Antyplagiat akademicki z obsługą cytowań

Zwykle nie — jeśli czasopismo wymaga iThenticate (Elsevier, Springer, Wiley, IEEE), zrobi to przy złożeniu tekstu. Noplag służy do iteracyjnej kontroli wersji przed złożeniem. iThenticate po $125 za dokument staje się barierą po 4 wersji; stała opłata Pro nie. Pełne porównanie z iThenticate: noplag.com/vs-ithenticate.

Prawda — luka jest realna. ProQuest to płatna baza, której nie ma w OpenAlex/CORE. Pokrywamy ~700 mln otwartych prac naukowych, to szerszy zbiór dla współczesnych badań (po Plan-S), węższy dla starszych amerykańskich dysertacji. Jeśli głównym wymogiem są amerykańskie prace doktorskie, iThenticate będzie właściwym narzędziem dla tego celu.

Wykrywamy MLA, APA, Chicago / Turabian, Harvard, Vancouver, IEEE po formacie bibliografii. Mniej popularne (ACS, AMA, ASA, Bluebook, Oxford): klasyfikacja działa głównie po cudzysłowie + nawiasach w pobliżu, walidator stylu w roadmapie v1.2. Użytkownicy self-host mogą samodzielnie dodać obsługę w alignment/.

Niższy niż przy ocenie parafraz bez cytowania, bo klasyfikacja wyklucza poprawnie cytowane fragmenty z wyniku. Nasz wynik: ~3,4% fałszywych alarmów na PAN-PC-11 (gdzie dużo cytatów). Zamknięte narzędzia nieklasyfikujące cytowań pokazują 12–18% na tym samym korpusie.

Plan Pro — można dodać listę dozwolonych autocytowań (ORCID, DOI, instytucjonalne URL). Znalezione tam fragmenty oznaczone jako AUTOCYTAT, nie liczą się do wyniku. Dla naukowców opierających nowe wnioski grantowe na wcześniejszych publikacjach — to normalne, nie plagiat.

Wykrywanie jest skalibrowane dla angielskiego, hiszpańskiego, portugalskiego, polskiego i ukraińskiego na start, kolejne języki będą dodawane. Jakość wykrywania jest testowana na PAN-PC-11; ocena dla poszczególnych języków jest w planach. Najlepsze wyniki dla języków europejskich z najdłuższą historią walidacji; nowe języki pojawiają się wraz z ukończeniem kalibracji.

Twój dział IT / DPO / IRB może sklonować github.com/NoplagLabs/noplag-engine, uruchomić silnik w piaskownicy, przeanalizować przepływ danych, sprawdzić działanie prawa do usunięcia danych oraz odtworzyć nasze opublikowane wyniki testów na własnym korpusie testowym. Bez podpisywania czegokolwiek, bez NDA, bez zaufania do naszego marketingu. Dla instytucji, które wymagają takiej głębokości weryfikacji w procesie zakupowym, to jest rozwiązanie.

Wykrywanie AI pojawi się wkrótce — jest na roadmapie v1.2, nie jest dostępne na start. Podejście to Binoculars (Hans i in. 2024), niezależne od modelu: nie wymaga trenowania pod konkretne LLM, porównuje perplexity małego modelu referencyjnego z testowanym tekstem, co daje uogólnienie. Wyniki dokładności zostaną opublikowane po zakończeniu ewaluacji funkcji, a nie przed nią, na mieszanych treściach LLM (dla detektorów trenowanych na GPT to ok. 70% na Claude-3). Publikacja metodologii opisuje przypadki błędów; nie ukrywamy ich.

Każdy fragment z flagą: DOI źródła, data indeksu, commit silnika, powód. Sprawdzenie na tym commicie powtórzy ten sam wynik. Raport można pokazać na spotkaniu — ścieżki cytowań są klikalne. Nie mamy trybu "zaufać wynikowi" — to domena zamkniętych narzędzi.

Apache 2.0 + Docker — całość działa lokalnie w sieci uczelni. PostgreSQL + Redis na własnym serwerze, żaden ruch nie opuszcza VPC. Przydatne do tekstów klinicznych, studiów przypadków, prac przed publikacją, które nie mogą wyjść poza chmurę uczelni. Klienci instytucjonalni dostają korpus jako paczkę do własnego indeksowania.