ngành kỹ thuật, khoa học tự nhiên, kinh tế lượng, phần lớn đóng góp của bài nằm ở công thức, sơ đồ và bảng kết quả. Một bài sao chép phần đó từ nguồn khác có thể qua máy rất dễ dàng. Ngoài ra, việc chèn phần chữ dưới dạng ảnh để tránh bị so là một hành vi mà người kiểm có kinh nghiệm nhận ra qua số chữ được phân tích quá thấp, và thường bị coi là cố ý qua mặt.
Phần việc của con người: đọc kỹ các hình, bảng, sơ đồ; hỏi nguồn của mỗi hình không do người viết tự làm; với bảng kết quả, đối chiếu với dữ liệu thô khi cần.
Không biết ai chép ai
Khi hai văn bản giống nhau, phần mềm chỉ thấy sự giống nhau, không thấy chiều của nó. Báo cáo ghi "bài của bạn trùng với nguồn X" không có nghĩa bạn chép từ X; có thể X chép từ bạn, hoặc cả hai cùng lấy từ một nguồn thứ ba mà phần mềm không có. Ngày hiển thị của nguồn trong báo cáo thường là ngày phần mềm thu thập trang đó, không phải ngày văn bản được viết ra.
Tình huống này xảy ra thường hơn người ta nghĩ. Một sinh viên đăng tiểu luận lên mạng xã hội hay trang cá nhân, một trang chia sẻ tài liệu lấy về đăng lại, vài năm sau sinh viên phát triển tiểu luận đó thành luận văn và bị báo trùng với trang chia sẻ. Một người viết nội dung đăng bài trên trang của mình, bài bị các trang khác chép, rồi khi kiểm lại một bài mới có đoạn tương tự, phần mềm chỉ ra các trang đã chép bài của chính người viết.
Phần việc của con người là xác định chiều. Người viết cần giữ bằng chứng về thời điểm mình tạo ra văn bản: bản nháp có ngày, tệp gốc, thư gửi người hướng dẫn, lịch sử đăng bài. Người chấm, khi thấy nguồn trùng là một trang chia sẻ hay một trang lạ, nên hỏi người viết trước khi kết luận, và xem xét khả năng bài của người viết mới là bản gốc.
Không đánh giá chất lượng, và danh sách việc của người
Một bài có tỷ lệ trùng thấp có thể vẫn là bài kém: lập luận rời rạc, phương pháp không phù hợp, kết luận không dựa trên kết quả, viết dài mà không nói gì mới. Phần mềm không đo được bất kỳ điều nào trong số đó, và cũng không được thiết kế để đo. Gộp lại những giới hạn đã nêu, đây là phần việc mà người viết và người chấm cần làm bên cạnh báo cáo của máy:
- Người viết: ghi nguồn cho mọi ý lấy từ người khác, kể cả khi đã diễn đạt lại; mở ra kiểm từng tài liệu trong danh mục tham khảo; giữ bản nháp, ghi chú, dữ liệu thô làm bằng chứng quá trình.
- Người viết: tự soát hình, bảng, công thức lấy từ nguồn khác và ghi nguồn; không chèn chữ dưới dạng ảnh.
- Người hướng dẫn: đồng hành từ đề cương, xem bảng hỏi và dữ liệu thô, không chỉ đọc bản cuối.
- Người chấm: đọc danh sách nguồn và đoạn tô màu thay vì chỉ nhìn tỷ lệ; kiểm xác suất một vài trích dẫn; đặt câu hỏi về phần đóng góp riêng.
- Đơn vị đào tạo: quy định rõ phần mềm, kho, cài đặt, cách xử lý; ghi rõ con số là căn cứ để xem xét, không phải tự động kết luận.
Khi mỗi bên làm đúng phần của mình, phần mềm kiểm tra trùng lặp phát huy đúng giá trị: một công cụ khoanh vùng nhanh và rộng, giúp con người tập trung sức đọc vào những chỗ cần đọc nhất. Bài ít trùng lặp chưa chắc là bài tốt; bài tốt thì gần như luôn là bài được người viết làm cẩn thận từ đầu.
Câu hỏi thường gặp
Phần mềm kiểm tra trùng lặp có phát hiện được mọi trường hợp đạo văn không?
Không. Nó bỏ sót nguồn ngoài kho, phần diễn đạt lại, trùng cấu trúc, bản dịch, dữ liệu mượn và nội dung trong ảnh. Nó cũng không kết luận được đạo văn, chỉ chỉ ra chỗ giống để con người xem xét.
Phần mềm có kiểm tra được tài liệu tham khảo có thật hay không?
Không. Nó chỉ có thể loại trừ danh mục tài liệu tham khảo khỏi tỷ lệ, không kiểm nguồn có tồn tại, có đúng tác giả, năm, trang hay không. Người viết phải tự mở từng nguồn ra kiểm, nhất là khi có dùng trợ lý AI để tìm tài liệu.
Bài có tỷ lệ trùng thấp có phải là bài tốt không?
Không nhất thiết. Tỷ lệ chỉ đo mức giống chữ với kho dữ liệu, không đo lập luận, phương pháp, độ chính xác hay đóng góp mới. Một bài ít trùng vẫn có thể yếu về chất lượng, và ngược lại.
Hình, bảng và công thức có được phần mềm kiểm trùng không?
Phần lớn không, vì phần mềm làm việc với chữ. Một số hệ thống có nhận dạng chữ từ ảnh nhưng không phổ biến. Hình, bảng, công thức lấy từ nguồn khác vẫn phải ghi nguồn, và người chấm thường đọc kỹ phần này.
Vì sao vẫn cần người hướng dẫn đọc bài khi đã có phần mềm?
Vì phần lớn những thứ quan trọng nhất của một bài, như ý tưởng, dữ liệu, lập luận, trích dẫn có đúng không, đều nằm ngoài khả năng của phần mềm. Người hướng dẫn có kiến thức chuyên môn và theo dõi được quá trình làm, điều máy không thay được.
Phần mềm có biết dữ liệu khảo sát trong bài là bịa không?
Không. Dữ liệu bịa là dữ liệu mới, không trùng với nguồn nào nên tỷ lệ trùng bằng không. Phát hiện điều này cần xem bảng hỏi, dữ liệu thô và hỏi về quá trình thu thập.