HyPlag: Wuppertaler Forscher arbeiten daran, Plagiate zuverlässiger zu erkennen

Software zur Plagiatserkennung soll dabei unterstützen, wissenschaftliche
Arbeiten auf kritische Textstellen wie z.B. nicht markierte Zitate oder
fehlende Quellenangaben zu untersuchen. Vereinfacht ausgedrückt geht das
so: Das zu überprüfende Dokument wird digitalisiert in das System geladen
und automatisch mit vorhandenen Quellen einer oder mehrerer Datenbanken
verglichen. In der Praxis stellt sich die Überprüfung als gar nicht so
leicht heraus. Wissenschaftler*innen der Universität Wuppertal arbeiten
daher an der Entwicklung von „HyPlag“ (Hybrid Plagiarism Detection) –
einem System, das leistungsfähiger und zuverlässiger in der Identifikation
auffälliger, inhaltlicher Ähnlichkeiten ist.

Beim Einsatz von Softwaresystemen zur Plagiatserkennung müssen
Nutzer*innen einiges bedenken. Effektivität und Bedienbarkeit weisen
häufig Mängel auf. Liegen die Datenbanken der genutzten Anwendungen zudem
auf Servern im Ausland, ist der Einsatz hinsichtlich des Datenschutzes
problematisch, denn nicht immer ist klar, was genau mit den Dokumenten
passiert oder welche Urheberrechte dabei an die Anbieter abgetreten
werden.

„Bei HyPlag geht es zunächst darum, ein System zu entwickeln, das mehr
leistet als den reinen Textvergleich. Um Ideen- oder Übersetzungsplagiate
in Forschungspublikationen – wie z.B. in Zeitschriftenartikeln,
Doktorarbeiten aber auch Stipendien- und Drittmittelanträgen –
aufzudecken, müssen auch Bilder, Grafiken, Formeln und Quellenverweise
überprüfbar sein“, erklärt Norman Meuschke, Wissenschaftlicher Mitarbeiter
am Lehrstuhl für Data & Knowledge Engineering von Prof. Dr. Bela Gipp.
Meuschke arbeitet im Rahmen seiner Promotion an der Entwicklung von
HyPlag.
Auf Basis bestätigter Plagiate hat das System bereits viel gelernt: „Die
Erkennung läuft gut“, bewertet Meuschke. HyPlag geht über das reine
Auffinden identischer Textstellen hinaus: So ist das System bereits in der
Lage, Paraphrasierungen zu erkennen. Außerdem arbeiten die Wissenschaftler
derzeit daran, Verfahren zu integrieren, die erkennen, wenn sich der
Schreibstil innerhalb eines Dokumentes ändert. „Solche
Schreibstiländerungen können ein Hinweis auf nicht deklarierte
Textübernahmen sein“, so Meuschke.

Dahinter stecken von den Forschern vorprogrammierte Algorithmen, ebenso
wie maschinelle Lernverfahren. Die Benutzer*innen erhalten nach erfolgter
Analyse eine Ergebnisübersicht zur schnellen Überprüfung von
identifizierten Ähnlichkeiten sowie eine detaillierte Vergleichsansicht,
um betroffene Dokumentstellen näher zu betrachten – darin enthalten sind
dann eben nicht nur identische Textstellen, auch auffällige Muster in den
verwendeten Quellenverweisen oder ein potenziell vorliegender Ideenklau
beim Anfertigen einer Grafik wird markiert. „Die Analyse von nicht-
textuellen Merkmalen, wie Quellenverweisen, Abbildungen und auch
mathematischen Inhalten, hilft, ein großes Problem aktueller Systeme, die
nur den Text analysieren, zu lösen: Übersetzungsplagiate“, erklärt
Meuschke. Zu erkennen, dass Text aus einer anderen Sprache übernommen
wurde, das war bisher kaum möglich. Auch Formeln würden aktuelle Systeme
vollkommen ignorieren, was die Analyse mathematischer Publikationen enorm
erschwert.

Mittelfristig soll HyPlag zu einer offenen Plattform entwickelt werden,
die als Serviceleistung auch von anderen Universitäten genutzt werden
kann. „Ziel ist es, einen unabhängigen Dienst aus öffentlicher Hand
bereitzustellen. Damit ließen sich auch die Themen Datenschutz und
Urheberrecht besser überblicken“, so Prof. Gipp. Doch bis es so weit ist,
sind noch einige Entwicklungsschritte notwendig, die auch finanziert
werden wollen. Meuschke: „Um eine solche Plattform zur Verfügung zu
stellen, muss natürlich auch die IT-Infrastruktur passen. Zum Beispiel
muss die Sicherheit der Nutzer*innendaten garantiert sein und sehr große
Dokumentbestände so verwaltet werden, dass das System zu überprüfende
Dokumente schnell mit ihnen vergleichen kann. Außerdem sollte das System
leistungsfähig genug sein, um auch zahlreiche gleichzeitige
Nutzer*innenanfragen verarbeiten zu können. Das bedeutet entsprechend viel
Arbeit neben der reinen Entwicklung der Erkennungsalgorithmen.“ Um diese
Pläne weiter verfolgen zu können, laufen bereits die Anträge für
Fördergelder bei der Deutschen Forschungsgemeinschaft (DFG).

„Eine Software alleine kann nie in der Lage sein, über Plagiate zu
entscheiden. Aber wir können damit das System anbieten, um eine
Expert*innenkommission, die im Verdachtsfall weitere Entscheidungen
treffen muss, zu unterstützen und ihre Arbeit um ein Vielfaches zu
erleichtern“, betonen Gipp und Meuschke.