Unmasking the Cheating Student

Abstract

Juks i akademia er sannsynligvis like gammelt som akademia selv, og hyppigheten ser ikke ut til å avta til tross for økt bevisstgjøring rundt akademisk integritet. Fremveksten av datamaskiner og internett har påvirket samfunnet på utallige måter, og juks er intet unntak. Når studenter betaler noen andre for å skrive oppgavene deres eller ta eksamener for dem, er det å regne for juks og kalles contract cheating i faglitteraturen. Denne formen for juks forekommer i økende grad blant studenter. Slik aktivitet utgjør en alvorlig trussel mot akademisk integritet, og akademia trenger derfor pålitelige metoder for å oppdage dette. Det å lykkes med å identifisere denne formen for juks er svært utfordrende siden det krever en løsning som er i stand til å håndtere sparsomme data samtidig som den klassifiserer med akseptabel nøyaktighet. Dette prosjektet vil undersøke bruken av teknikken kjent som "unmasking" for gjenkjenne forfatterskap for å prøve å oppdage når studenter får en annen til å besvare en oppgave. Flere konfigurasjoner av "unmasking"-algoritmen vil bli brukt på et typisk forfatterskapsverifikasjonsproblem, og nytteverdien av konfigursajonene vurderes . I prosjektet gis det en grundig undersøkelse av problemet med å oppdage juksevarianten contract cheating, og om "unmasking"-algoritmen vil kunne avdekke om en student jukser eller ikke.

Cheating in academia is as old as academia itself and is likely to always remain a thorn in its side. The emergence of computers and the internet has impacted society in countless ways, and cheating is no exception. A phenomenon known as contract cheating, where students pay someone else to write their assignments or take exams in their stead, has grown steadily in popularity among students. Such activity poses a severe threat to academic integrity, and academia is therefore in dire need of reliable methods for detecting contract cheating. Successfully identifying contract cheating is arduous since it requires an algorithm capable of handling scarce data while classifying with acceptable accuracy. This project will investigate the feasibility of the text authorship attribution technique known as unmasking to try and detect contract cheating among students. Several configurations of the unmasking algorithm will be applied to a typical authorship verification problem and assessed for viability. This project will provide an in-depth investigation of the contract cheating detection problem and whether the unmasking algorithm is a feasible solution for this problem.