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 giải lại (paraphrase) trên diện rộng hoặc sử dụng sự trợ giúp từ bên ngoài, bao gồm AI tạo sinh hoặc người khác.
Vì vậy, 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 tự dò lại 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 thay đổi về thời gian suy nghĩ, tốc độ gõ phím và tần suất các thao tác chỉnh sửa trong quá trình lập trình và dò lại mã.
Quy Trình Thu Thập Dữ Liệu:
Có bốn phiên thu thập dữ liệu khác nhau. 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 Đánh Lừa ChatGPT.
Trong phiên này, người tham gia trước tiên sẽ nhập từng câu hỏi vào ChatGPT. Sau đó họ sẽ gõ lại câu trả lời đã được tạo ra, đồng thời thêm vào các khoảng dừng, chỉnh sửa và xóa để đánh lừa bộ phát hiện dựa trên gõ phím. Người tham gia cần đảm bảo rằng sản phẩm cuối cùng của họ giống hệt với câu trả lời của ChatGPT.
Tiêu Chí Đánh Giá:
Sau khi nộp, câu trả lời của người tham gia sẽ được đánh giá dựa trên một số tiêu chí: