程序设计类课程作业抄袭问题的探索与实践

167
数据库技术
Database Technology
电子技术与软件工程
Electronic Technology & Software Engineering
1 引言
抄袭作业在大学中是很普遍的现象，特别是计算机程序类的课程，学生拷贝程序代码提交作业或实验是很容易的，可是检测有难度，如果不加以有效识别和制止，对学生的学习效果和老师的工作量都有不利影响，也会助长同学们不诚信的不良风气。

一些专家和学者提出了一些检测算法。

本文主要通过诚信调查，根据诚信调查数据和上机以及考试数据，利用决策树分类算法，来推测学生提交的完成度数据的真实性，也通过这样的方式，一是大致确定每位学生实验的完成度，二是树立同学们诚信意识，三是因为提前跟同学们说明会做数据分析，让同学们畏于数据的压力呈现真实的状态。

这样，让同学们勇于诚信，乐于诚信，也让老师比较真实地了解同学们实验的真实情况，教与学就会形成良性循环。

2 相关工作
关于检测程序作业抄袭的相关研究，存在一些检查程序抄袭的软件，国外有JPlag [1]、Plague 、YAP3等，国内的学者也提出一些方法，如张海腾[2]开发了一个作业相似性检测系统，实现了对作业文档的对比和检测，赖晓晨[3]提出了一种基于XML 的源程序型作业自动抄袭检测方法。

傅得强[4]提出两种基于抽象语法树的源代码抄袭检测方法等。

这些研究大多是通过直接检测相似性的算法。

本文以另一个角度，根据诚信调查数据（调查的内容是实验完成度）以及考试数据，利用决策树分类算法，推测实验完成度与考试成绩的吻合程度，以此推测学生实验完成度与考试成绩的真实性，这给解决程序设计类课程作业抄袭问题另辟了一个思路，也为学生诚信度检验另辟了一条路径。

3 前期工作
以笔者讲授的《数据结构与算法》课程为例，整个课程一共有13个实验，笔者主要基于两个考试（一次是期中上机考试，一次是期末笔试考试），邀请同学们进行了每个实验诚信调查，根据这三份数据进行分析。

具体前期工作及数据收集包括两个部分：一是期中考试的选题及成绩，二是对每个实验的完成度调查。

如下：
（1）其中，期中的上机考试，考虑到某一学期大部分同学的实际情况（编程基础比较弱），考试内容选择之一是学生在提前给定的10道题目中抽题（这10道就是实验3-7中的内容，因为考虑
程序设计类课程作业抄袭问题的探索与实践
连惠群
（福建警察学院 福建省福州市 350007）
摘　要：本文从另一思路，根据诚信调查数据和上机以及考试数据，构建Spark 环境，利用决策树分类算法，来推测学生提交的完成
度数据的真实性（即学生的作业或实验报告是否抄袭）和学生考试结果的真实性，以解决程序设计类课程作业抄袭问题，也间接检验了学
生们的诚信度，以求教与学形成良性循环，培养出品学兼优的学生。

关键词：
程序设计；决策树分类算法；Spark 环境
图3：完成度调查界面图2：选题情况图1：期中抽题
168
数据库技术
Database Technology
电子技术与软件工程
Electronic Technology & Software Engineering
到学生基础比较弱，可选择进行两轮考试），如图1所示。

系统数据库会记录学生抽题范围及抽到题情况，图2是学生们第一次选择情况的部分截图。

我们把这部分数据以及得分与实验完成度调查进行对照，可以发现期中考试可能存在的不诚信现象或实验完成度虚假情况。

（2）在学期中，邀请同学们进行完成度填写，如图3所示，数据库截图如图4所示。

接着我们提取图4中的每个实验的完成度，以便进行后续的分析。

4 具体实现4.1 数据准备
根据第3点的前期工作，以及半期考和期末考试的成绩（完成
度除以10），整合数据如图5所示，我们利用决策树分类算法，把某个实验的完成度和期中成绩为第一组（看该生具体抽到的是哪道题），实验1-13的完成度和期末成绩为第二组，其中期末和期中成绩分为四个等级，小于60为标签1，大于等于60且小于70为标签2，大于等于70且小于80为标签3，大于等于80为标签4。

以第二组数据为例，处理后的数据部分截图如图6所示。

4.2 环境搭建
本环境基于Spark 环境，1台Master ，2台Slave 。

配置后的环境截图如图7所示。

4.3 算法分析
决策树多元分类算法（DecisionTree Multi Class Classfication ）预测在多个特征条件不同组合下的准确率。

以第2组数据为例，我们把每个实验的完成度值作为特征feature ，成绩等级作为标签
Label 。

部分代码及结果如图8所示。

预测值和真实值相差两个等级的，就要引起重视。

如果预测值比真实值高比较多，则该学生的实验完成度的真实性需考量，如果真实值比预测值高很多，则学生的期中或期末考试可能存在不真实的行为，也需要考量。

如图红色区域的记录要引起注意，需要再观察其他方面的表现。

5 结语
本文主要通过诚信调查，根据诚信调查数据和上机以及考试数据，利用决策树多元分类算法，来推测学生提交的完成度数据的真实性和学生考试结果的真实性。

本文搭建了
Spark 环境，根据分类算法得出的预测结果，如果与真实结果相差较大，则需引起重视，可能是学生实验完成度不真实（也就是实验可能存在抄袭），也可能是学生考试结果不真实，这为解决程序设计类课程作业抄袭问题
图4：完成度调查结果
图5：原始部分数据
169
数据库技术
Database Technology
电子技术与软件工程
Electronic Technology & Software Engineering
另辟了一个思路，也为学生诚信度检验另辟了一条路径。

由于时间关系，本文没有对细节进行进一步的研究，这将是下一步的工作。

参考文献
[1]SvajlenkoJ,Roy C K.
Evaluating Modern
Clone Detection
图6：处理后的部分数据
图7：环境搭建截图
图8：运行结果
Tools[C]. International Conference on Software Maintenance,2014:321-330.
[2]张海腾,翟洁,冷春霞.电子作业相似性检测技术的研究与实
现[J].电子设计工程,2017,(10):43-49.
[3]赖晓晨,王孝良,迟宗正,陈晟浩.高校源程序型作业自动抄
袭检测方法研究与实践[J].教育现代化,2017,4(37):205-206.[4]傅得强.基于抽象语法树的源代码抄袭检测研究[D].北京:
北京林业大学,2017.
作者简介
连惠群（1982-），女，福建省福州市人。

硕士研究生，现为福建警察学院讲师。

主要研究方向为数据库及数据分析。

主持2019
年福建省中青年教师教育科研项目《数据挖掘技术用于大学生行为分析的研究》（项目编号：JAT190442），在研；主持《数据库原理及安全技术》课程思政教学改革与实践（批准编号：JGKCSZ202010），在研；主持2020年院级教育教学改革研究项目《项
目驱动的数据库课程教改与实践》（项目号：JG202016），在研。