So sánh hai đoạn văn bản: cách tính độ tương đồng và vì sao đây không phải kiểm tra đạo văn
Công cụ nhận hai đoạn văn bản do bạn dán vào, tính tỷ lệ từ dùng chung giữa chúng theo hệ số Jaccard và liệt kê những cụm ba từ xuất hiện ở cả hai bên. Cần nói rõ ngay từ đầu: công cụ chỉ đối chiếu đúng hai đoạn bạn cung cấp, không tìm kiếm trên internet và không tra bất kỳ kho tài liệu nào, nên nó không phải và không thay được phần mềm kiểm tra đạo văn.
Tính năng nổi bật
- Hai ô nhập song song, mỗi ô hiển thị số từ đang có để bạn kiểm soát độ dài
- Tính tỷ lệ tương đồng theo hệ số Jaccard, lấy số từ chung chia cho tổng số từ khác nhau của cả hai bên
- Liệt kê tối đa mười cụm ba từ liên tiếp cùng xuất hiện ở cả hai văn bản
- Phân mức kết quả bằng màu: dưới 30 phần trăm là thấp, 30 tới 60 là trung bình, trên 60 là cao
- Không phân biệt chữ hoa chữ thường khi so sánh nên khác biệt về cách viết hoa không ảnh hưởng kết quả
- Không giới hạn độ dài văn bản dán vào, xử lý ngay khi bấm nút
- Toàn bộ phép so sánh chạy trong trình duyệt, không có bước tải văn bản lên máy chủ
- Không lưu lại nội dung, đóng hoặc tải lại trang là hai ô trống trở lại
Việc công cụ này làm được và việc nó không làm được
Có một khoảng cách rất lớn giữa hai câu hỏi nghe na ná nhau. Câu thứ nhất là hai đoạn văn bản cụ thể này giống nhau bao nhiêu, và đó là câu công cụ trả lời được. Câu thứ hai là đoạn văn bản này có bị chép từ đâu đó trên internet hay từ kho luận văn nào không, và đó là câu công cụ hoàn toàn không trả lời được, vì nó không có kho dữ liệu để đối chiếu và không thực hiện tìm kiếm nào. Vậy dùng nó vào việc gì cho đúng: đối chiếu bản viết của cộng tác viên với bài gốc mà bạn nghi họ tham khảo, so hai bản mô tả sản phẩm trong cùng một danh mục để phát hiện nội dung trùng lặp nội bộ, kiểm tra xem bản viết lại đã đủ khác bản cũ chưa, hoặc so hai bản dịch của cùng một tài liệu. Trong mọi trường hợp bạn phải tự có sẵn văn bản đối chiếu. Nếu bạn cần kết luận chính thức về đạo văn cho một bài luận hay một công trình, phải dùng dịch vụ có kho dữ liệu và có trách nhiệm pháp lý.
Lợi ích khi sử dụng
- Phát hiện nhanh nội dung trùng lặp giữa hai bài viết trong cùng một website
- Có bằng chứng cụ thể là danh sách cụm từ trùng, không chỉ một con số chung chung
- Kiểm tra được bản viết lại đã đủ khác bản gốc chưa trước khi đăng
- Nội dung chưa công bố không rời khỏi máy vì mọi phép tính chạy trong trình duyệt
- Dùng ngay không cần tài khoản, phù hợp cho các lần đối chiếu lẻ trong ngày
Cách so sánh hai đoạn văn bản
- 1Dán văn bản cần kiểm tra vào ô thứ nhất, và dán văn bản dùng làm bản đối chiếu vào ô thứ hai.
- 2Cân đối độ dài hai bên: nếu một bên dài gấp nhiều lần bên kia, con số phần trăm sẽ bị kéo xuống rất thấp dù đoạn ngắn bị chép nguyên.
- 3Bấm nút so sánh để lấy tỷ lệ tương đồng cùng danh sách các cụm ba từ trùng nhau.
- 4Đọc danh sách cụm trùng trước khi đọc con số phần trăm, vì các cụm dài trùng nhau mới là bằng chứng đáng chú ý.
- 5Quay lại hai văn bản gốc và tự đọc những đoạn quanh các cụm trùng đó, vì công cụ không chỉ ra vị trí trong văn bản.
Đây không phải công cụ kiểm tra đạo văn, và vì sao điều đó quan trọng
Một phần mềm kiểm tra đạo văn thật sự hoạt động theo cách hoàn toàn khác: nó cắt bài của bạn thành hàng nghìn đoạn nhỏ, đối chiếu từng đoạn với một kho dữ liệu gồm các trang web đã thu thập, tạp chí khoa học, sách và kho bài nộp của các trường, rồi trả về danh sách nguồn kèm liên kết và tỷ lệ trùng theo từng nguồn. Toàn bộ giá trị nằm ở kho dữ liệu đó, thứ mà một trang chạy hoàn toàn trong trình duyệt không thể có. Công cụ này chỉ nhận đúng hai đoạn văn bản bạn tự dán vào và so chúng với nhau, không gửi truy vấn tìm kiếm nào ra ngoài. Vì vậy kết quả ở đây không bao giờ được dùng làm căn cứ kết luận một bài viết có đạo văn hay không, không dùng để báo cáo với nhà trường, không dùng để kết tội một cộng tác viên, và cũng không dùng để trấn an rằng bài của bạn sạch. Con số 0 phần trăm ở đây chỉ nghĩa là hai đoạn bạn dán vào không giống nhau, không nói được gì về phần còn lại của thế giới.
Hệ số Jaccard tính ra sao và vì sao con số hay gây hiểu nhầm
Công cụ tách mỗi văn bản thành tập hợp các từ khác nhau, bỏ qua số lần lặp và bỏ qua thứ tự, rồi lấy số từ có mặt ở cả hai tập chia cho tổng số từ có mặt ở ít nhất một tập. Cách tính này có hai hệ quả cần biết. Thứ nhất, vì mẫu số là hợp của cả hai bên nên độ dài chênh lệch làm méo kết quả rất mạnh: một đoạn 50 từ bị chép nguyên vẹn vào một bài 500 từ chỉ cho ra khoảng 10 phần trăm, dù thực tế đoạn đó bị chép trọn vẹn. Thứ hai, vì mọi từ đều được tính ngang nhau nên các từ nối và từ chức năng vốn xuất hiện trong mọi văn bản sẽ đẩy con số lên: hai bài viết khác nhau hoàn toàn về cùng một chủ đề vẫn dễ đạt 20 tới 35 phần trăm chỉ nhờ vốn từ chung của lĩnh vực. Ngược lại, một bài chép ý rồi diễn đạt lại bằng từ khác sẽ cho con số rất thấp dù đó mới đúng là hành vi đáng lo. Nói ngắn gọn, con số này đo mức chồng lấn vốn từ, không đo mức sao chép.
Giới hạn nghiêm trọng với văn bản tiếng Việt có dấu
Đây là điểm cần biết trước khi tin vào bất kỳ con số nào ở đây. Cơ chế tách từ của công cụ dùng biểu thức chỉ nhận chữ cái không dấu, chữ số và dấu gạch dưới. Với văn bản tiếng Anh thì không sao, nhưng với tiếng Việt có dấu thì mỗi ký tự mang dấu trở thành một điểm ngắt, khiến một chữ bị cắt thành nhiều mảnh vụn. Chữ tiếng bị tách thành hai mảnh, chữ Việt bị tách thành hai mảnh, và những mảnh vụn này lại rất hay trùng nhau giữa mọi văn bản tiếng Việt vì chúng chỉ là các cụm phụ âm nguyên âm ngắn. Kết quả là tỷ lệ tương đồng của hai văn bản tiếng Việt có dấu bị đẩy lên cao một cách giả tạo, và danh sách cụm ba từ trùng nhau cũng đầy những mảnh vô nghĩa. Nếu bạn buộc phải dùng công cụ cho tiếng Việt, hãy chỉ coi danh sách cụm trùng là gợi ý để tự đọc lại hai văn bản, và bỏ qua con số phần trăm. Với văn bản không dấu hoặc tiếng Anh thì con số mới có ý nghĩa tương đối.
Đọc danh sách cụm ba từ trùng nhau cho đúng
Phần hữu ích nhất của kết quả không phải con số mà là danh sách cụm từ. Công cụ trượt một cửa sổ ba từ dọc theo từng văn bản, thu được tập hợp các cụm ba từ liên tiếp của mỗi bên, rồi lấy phần chung và hiển thị tối đa mười cụm đầu tiên. Ý nghĩa của việc này nằm ở xác suất: hai người viết độc lập về cùng một chủ đề vẫn dùng chung nhiều từ đơn lẻ, nhưng trùng nguyên một chuỗi ba từ liên tiếp thì hiếm hơn nhiều, trừ khi đó là thành ngữ, tên riêng, thuật ngữ chuyên ngành hoặc cụm cố định. Vì vậy khi đọc danh sách, hãy bỏ qua ngay các cụm là tên sản phẩm, tên tổ chức hay thuật ngữ bắt buộc, và chú ý những cụm mang tính diễn đạt cá nhân. Một hoặc hai cụm trùng chưa nói lên gì; mười cụm trùng và tất cả đều là cách diễn đạt bình thường thì hai văn bản gần như chắc chắn có quan hệ với nhau. Lưu ý danh sách bị cắt ở mười cụm, nên khi đã đủ mười thì con số thật có thể lớn hơn nhiều.
Khi nào bắt buộc phải dùng công cụ chuyên dụng và nên chuẩn bị gì
Có ba tình huống mà kết quả ở đây không dùng được: nộp bài cho trường hoặc tạp chí có yêu cầu báo cáo trùng lặp chính thức, xử lý tranh chấp bản quyền nội dung, và kiểm tra hàng loạt bài viết trước khi đăng lên website ở quy mô lớn. Với hai tình huống đầu, các trường đại học và nhà xuất bản thường dùng dịch vụ đối chiếu có kho dữ liệu như Turnitin hoặc iThenticate, và điều quan trọng là bạn nên hỏi rõ đơn vị của mình dùng dịch vụ nào cùng ngưỡng phần trăm chấp nhận được, vì mỗi hệ thống cho ra con số khác nhau trên cùng một bài. Với tình huống thứ ba, cách kiểm tra thủ công vẫn hiệu quả bất ngờ: lấy hai hoặc ba câu đặc trưng trong bài, đặt vào dấu ngoặc kép rồi tìm trên công cụ tìm kiếm; nếu câu đó đã tồn tại ở đâu, kết quả sẽ hiện ngay. Ngoài ra hãy phân biệt trùng lặp với nguồn khác và trùng lặp trong chính website của bạn, vì loại thứ hai ảnh hưởng tới thứ hạng tìm kiếm và được xử lý bằng cách gộp bài hoặc khai báo trang chuẩn.
Câu hỏi thường gặp (FAQ)
Công cụ có tìm bài của tôi trên internet để đối chiếu không?
Không. Nó chỉ so sánh đúng hai đoạn văn bản bạn dán vào hai ô, không gửi truy vấn tìm kiếm nào ra ngoài và không có kho dữ liệu để tra. Muốn biết một đoạn có tồn tại ở nơi khác hay không, bạn phải tự tìm bằng công cụ tìm kiếm hoặc dùng dịch vụ kiểm tra đạo văn có kho dữ liệu riêng.
Kết quả ở đây có dùng để kết luận một bài viết đạo văn được không?
Không nên và không được. Đây là phép so sánh vốn từ giữa hai đoạn văn bản bạn tự chọn, không phải kiểm tra đạo văn. Con số thấp không chứng minh bài sạch, con số cao cũng không chứng minh có sao chép vì hai bài cùng chủ đề luôn chia sẻ nhiều từ. Kết luận chính thức phải dựa trên dịch vụ chuyên dụng.
Vì sao hai bài tôi viết hoàn toàn độc lập vẫn cho tỷ lệ hơn 30 phần trăm?
Vì cách tính đếm mọi từ ngang nhau, kể cả từ nối và từ chức năng vốn có mặt trong mọi văn bản, cộng thêm vốn từ chung của cùng một lĩnh vực. Với văn bản tiếng Việt có dấu, con số còn bị đẩy lên cao hơn nữa do cách tách từ cắt vụn các chữ có dấu thành những mảnh rất dễ trùng nhau.
Vì sao đoạn bị chép nguyên mà tỷ lệ vẫn thấp?
Vì mẫu số của phép tính là tổng số từ khác nhau của cả hai văn bản gộp lại. Một đoạn 50 từ chép nguyên vào một bài 500 từ chỉ cho khoảng 10 phần trăm. Muốn thấy đúng mức trùng, hãy cắt bài dài xuống còn phần nghi ngờ rồi so lại với đoạn ngắn, hoặc đọc thẳng danh sách cụm ba từ trùng nhau.
Công cụ có phát hiện được bài viết lại bằng từ đồng nghĩa không?
Không. Phép so sánh chỉ khớp từ theo mặt chữ, không hiểu nghĩa, nên một đoạn bị diễn đạt lại toàn bộ bằng từ khác sẽ cho tỷ lệ rất thấp dù ý được lấy nguyên. Đây là giới hạn của mọi phương pháp so khớp từ, kể cả nhiều phần mềm chuyên dụng, và là lý do việc đọc đối chiếu bằng mắt vẫn cần thiết.
Vì sao danh sách cụm trùng của văn bản tiếng Việt toàn mảnh vô nghĩa?
Vì cơ chế tách từ chỉ nhận chữ cái không dấu, nên mỗi ký tự mang dấu trở thành điểm ngắt và chữ bị vỡ thành hai ba mảnh. Các mảnh này lại trùng nhau ở hầu hết văn bản tiếng Việt. Với tiếng Việt có dấu, hãy chỉ dùng danh sách cụm làm gợi ý đọc lại và bỏ qua con số phần trăm.
Vì sao chỉ hiện mười cụm trùng?
Danh sách bị cắt ở mười cụm đầu tiên để kết quả không quá dài. Nghĩa là khi bạn thấy đủ mười cụm, số cụm trùng thật sự có thể lớn hơn nhiều và đó đã là tín hiệu đáng lưu ý. Ngược lại nếu chỉ có một hai cụm, rất có thể chúng chỉ là tên riêng hoặc thuật ngữ chuyên ngành.
Bao nhiêu phần trăm thì bị coi là quá cao?
Không có ngưỡng chung, và ngưỡng của công cụ này càng không nên đem áp vào quy định của trường hay tạp chí. Các cơ sở đào tạo tự đặt ngưỡng riêng trên hệ thống riêng của họ, cùng một bài chạy trên hai hệ thống khác nhau cho hai con số khác nhau. Hãy hỏi đúng đơn vị của bạn dùng hệ thống nào và ngưỡng bao nhiêu.
Nội dung tôi dán vào có bị gửi đi đâu không?
Không. Việc tách từ, tính tỷ lệ và tìm cụm trùng đều chạy bằng JavaScript ngay trong trình duyệt của bạn, không có bước tải văn bản lên máy chủ và không lưu lại gì. Bạn có thể dán bản thảo chưa công bố mà không lo nội dung rời khỏi máy.
Công cụ này khác gì công cụ so sánh khác biệt văn bản?
Công cụ so sánh khác biệt chỉ ra chính xác chỗ nào bị thêm, bị xóa, bị sửa giữa hai phiên bản của cùng một tài liệu, giữ nguyên thứ tự và vị trí. Công cụ này bỏ qua thứ tự, chỉ đo mức chồng lấn vốn từ và liệt kê cụm chung. Cần đối chiếu hai bản của cùng một văn bản thì dùng công cụ so sánh khác biệt sẽ hợp hơn.
Cách tự kiểm tra một đoạn có tồn tại ở nơi khác không cần phần mềm?
Lấy hai hoặc ba câu đặc trưng, không phải câu chứa thuật ngữ chung, đặt trọn câu trong dấu ngoặc kép rồi tìm trên công cụ tìm kiếm. Ngoặc kép buộc công cụ tìm đúng chuỗi đó. Nếu câu đã tồn tại ở đâu và trang đó đã được lập chỉ mục, kết quả sẽ hiện ra ngay lập tức.
Trùng lặp giữa các bài trong cùng website có ảnh hưởng gì không?
Có, và đây lại là chỗ công cụ dùng được đúng việc. Nhiều trang mô tả sản phẩm hoặc bài dịch vụ chép qua chép lại của nhau khiến công cụ tìm kiếm khó chọn trang nào để xếp hạng. Cách xử lý là gộp các bài quá giống nhau, viết lại phần trùng, hoặc khai báo trang chuẩn cho nhóm trang gần giống.
Từ khóa liên quan
- so sánh hai đoạn văn bản
- kiểm tra trùng lặp nội dung
- đo độ tương đồng văn bản
- kiểm tra đạo văn
- check đạo văn online
- phần trăm trùng lặp bài viết
- hệ số jaccard
- so sánh nội dung hai bài viết
- trùng lặp nội dung website
- duplicate content seo
- kiểm tra bài viết cộng tác viên
- so sánh bản dịch
- công cụ đối chiếu văn bản
- phát hiện nội dung sao chép
- kiểm tra nội dung trước khi đăng
- tìm cụm từ trùng nhau
- kiểm tra luận văn trùng lặp
- turnitin là gì
- viết lại nội dung tránh trùng
- công cụ so sánh văn bản online
