盗用チェッカーは、文章を重なり合う小さな断片に分け、それを検索可能なフィンガープリントに変換し、ウェブページ、出版物、過去に提出されたレポートなどの大規模なコレクションと比べるという仕組みで動いています。連続する語が十分な数だけ情報源と一致すると、ツールはその一節を強調表示し、その情報源にリンクします。結果として得られるのは、あなたの文章が既存の資料とどこで重なっているかを示す類似度レポートで、それを人が読み解く必要があります。
鍵となる言葉は「類似」です。チェッカーが見つけるのは一致する文章であり、その一致が盗用かどうかを判断するわけではありません。その判断は、引用符、出典、文脈によって決まります。
ステップ1：文章の準備
比較が始まる前に、チェッカーは文書を整えます。
- Word や PDF などの形式からテキストを抽出する
- 余分なスペースの削除、句読点の統一、多くの場合小文字への変換などで正規化する
- 設定に応じて、参考文献や引用部分などを任意で除外する
正規化が重要なのは、細かな書式の違いがあっても文章を照合できるようになるからです。
ステップ2：文章をフィンガープリントに分ける
文書全体を何十億ものページと1語ずつ比べるのは、あまりにも時間がかかります。そこでチェッカーは、文章を重なり合う短い連なりに分けます。これはよく n-gram やシングルと呼ばれます。
たとえば英語の文「the industrial revolution changed working life」は、重なり合う5語ずつの断片に分けられるかもしれません。
- "the industrial revolution changed working"
- "industrial revolution changed working life"
それぞれの断片は、ハッシュと呼ばれるコンパクトなコードに変換されます。ハッシュは保存も検索も非常に高速です。多くのシステムでは、一貫したルールで選んだ一部のハッシュだけを各文書から残します。そうすることで、意味のある重なりを捉えつつ、インデックスを扱える規模に保てます。
ステップ3：データベースを検索する
次に、あなたのフィンガープリントがチェッカーのコレクション内の文書のフィンガープリントと比べられます。ツールによって、そのコレクションには次のようなものが含まれます。
| 情報源の種類 | 例 |
|---|---|
| 公開ウェブ | ウェブサイト、ブログ、オンライン百科事典、ニュース記事 |
| 出版コンテンツ | 学術誌、書籍、学会論文（ライセンス契約による） |
| 教育機関のアーカイブ | その学校やサービスに過去に提出されたレポート |
| 非公開のリポジトリ | 組織がインデックス化を選んだ内部文書 |
これが、チェッカーによって結果が違う理由です。公開ウェブだけを検索するツールでは、有料の学術誌の記事や別の大学で提出されたレポートとの一致を見逃します。Turnitin のような教育機関向けツールは学校がライセンス契約しており、無料のウェブチェッカーにはない提出物のアーカイブを含んでいます。
ステップ4：一致を見つけて位置を合わせる
フィンガープリントが一致すると、チェッカーは周辺の文章をより詳しく調べ、一致する一節全体を見つけます。あなたの文と情報源の文を並べ、どこで重なっているのかを正確に示します。
より高度なツールは、次のようなものも捉えようとします。
- 語の入れ替えや語順の変更といった小さな編集
- いくつかの語を置き換えた類義語への置き換え
- 1つの情報源の短い断片を段落中に散らした断片的なコピー
よくある3語のフレーズのようなごく短い一致は、どこにでも現れるため、通常は無視されるか低い重みしか与えられません。
ZeroTell の盗用チェッカーが検索するのは公開ウェブだけです。そのため、有料の学術誌や、学校の提出物アーカイブに保存されたレポートは対象外です。
盗用チェッカー一致するソースを検出ステップ5：類似度レポートを作る
最終的なレポートには、通常次のものが含まれます。
- 全体の類似度（パーセント）：あなたの文章のうち、ほかの情報源と一致する割合
- 文書内の強調表示された箇所（情報源ごとに色分けされることが多い）
- それぞれの寄与率つきの情報源のリスト
- 引用、参考文献、小さな一致を除外するフィルター
全体のパーセントが最も注目されますが、最も情報量が少ない部分です。正しく出典を示した引用で構成された15%は問題ありません。出典のないコピーされた1段落による6%は、本当の問題です。
盗用チェッカーにできないこと
限界を知っておくと、過剰にも過小にも反応せずに済みます。
- 意図は見えません。 引用符の付け忘れと故意のコピーは同じに見えます。
- データベースにないものは見逃します。 オフラインの書籍、非公開の文書、新しいページはインデックス化されていないことがあります。
- アイデアの盗用を確実には捉えられません。 誰かの主張を、出典なしで完全に自分の言葉に書き直すと、どの文章とも一致しないかもしれませんが、それでも盗用です。
- AI 検出ツールではありません。 AI の文章はたいてい新しく生成されたものなので、既存の情報源と一致することはまれです。検出には別の方法が必要で、AI 検出ツールの仕組みで説明しています。
- 一般常識を判断できません。 「第二次世界大戦は1945年に終わった」のようなフレーズは多くの情報源と一致しますが、出典は不要です。
自分の下書きでチェッカーを使う方法
提出前に下書きを盗用チェッカーにかけるのは賢い習慣です。ただし目的は、数値を下げることではなく本当の問題を直すことです。
- 最も大きい一致から確認する。 引用符や出典を忘れていませんか？
- 原文に近い言い換えを探す。 文が情報源の構造と大半の語を残しているなら、自分の理解をもとに書き直し、出典を示しましょう。
- すべての引用に出典があるか確認する。 引用部分の一致は想定内ですが、出典の抜けは違います。
- 参考文献リストを確認する。 使ったすべての情報源が正しい書式で載っているか確かめましょう。
- ささいな一致は気にしない。 よくあるフレーズ、専門用語、タイトルの一致は普通のことです。
教育機関のレポートの読み方について特に知りたい場合は、Turnitin の類似度レポートの読み方でよくあるケースを順に説明しています。
一致の読み方の例
歴史のエッセイに次の英語の文があるとします（工場制が初めて家庭と仕事を切り離し、工業都市の家族の日常を作り変えた、という内容です）。
The factory system separated home from work for the first time, reshaping family routines across industrial towns.
レポートはこの文を強調表示し、ほぼ同じ言い回しのオンライン百科事典のページにリンクしています。誠実な選択肢は3つあります。
- 引用する。 正確な言い回しが重要なら、引用符で囲み、出典を示します。
- 正しく言い換える。 情報源を閉じ、自分の構造でアイデアを説明し、それでも出典を示します。英語ならたとえば "Once production moved into factories, the household stopped being the main workplace, and daily family life changed with it (Source, year)." のようになります。
- 削除する。 その文があなた自身の論旨に何も加えないなら、削りましょう。
してはいけないのは、いくつかの語を類義語に替えて出典を外すことです。それでも他人のアイデアを出典なしで使っていることに変わりはなく、多くの場合まだ一致します。解決策は、偽装ではなく、出典表示と本当の理解です。
自分の作品に一致が表示される理由
前の学期に書いたレポートや、友人がピアレビューのために提出した下書きとの一致を見て、驚く学生もいます。サービスが提出物を保存している場合、あなた自身の過去の作品もデータベースの一部になります。許可なく再利用すると、多くの学校の方針で自己盗用とみなされることがあるので、以前の課題の内容を使い回す前に担当教員に確認しましょう。
自己チェック用ツールと教育機関向けツール
無料や個人向けのチェッカーは、下書きの出典の抜けやうっかりした近すぎる言い換えを見つけるのに役立ちます。一般に、すべての教育機関の過去の提出物アーカイブにはアクセスできないため、結果は学校のツールとぴったりは一致しません。それで構いません。その目的は、責任をもって書く手助けをすることであって、特定の数値を予測することではありません。
まとめ
- 盗用チェッカーは文章をフィンガープリントに分け、インデックス化された情報源と比べます。
- 結果は、ツールがどのデータベースを検索できるかに大きく左右されます。
- 類似度のパーセントが測るのは重なりであって、不正ではありません。
- 引用と参考文献は一致します。大事なのは正しい出典表示です。
- チェッカーは出典の問題を見つけて直すために使い、AI 検出ツールではないことを覚えておきましょう。