Các công cụ phát hiện đạo văn truyền thống, vốn chủ yếu dựa vào việc so sánh trực tiếp giữa nội dung của người dùng và các nguồn có sẵn, thường gặp khó khăn trong việc phát hiện các hình thức gian lận tinh vi hơn, chẳng hạn như diễn đạt lại (paraphrase) trên diện rộng hoặc sử dụng sự trợ giúp từ bên ngoài, bao gồm AI tạo sinh hoặc người khác.
Do đó, nghiên cứu này nhằm giải quyết vấn đề gian lận học thuật trong lập trình bằng cách phân tích các mẫu hình gõ phím và xem xét sự khác biệt trong động lực gõ phím khi một người tự viết mã và truy vết mã (code trace) so với khi họ tham khảo hoặc sao chép câu trả lời từ ChatGPT. Những khác biệt này được thể hiện qua sự biến đổi về thời gian suy nghĩ, tốc độ gõ phím và tần suất các thao tác chỉnh sửa trong quá trình lập trình và truy vết mã.
Quy trình Thu thập Dữ liệu:
Có bốn phiên khác nhau để thu thập dữ liệu. Trong mỗi phiên, người tham gia sẽ trả lời sáu bài tập lập trình Python được thiết kế để tạo ra các mức độ tải nhận thức khác nhau.
Bạn hiện đang ở Phiên Diễn Đạt Lại (Paraphrase) Câu Trả Lời của ChatGPT.
Trong phiên này, người tham gia sẽ nhập từng câu hỏi vào ChatGPT, sau đó diễn đạt lại (paraphrase) câu trả lời được tạo ra. Người tham gia nên tập trung vào việc giữ nguyên cấu trúc, chức năng và ý tưởng tổng thể của câu trả lời từ GPT, đồng thời chỉnh sửa giải pháp được tạo ra thông qua các thay đổi như đổi tên biến, diễn đạt lại hoặc thêm chú thích, điều chỉnh định dạng và thực hiện các chỉnh sửa phi chức năng khác.
Tiêu chí Đánh giá:
Sau khi nộp bài, câu trả lời của người tham gia sẽ được đánh giá dựa trên một số tiêu chí sau: