近年来，学术界屡屡爆出学术造假、论文抄袭 等学术不端事件，本科毕业论文和研究生论文造假 新闻也时常见诸媒体报道。 2015 年，英国大型医疗科学学术文献出版商 BioMed Central 因同行评审涉 嫌造假撤销 43 篇论文，其中 41 篇的作者来自中国 大陆[1]。 2017 年 4 月，世界最大学术出版商之一的 施普林格（Springer）宣布撤回发表在 2012－2016 年 《肿瘤生物学》（Tumor Biology）上的 107 篇论文。 这 107 篇论文全部与中国研究机构有关，涉及 524 位 作者，撤回原因是“同行评议造假” [2]。为了反学 术不端，国内各大数据库都推出了学术不端论文查重检测系统 。 山 东 中 医 药 大 学 引 进 中 国 知 识 资 源 总 库 （CNKI ） 科技期刊学术不端文献论文查重检测系统（AMLC）和万方论文查重检测系统，依照山东 省教育厅有关职称论文学术检测相关要求，对省内 部分高校提交的职称评审论文进行检测。现就检测 结果进行统计分析，从一个侧面了解本省当前学术 论文学术不端情况，为制定相关措施提供参考。
1 资料与方法
1.1 数据来源
从 2011 年开始，山东中医药大学图书馆承担了 山东省教育厅高校职称论文的学术检索工作，检测 论文来自省内医学院校和非医学院校的生物医学类 论文。因 2011 年山东省教育厅对学术检索设置的指 标（密切相关文献数量、相关文献数量和内容重合 率）与 2012 年之后有显著不同，故 2011 年的职称 论文未纳入此次统计范围。
根据山东省教育厅有关职称论文学术检测要 求，对提交论文进行如下检测：⑴中文论文原文依 次通过 CNKI、万方数据知识服务平台和维普期刊 资源整合服务平台检索下载。⑵中文论文检测首选 AMLC， CNKI 收录不全的期刊使用万方论文相似性 检测系统（CNKI 未收录 2007 年之后中华医学会系 列杂志）。⑶外文论文使用 AMLC 检测（外文论文 由作者单位审核后提交电子版原文，在 AMLC 中检 测；检测机构不能下载外文原文）。⑷进行学术不 端检测的截止日期统一为论文的收稿时间，没有注 明收稿时间的论文则使用发刊时间。
1.2 纳入标准
省内医学院校和非医学院校共 15 所高校提交的 生物医学类论文。
1.3 排除标准
⑴刊载论文的刊物未收录于数据库中，无法核 实原文，刊物存疑。⑵所提交的论文不是期刊论文 或会议论文，是以图书形式发行的论文集论文，山 东省教育厅组织专家讨论认为此类论文水平不能等 同于公开发表的期刊论文，不予以检测。⑶数据库 已收录了刊载论文的刊物，但因数据库时差未收录 刊载的当期；或因数据库回溯不全未收录刊载当期 或收载当期的目录不全；或查到的期目录未包含作 者提交的论文，论文存疑。
1.4 统计方法
2012 年，采用“去除本人学位论文会议论文文 献复制比”指标，对作者学位论文、会议论文的重合部分予以排除后，计算总复制比，未设“单篇最 大文字复制比”指标。 2013 年开始，增加“单篇最 大 文 字 复 制 比 ” 指 标 。 复 制 比 以 20% 、 30% 、 50%、 90%为分界点划分不同区间，统计每个区间内 文献篇数及所占百分比。将各年份数据输入 Excel 2007 进行统计分析。
2 结果
2012－2015 年共计有 9565 篇论文纳入统计范 围，其中中文论文 7437 篇，外文论文 2128 篇（均 为英文）。
2.1 复制比
2.1.1 去除本人学位论文会议论文文献复制比 统 计表明，历年“去除本人学位论文会议论文文献复 制比”（简称“总复制比”）合格率（＜30%）在 90%以上（见表 1）。每年均有＞5.00%的论文总复 制比高于 30%，有≥1.52%的论文总复制比高于 50%，共有 16 篇论文总复制比≥90%。
2.1.2 单篇最大文字复制比 2013－2015 年“单 篇最大文字复制比”（简称“单篇复制比”）合格 率（＜20%）均在 94%以上（见表 2）。
2.2 复制比超标情况
2013－2015 年总复制比≥30%的论文分别有 128 篇（占 5.41%）、 134 篇（占 5.40%）、 136 篇 （占 9.16%）。 2013－2015 年单篇复制比≥20%的论 文分别有 101 篇（占 4.27%）、 136 篇（占 5.48%）、 88 篇（占 5.93%）（见表 3）。 2013－2015 年均有一 定量论文总复制比＜30%但单篇复制比≥20%，提示 抄袭可能性大。而总复制比≥30%、单篇复制比＜ 20%，说明与多篇文献相似，只是累积复制比超过 30%，还应具体问题具体分析。
2.3 外文论文情况
提交论文语种分析显示，各年份提交的外文论 文比例在 20%左右， 2013－2015 年呈增高趋势（见 表 4）。
3 讨论
3.1 山东省部分高校科研文献学术不端现状
《科技工作者科学道德规范（试行）》对“学术 不端行为”的定义是：在科学研究和学术活动中的 各种造假、抄袭、剽窃和其他违背科学共同体惯例 的行为[3]。 2016 年 9 月 1 日开始施行的《高等学校 预防与处理学术不端行为办法》，将剽窃、抄袭、 侵占他人学术成果，及篡改他人研究成果列在学术 不端行为的首要位置[4]。新修订的《普通高等学校 学生管理规定》自 2017 年 9 月 1 日起施行，其中规 定，对于学位论文、公开发表的研究成果存在抄 袭、篡改、伪造等学术不端行为，情节严重的，或 者代写论文、买卖论文的，学校可以给予开除学籍 处分[5]。国内外普遍成立了第三方独立审查机构， 研制了学术不端检测系统。学术不端检测也称为论 文相似度检测、论文查重，是通过学术不端文献检 测系统对论文的主体进行识别检测的方法，通过系统的运作与计算，以“复制比”或“相似比”的直 观形式呈现检测结果。
本次统计结果表明， 2012－2015 年山东省部分 高校职称论文总复制比合格率均在 90%以上，该数 值与 CNKI 对 92 万多篇文献的检测结果相当[6]。其 中 2012－2014 年均在 94%以上，而 2015 年略低， 可能与试点院校放宽提交标准有关。
单篇最大文字复制比用于反映是否有单独抄袭 某篇论文的可能性，统计显示， 2013－2015 年每年 均有 20 篇以上的论文与其他某篇论文有 50%以上的 相似性，有的甚至达 90%以上。论文总复制比低于 30%但单篇复制比高于 20%，提示抄袭可能性大， 说明设立单篇复制比指标对防止学术不端有积极的 作用。上述结果说明，山东省高校职称论文小部分 文献单篇复制比过高，应加强原创性引导。
外文论文统计显示， 2012 年外文论文比例高于 2013、 2014 年，原因可能为 2012 年只准许提交 3 篇代表性成果，而 2013 年之后可提交多篇论文，检 测后选择其中 3 篇进行评审。外文论文比例 2013－ 2015 年有呈增高趋势，一方面说明各院校发表的外 文论文数量在增加，学术成果对外交流增多；另一 方面可能是因为目前外文论文检测结果复制比较 低，促使作者多发或多提交外文论文。
3.2 学术不端文献检测系统存在的问题
目前学术不端文献检测系统不能完全取代人工 对比，仍存在较多检测盲区，现就笔者使用过程中 发现的问题列举如下。
3.2.1 合理引用与抄袭的区分 引用政府文件、领 导人讲话、权威著作、历史材料、法律法规、诊断 疗效标准、操作规程等，被误判为段落抄袭或句子 抄袭，导致文字复制比偏高。生物医学领域的论 文，很多研究方法和临床诊疗方案是相似的，而且 论文的格式基本都是固定的，语句较为简单和通 用，如：采用 SPSS 统计软件分析数据，计量资料 以 X±S 表示，组间比较采用 t 检验；计数资料组 间比较采用 X 2 检验； P ＜0.05 为差异有统计学意 义。同一方向的研究往往查询的文献相同、采用的 技术和方法一致，就连在术语的应用和语言的表达 上也容易造成重复。同一作者在前期研究的基础上 继续深入，后期文章中前言文字、研究方法、研究 仪器、所用材料、统计学分析等很多文字说明与前 期文章一致，甚至会引用前期文章中的数据。中医 药类论文经常引用经典语句，检测系统尚不能识别这些语句出自经典著作。因此，医学类文章容易出 现文字重复，导致文字复制比偏高[7]。也有的论文 整体文字复制比偏高，但核心内容基本不重复，利 用这些系统检测医学论文的时候可能会出现检测结 果“假阳性”。检测系统遏制了明目张胆的抄袭、剽 窃，但对文化发展产生了负面影响。依据《著作权 法》作者有引用的权利，系统却不能保障[8]。此类 情况应由同行评议的方式进行补充评议。
3.2.2 检测系统收录文献完整性问题 CNKI、万 方、维普数据库与国内众多期刊均有合作，但三家 数据库所收录的期刊并不完全重合。造成各家收录 论文存在差异性，导致学术不端检测的结果出现差 异。如果抄袭了回溯建库之前的文献，则数据库无 法查实。并且 CNKI、万方数据都分别与部分科技 期刊编辑部签订了独家合作协议，意味着该刊的所 有文献只能在各自的数据库中检索到，造成其他数 据库的统计源文献的缺失。此外，目前检测系统对 图书的收录还有很大空缺，如果论文抄袭的是图书 内容，现有系统无法检测出来。
3.2.3 检测技术问题 各检测系统在工作方式、后 台数据库、算法特点（对论文关键语义片断识别检 测、字段识别、近义同义识别）等方面都存在差 异，这些在技术上的不同，会造成不同的检测系统 对同一篇论文检测时，得出不同的结论结果，而且 有时差异较大[9]。有抄袭者针对检测系统的检测原 理研究出“反反抄袭”方法，把论文写作变成了文 字游戏，通过对语句顺序的调整、同义词替换、语 句表达方式的变动而躲避系统的检测。更有甚者将 外文文献翻译成中文后发表，或将自己的中文稿件 翻译成英文再投稿。学术不端检测系统在技术上只 能检测“文字”而不能检测“思想”，从而只能避免 “文字”抄袭而不能防止“思想”抄袭的缺陷[10]。 此时需要通过同行评议的方式进行补充评议。
3.2.4 文字识别误差 对于同一篇论文，使用 Word 版与 PDF 版本进行检测会得到明显的论文重 复率的不同，这主要由两者文字识别率不同引起。 同时在检测报告中有时也会出现乱码，也是由于提 交的 PDF 版本论文或数据库中论文的文字转换差错 所导致。
3.2.5 转页文字处理错误 两篇论文共用一页或同 一篇论文排版标识为下转某一页时，检测结果可能 出现被检测论文与其自身重复或同一文字误作两篇 的错误，直接导致复制比增高，必须人工予以鉴别。
3.2.6 外文论文检测水平需提高和突破 在检测中 发现目前外文论文检测结果复制比较低，这与检测 系统收录外文文献底层数据不足、范围受限有关， 较低的复制比并不能反映出论文的真实质量水平。
3.2.7 检测报告阅读、解释 因检测系统尚未完 善，检测报告中可能存在其他问题，⑴部分外文会 议论文未标引作者，同作者提交的期刊论文重合部 分无法排除；⑵参考文献与其他论文的参考文献重 合，也计入了总重合率（虽然系统中有“去除参考 文献后复制比”指标，但是有的参考文献未被识 别）；⑶外文姓名不能自动识别，如 Xiao Yong SUN VS Xiao-Yong Sun；⑷文字识别错误，笔者曾 检测过一篇论文，检测报告显示“去除本人学位论 文会议论文文献复制比”为 43.4%，“单篇最大文 字复制比”为 18.4%。后与原文对比发现检测字数 为 376 字，与原文转换为文本后的 4001 字差别较 大，故考虑为检测系统文字转换有误。咨询相关技 术人员解释为：收录数据加工问题所致系统无法读 取原文。后经该论文以 PDF 格式原文上传检测，其 结果“去除本人学位论文会议论文文献复制比”为 0.9%，“单篇最大文字复制比”为 0.9%。
4 小结
论文抄袭是学术不端的常见形式，学术不端文 献检测系统确实对检测中文论文的内容重复情况具 有重要的实用价值，也对部分学术不端者起到了震 慑作用。本研究对山东省部分高校 4 年间 9000 多篇 职称评审论文检测结果的统计分析，部分地反映了 当前山东省高校学术论文的学术不端真实状况。学 术不端文献检测系统本身还存在一些问题，这就需 要检测人员以高度的责任心对检测报告仔细解读， 审慎出具检测结论。同时也提醒检测报告的使用机 构必须合理使用报告结果，必要时应进行人工的学 术鉴定，而不能只关注检测报告的数据。

相关文章：音乐专业本科毕业论文中存在的问题及对策