به گزارش گروه علم و فناوری ایسکانیوز، تقلب یک مشکل جدی در دبیرستان ها و دانشگاه های آمریکاست. طبق اعلام مرکز بین المللی درسی دانشگاهی (ICAI)، حدود 68٪ دانشجویان مقطع کارشناسی و حدود 43٪ از دانشجویان تحصیلات تکمیلی به تقلب در آزمون یا در تکالیف کتبی، اعتراف کرده اند.
حتی دانشگاه هایی مانند هاروارد، استنفورد و دوک نیز نتوانسته اند از رسوایی های تقلب فرار کنند. این مشکل در دبیرستان ها نیز شیوع زیادی دارد.
پیش از این مدارس و دانشگاه ها به دنبال راه هایی برای جلوگیری از تقلب بودند. اکنون می توان از هوش مصنوعی برای این منظور بهره برد. فناوری های جدیدی وجود دارد که دانشگاه ها می توانند برای جلوگیری از تقلب و سرقت ادبی از آن ها استفاده کنند.
Turnitin
Turnitin یک سرویس آنلاین شناسایی سرقت ادبی است که در سال 1997 راه اندازی شد. هزاران موسسه دانشگاهی از این سرویس وب برای بررسی دقیق کارهای نوشتاری دانشجویان استفاده میکنند. Turnitin برای فرار از تقلب و سرقت ادبی از یادگیری ماشین، بینایی کامپیوتر و هوش مصنوعی پیشرفته استفاده میکند.
این سیستم سرقت ادبی را چک کرده و بازخوردهای بهموقع را برای دانشجویان آماده و معلمان را به طور خودکار درجهبندی میکند.
محصولات مختلف Turnitin توسط بیش از 30 میلیون دانش آموز از 15،000 K-12 و مؤسسات آموزش عالی در 153 کشور جهان مورد استفاده قرار می گیرد.
شبکه مشتریان Turnitin شامل مؤسسات آموزشی و پژوهشی، شرکت ها و دولت ها است.
این وب سرویس دارای یک بانک اطلاعاتی از میلیون ها سند، مقاله، تحقیقات، مقالات دانشگاهی، نظرسنجیها، صفحات وب و موارد دیگر برای مقایسه هر گونه تقلب است. این پایگاه داده همچنین شامل مقالات ارسالی توسط میلیونها دانشجو است.
Proctortrack
پروکتورترک ، ابزاری است که از نرم افزار تشخیص چهره برای ردیابی حرکت دانشجو در طول امتحان استفاده می کند. سیستم با انجام این کار به عنوان ناظر مجازی عمل می کند. نرم افزار تشخیص چهره حرکت دانشجویی را در طول دوره امتحان دنبال کرده، گزارشی را برای مربی تهیه و هر رفتار مشکوک را (مانند کشش برای رسیدن به چیزی یا خم شدن) پرچمگذاری میکند. این نرم افزار مواردی مانند تقلب، جستجوی آنلاین در اینترنت یا تلاش برای ارتباط با دیگران را مشخص میکند.
Proctortrack توسط «Verificent Technologies» توسعه یافته و با استفاده از این وب سایت تاکنون بیش از 5.5 میلیون تخلف کشف شده است.
Demographic data
«جمع آوری داده های جمعیتی دانشجویان» رویکرد دیگری است که توسط موسسات دانشگاهی برای مقابله با تقلب مورد استفاده قرار میگیرد. چندین موسسه در حال جمع آوری داده های جمعیت شناختی در مورد سن دانشجویان، سطح تحصیلات، خانواده و ترکیب این داده ها با اطلاعات مربوط به درگیری در کلاس برای پیش بینی شکست یا موفقیت دانشجو در دوره تحصیلی و احتمال اتمام 4 ساله دوره هستند.
اگر از داده ها این مسئله استنباط شود که دانشجو قادر به گذراندن دوره نیست، میتوان با گذاشتن دوره های اضافی احتمال انجام تقلب برای پاس کردن دروس را کمتر کرد.
همانطور که فناوری انجام تقلب در امتحانات را آسانتر کرد به طور فزاینده ای پیدا کردن افراد متقلب را نیز سهولت بخشیده است.
انتهای پیام/