SaoChep.comSao Chép
Hiểu về kiểm tra trùng lặp

Vì sao hai phần mềm kiểm tra trùng lặp cho hai tỷ lệ khác nhau với cùng một bài

Cùng một bài, công cụ này báo năm phần trăm, công cụ kia báo hai mươi. Nguyên nhân nằm ở kho so sánh, cách cắt cụm, cài đặt loại trừ và cách xử lý tiếng Việt.

Two laptops side by side on a cafe table in Da Nang, both displays blank and softly blurred, a young man leaning back thoughtfully, golden hour window light, shallow depth of field

Hai phần mềm cho hai tỷ lệ khác nhau với cùng một bài vì chúng so với hai kho dữ liệu khác nhau, cắt văn bản theo cách khác nhau, đặt ngưỡng khớp khác nhau và loại trừ những phần khác nhau. Không bên nào nhất thiết sai; mỗi con số chỉ đúng trong khung của công cụ đã tạo ra nó.

Với người viết, hệ quả thực tế rất rõ: con số đáng tin để biết bài có đạt yêu cầu hay không là con số do đúng công cụ, đúng cài đặt của nơi nhận bài đưa ra. Công cụ khác chỉ nên dùng để tìm những đoạn cần xem lại, không dùng để đoán trước kết quả chính thức. Phần dưới đi qua từng nguyên nhân, kèm cách nhận biết trong báo cáo.

Nguyên nhân thứ nhất: hai kho dữ liệu khác nhau

Đây là nguyên nhân lớn nhất và thường giải thích phần lớn chênh lệch. Một công cụ miễn phí trên mạng thường chỉ so với trang web công khai nó thu thập được, đôi khi chỉ dựa vào kết quả của một máy tìm kiếm cho vài câu chọn ngẫu nhiên trong bài. Hệ thống của trường thường có thêm kho tài liệu học thuật, kho bài đã nộp của sinh viên và kho riêng do trường nạp, như luận văn các khoá trước lưu ở thư viện. Một đoạn chép từ luận văn khoá trước chưa từng đăng lên mạng sẽ trắng tinh với công cụ thứ nhất và đỏ rực với công cụ thứ hai.

Ngay cả hai hệ thống trả phí cũng có kho khác nhau. Một công cụ mạnh về tài liệu tiếng Anh có thể có rất ít tạp chí khoa học trong nước; một công cụ phát triển trong nước có thể có kho luận văn, tạp chí tiếng Việt dày hơn nhưng ít tài liệu quốc tế. Bài có phần tổng quan dựa nhiều vào tài liệu tiếng Việt sẽ cho kết quả rất khác giữa hai loại.

Cách nhận biết: nhìn danh sách nguồn trong hai báo cáo. Nếu báo cáo có tỷ lệ cao hơn chứa nhiều nguồn dạng "bài nộp của sinh viên" hay tài liệu thư viện mà báo cáo kia không có, thì chênh lệch đến từ kho, không phải từ cách tính.

Nguyên nhân thứ hai: cách cắt cụm và ngưỡng khớp

Mỗi phần mềm chọn độ dài cụm chữ để so và ngưỡng tối thiểu để một đoạn khớp được tính. Công cụ đặt cụm ngắn và ngưỡng thấp sẽ tô màu nhiều mảnh vụn: tên cơ quan, cụm từ chuyên môn thông dụng, những câu mở đầu quen thuộc kiểu "trong bối cảnh hiện nay". Công cụ đặt cụm dài và ngưỡng cao chỉ tô màu những đoạn liền mạch, bỏ qua mảnh vụn.

Kết quả là cùng một bài, công cụ thứ nhất có thể báo tỷ lệ cao với hàng chục nguồn mỗi nguồn chiếm một chút, công cụ thứ hai báo tỷ lệ thấp với vài nguồn rõ rệt. Bài thật sự có vấn đề thường lộ ra ở cả hai: một đoạn chép dài liền mạch sẽ khớp bất kể ngưỡng nào. Bài không có vấn đề thì khác nhau chủ yếu ở phần mảnh vụn.

Cách nhận biết: nhìn độ dài các đoạn bị tô màu. Nếu chênh lệch chủ yếu nằm ở những cụm ba bốn chữ rải rác thì không đáng lo. Nếu một công cụ thấy cả đoạn văn dài mà công cụ kia không thấy, quay lại nguyên nhân thứ nhất: rất có thể nguồn của đoạn đó chỉ có trong một kho.

Nguyên nhân thứ ba: cài đặt loại trừ

Nhiều hệ thống cho phép người kiểm, thường là giảng viên hay cán bộ thư viện, chọn loại trừ một số phần khỏi tỷ lệ: đoạn trong ngoặc kép, danh mục tài liệu tham khảo, nguồn chiếm dưới một ngưỡng nhỏ, đôi khi cả những đoạn khớp ngắn hơn một số chữ nhất định. Công cụ miễn phí thường không có những tuỳ chọn này, hoặc có nhưng mặc định tắt.

Chênh lệch do cài đặt loại trừ có thể rất lớn ở những bài nhiều trích dẫn. Một luận văn ngành luật trích nguyên văn nhiều điều khoản, có ngoặc kép và ghi nguồn đầy đủ, có thể chênh nhau hàng chục điểm phần trăm giữa lần kiểm có loại trừ trích dẫn và lần không loại trừ. Danh mục tài liệu tham khảo dài vài trang cũng đóng góp đáng kể nếu không được loại.

Cách nhận biết: phần lớn báo cáo có ghi cấu hình đã dùng ở đầu hoặc cuối. Nếu không thấy, hãy hỏi người kiểm. Khi tự kiểm, bạn nên biết rõ quy định hiện hành của trường cho phép loại trừ những gì, để không tự làm mình hoảng với một con số mà hội đồng sẽ không dùng.

Nguyên nhân thứ tư: xử lý tiếng Việt

Tiếng Việt có những đặc điểm mà công cụ làm cho tiếng Anh không nhất thiết xử lý tốt. Thứ nhất là dấu: chữ có dấu có thể lưu theo dạng dựng sẵn hoặc dạng tổ hợp, nếu công cụ không đưa về một dạng thì hai đoạn giống hệt nhau trên màn hình vẫn có thể không khớp. Thứ hai là tách từ: khoảng trắng trong tiếng Việt ngăn cách âm tiết chứ không phải từ, nên công cụ cắt cụm theo âm tiết và công cụ cắt theo từ sẽ cho những điểm khớp khác nhau. Thứ ba là tệp đầu vào: PDF tiếng Việt xuất từ các phần mềm khác nhau đôi khi bị lỗi ký tự khi trích chữ, làm hỏng một phần văn bản trước cả khi so.

Vì những lý do đó, một công cụ có thể báo tỷ lệ thấp bất thường với bài tiếng Việt không phải vì bài sạch mà vì nó đọc sai chữ. Ngược lại, công cụ được xây cho tiếng Việt có thể bắt được nhiều hơn. Khi chênh lệch lớn mà danh sách nguồn không giải thích được, hãy kiểm số chữ được phân tích trong báo cáo và mở thử vài đoạn xem chữ có hiển thị đúng dấu không.

Nguyên nhân thứ năm: mẫu số và thời điểm kiểm

Tỷ lệ là một phép chia, nên chỉ cần mẫu số khác là kết quả khác. Có công cụ tính trên toàn bộ tệp, kể cả trang bìa, lời cam đoan, mục lục, phụ lục; có công cụ chỉ tính trên phần thân nếu người kiểm đã cắt bớt. Phụ lục chứa bảng hỏi chuẩn hay văn bản luật nguyên văn có thể đẩy tỷ lệ lên đáng kể khi được tính vào.

Thời điểm kiểm cũng quan trọng. Kho dữ liệu được bổ sung liên tục, nên cùng một công cụ kiểm cùng một bài cách nhau vài tháng có thể ra kết quả khác: có thêm nguồn mới được đưa vào, có trang đã bị xoá khỏi chỉ mục. Đặc biệt, nếu lần kiểm đầu tiên đã lưu bài của bạn vào kho, lần kiểm sau sẽ báo trùng với chính bài đó. Đây là nguyên nhân hay gặp khi một sinh viên tự kiểm qua hệ thống của trường ở chế độ lưu, rồi nộp chính thức và thấy tỷ lệ tăng vọt.

Đối chiếu hai báo cáo của cùng một bài

Khi có trong tay hai báo cáo khác nhau, bạn có thể đặt chúng cạnh nhau theo các dòng dưới đây để tìm ra nguồn gốc chênh lệch. Số liệu trong bảng là ví dụ giả định, chỉ minh hoạ cách đọc.

Điểm cần soCông cụ tự kiểm (ví dụ giả định)Hệ thống của trường (ví dụ giả định)Rút ra
Tỷ lệ tổngKhoảng sáu phần trămKhoảng hai mươi hai phần trămChênh lệch lớn, cần tìm nguyên nhân
Số chữ được phân tíchGần bằng số chữ của bàiGần bằng số chữ của bàiKhông phải lỗi đọc tệp
Nguồn lớn nhấtMột trang chia sẻ tài liệu, chiếm hai phần trămMột luận văn khoá trước lưu ở thư viện, chiếm mười một phần trămChênh lệch chủ yếu do kho riêng của trường
Cấu hìnhKhông loại trừ gìLoại trừ trích dẫn và tài liệu tham khảoHệ thống của trường thậm chí còn nhẹ tay hơn ở phần trích dẫn
Việc cần làmMở luận văn khoá trước, đối chiếu đoạn trùng, ghi nguồn hoặc viết lại

Trong ví dụ này, công cụ tự kiểm cho người viết một cảm giác an toàn sai, vì nó không có quyền truy cập kho luận văn của trường. Đây là tình huống phổ biến nhất khiến người viết bất ngờ, và cũng là lý do nên hỏi về khả năng kiểm thử qua hệ thống chính thức trước hạn nộp.

Vậy nên tin con số nào

Nếu câu hỏi là "bài có đạt yêu cầu của nơi nhận không", chỉ có một con số đáng tin: con số do đúng hệ thống, đúng cài đặt mà nơi nhận dùng. Nhiều trường cho phép sinh viên, học viên kiểm thử qua thư viện hoặc người hướng dẫn trước khi nộp chính thức; hãy hỏi quy trình cụ thể và hỏi rõ lần kiểm thử có lưu bài vào kho hay không.

Nếu câu hỏi là "bài còn đoạn nào cần xem lại", thì công cụ nào cũng có ích, và dùng hai công cụ còn tốt hơn một vì chúng nhìn vào những kho khác nhau. Lúc đó đừng nhìn tỷ lệ mà nhìn danh sách đoạn bị tô màu: đoạn nào chưa ghi nguồn, đoạn nào chép liền mạch, đoạn nào là phần lẽ ra phải do bạn tự phân tích.

Điều không nên làm là chạy bài qua nhiều công cụ rồi chọn con số đẹp nhất để báo cáo, hay sửa bài cho đến khi một công cụ miễn phí báo không phần trăm. Con số đẹp ở công cụ sai không giúp gì khi hội đồng mở báo cáo của hệ thống chính thức.

Câu hỏi thường gặp

Công cụ miễn phí báo năm phần trăm, trường báo hai mươi phần trăm, bên nào đúng?

Cả hai đều có thể đúng trong phạm vi kho của mình. Trường thường có thêm kho tài liệu học thuật, kho bài nộp và luận văn các khoá trước nên thấy nhiều hơn. Con số dùng để xét bài là con số của hệ thống trường theo quy định hiện hành.

Có nên dùng nhiều công cụ để kiểm cùng một bài không?

Có thể, nếu mục đích là tìm thêm đoạn cần xem lại, vì mỗi công cụ nhìn vào kho khác nhau. Đừng dùng để chọn ra con số đẹp nhất, vì con số đó không có giá trị với nơi nhận bài. Nhớ che thông tin cá nhân trước khi tải lên công cụ lạ.

Vì sao kiểm lại cùng một công cụ mà tỷ lệ tăng?

Thường do kho đã được bổ sung nguồn mới, hoặc do lần kiểm trước đã lưu bài của bạn vào kho nên lần sau báo trùng với chính nó. Mở danh sách nguồn xem nguồn lớn nhất có phải là bài của chính mình không.

Công cụ quốc tế có kiểm tốt bài tiếng Việt không?

Tuỳ công cụ và tuỳ thời điểm. Có công cụ xử lý dấu và tách từ tiếng Việt tốt, có công cụ không; kho tài liệu tiếng Việt cũng dày mỏng khác nhau. Hãy kiểm thông tin của công cụ ở phiên bản hiện hành và xem số chữ được phân tích có hợp lý không.

Làm sao biết người kiểm đã loại trừ những gì?

Phần lớn báo cáo có ghi cấu hình ở đầu hoặc cuối: có loại trừ trích dẫn, tài liệu tham khảo, nguồn nhỏ hay không. Nếu không thấy, hãy hỏi trực tiếp người kiểm hoặc thư viện. Đừng đoán, vì loại trừ có thể làm chênh hàng chục điểm.

Có thể yêu cầu trường kiểm lại bằng công cụ khác không?

Điều này phụ thuộc quy định của từng trường. Thông thường đơn vị dùng một hệ thống cố định; nếu bạn thấy kết quả có vấn đề, như báo trùng với bài của chính mình, cách hợp lý là giải trình kèm bằng chứng và đề nghị xem xét lại theo quy trình hiện hành.

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