机器学习怎么处理合同诈骗

关于大学而言,合同诈骗的处理方案充其量是难以捉摸的。例如,您怎么辨认学生自己是否还没有完结作业的符号?

当学生将自己评价的作业外包给第三方并以自己的作业为幌子提交时,就会发作合同做弊。研讨标明,有6%的大学生供认经过第三方取得了作业。

可是,新的学术研讨发现,五分之三的从事合约做弊的大学生将被运用机器学习软件的符号所捕获。

迪肯大学副教授菲利普·道森(Phillip Dawson)和温迪·萨瑟兰·史密斯(Wendy Sutherland-Smith)进行的这项研讨是机器学习处理这一问题的潜在期望中的初次此类研讨。

在这项研讨中,迪肯大学和学术诚信处理方案供给商Turnitin与24位大学符号一同作业,并要求他们从他们的学科领域中找出20套作业中的合同做弊。

然后,研讨人员向他们供给了前期Authorship Investigate的Alpha版别的陈述,发现当符号运用该陈述时,合同做弊检测率明显进步。

道森副教授说,尽管有人建议回忆一下学生的一切著作可能是一个处理方案,但这并不彻底有用。

“实际上,为每个学生阅览十几个作业并不是真实可行的。可是,运用Turnitin的Authorship Investigate这样的计算机软件愈加可行,” Dawson副教授告知The Educator。

“除了协助符号辨认联络人做弊外,比如Authorship Investigate之类的软件还将协助证明有关合同做弊的建议。”

道森副教授说,其他研讨标明,符号者一般不陈述合同做弊,由于他们以为这很耗时或难以证明。

他说:“我以为,将来像Authorship Investigate这样的软件所供给的陈述将成为学术诚信程序中的要害依据。”

Turnitin的首席产品司理Mark Ricksen(与副教授Dawson和Sutherland-Smith协作进行了这项研讨)表明,大学不能独自处理合同诈骗问题,他说大学需求一种更有用的方法来辨认和处理合同诈骗问题,而且他们可以做到这一点。不要一个人做。

里克森告知《教育家》杂志:“ Turnitin的作者查询东西为符号供给了有关学生是否在做自己的作业的见地。”

“一般情况下,评分是由会务人员进行的,每项使命只给他们20分钟的时刻。”

Ricksen说,经过运用机器学习,该东西可以将学生提交的一切资料汇总在一同,并答应快速扫描依据的关键,协助符号物更精确地辨认可疑的学生提交的资料,并增强他们对案子晋级的决心。到学术诚信办公室。

里克森说:“ Authorship Investigate生成的陈述还可以大大加速合同做弊的查询过程,特别是关于跨过校园和学院的更杂乱的案子而言。”

“咱们知道,当符号者感到缺少满足的依据时,常常会发现很难进一步置疑。”

里克森说,该陈述使查询人员可以搜集学生作业范围内的详细差异,以协助确认查询和听证会的方向。

他说:“尽管符号运用的是前期Authorship Investigate的Alpha版别,但这项研讨强调了技能的巨大价值,可协助符号以更好,更快,更有用的方法检测合同做弊。”

郑重声明:本文版权归原作者一切,转载文章仅为传达更多信息之意图,如作者信息符号有误,请第一时刻联络咱们修正或删去,多谢。

相关引荐