机器学习如何解决合同欺诈

对于大学而言,合同欺诈的解决方案充其量是难以捉摸的。例如,您如何识别学生自己是否还没有完成作业的标记?

当学生将自己评估的工作外包给第三方并以自己的工作为幌子提交时,就会发生合同作弊。研究表明,有6%的大学生承认通过第三方获得了作业。

但是,新的学术研究发现,五分之三的从事合约作弊的大学生将被使用机器学习软件的标记所捕获。

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)进行的这项研究是机器学习解决这一问题的潜在希望中的首次此类研究。

在这项研究中,迪肯大学和学术诚信解决方案提供商Turnitin与24位大学标记一起工作,并要求他们从他们的学科领域中找出20套作业中的合同作弊。

然后,研究人员向他们提供了早期Authorship Investigate的Alpha版本的报告,发现当标记使用该报告时,合同作弊检测率显着提高。

道森副教授说,尽管有人建议回顾一下学生的所有作品可能是一个解决方案,但这并不完全实用。

“实际上,为每个学生阅读十几个作业并不是真正可行的。但是,使用Turnitin的Authorship Investigate这样的计算机软件更加可行,” Dawson副教授告诉The Educator。

“除了帮助标记识别联系人作弊外,诸如Authorship Investigate之类的软件还将帮助证实有关合同作弊的主张。”

道森副教授说,其他研究表明,标记者通常不报告合同作弊,因为他们认为这很耗时或难以证实。

他说:“我认为,将来像Authorship Investigate这样的软件所提供的报告将成为学术诚信程序中的关键证据。”

Turnitin的首席产品经理Mark Ricksen(与副教授Dawson和Sutherland-Smith合作进行了这项研究)表示,大学不能单独解决合同欺诈问题,他说大学需要一种更有效的方法来识别和解决合同欺诈问题,并且他们可以做到这一点。不要一个人做。

里克森告诉《教育家》杂志:“ Turnitin的作者调查工具为标记提供了有关学生是否在做自己的工作的见解。”

“通常情况下,评分是由会务人员进行的,每项任务只给他们20分钟的时间。”

Ricksen说,通过使用机器学习,该工具能够将学生提交的所有材料汇总在一起,并允许快速扫描证据的要点,帮助标记物更准确地识别可疑的学生提交的材料,并增强他们对案件升级的信心。到学术诚信办公室。

里克森说:“ Authorship Investigate生成的报告还可以大大加快合同作弊的调查过程,特别是对于跨越学校和学院的更复杂的案件而言。”

“我们知道,当标记者感到缺乏足够的证据时,常常会发现很难进一步怀疑。”

里克森说,该报告使调查人员能够收集学生工作范围内的具体差异,以帮助确定调查和听证会的方向。

他说:“虽然标记使用的是早期Authorship Investigate的Alpha版本,但这项研究强调了技术的巨大价值,可帮助标记以更好,更快,更有效的方式检测合同作弊。”

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。

相关推荐