Key points are not available for this paper at this time.
Mehrere Werkzeuge werden der Bildungscommunity für Plagiaterkennung und -prävention angeboten. In diesem Artikel wird kurz die Leistung von zwei führenden Werkzeugen, TurnItIn und MyDropBox, verglichen, die bei der Erkennung von Einreichungen, die offensichtlich aus in IEEE-Journalen veröffentlichten Artikeln plagiiert wurden, schlecht abschnitten. Beide Werkzeuge haben schlecht abgeschnitten, weil sie eingereichte Texte nicht mit Publikationen aus der IEEE-Datenbank vergleichen. Darüber hinaus decken diese Werkzeuge die Datenbank der Association for Computing Machinery (ACM) oder mehrere andere, die für wissenschaftliche Arbeiten in der Softwaretechnik wichtig sind, nicht ab. Berichte dieser Werkzeuge, die suggerieren, dass eine Einreichung „bestanden“ hat, können falsches Vertrauen in die Integrität eines eingereichten Textes fördern. Zudem können Studenten Entwürfe einreichen, um zu bestimmen, inwieweit diese Werkzeuge Plagiate in ihren Arbeiten erkennen. Da das Werkzeug die Fachliteratur im Ingenieurwesen eng abtastet, kann der Student, der sich entscheidet zu plagieren, dieses Werkzeug nutzen, um festzustellen, welches Plagiat für den Fakultätsmitglied unsichtbar sein wird. Ein Anschein erfolgreicher Plagiatsprävention kann tatsächlich auf eine bessere Ausbildung der Studenten hinweisen, um Plagiaterkennung zu vermeiden.
Kaner et al. (Do,) haben diese Frage untersucht.