ОСОБЛИВОСТІ ВИЯВЛЕННЯ АКАДЕМІЧНОГО ПЛАГІАТУ ЗОБРАЖЕНЬ

Yuliia Hlavcheva; Maksym Glavchev

doi:10.26906/SUNZ.2025.3.055

Автор(и)

Yuliia Hlavcheva
Maksym Glavchev

DOI:

https://doi.org/10.26906/SUNZ.2025.3.055

Ключові слова:

академічна доброчесність, академічний плагіат зображень, візуальний контент, маніпуляції з зображеннями, академічні документи

Анотація

Стрімке зростання обсягів візуального контенту в академічних документах актуалізує проблему виявлення академічного плагіату зображень. На відміну від текстового плагіату, який ефективно виявляється сучасними системами, візуальний плагіат залишається складним завданням через різноманіття форм його прояву та можливість маніпуляцій. Метою даної роботи є аналіз існуючих підходів до розпізнавання та порівняння зображень для виявлення академічного плагіату та виявлення особливостей. Розглянуто алгоритми комп’ютерного зору, моделі глибокого навчання, інших технологій для аналізу текстових елементів на зображеннях. Запропоновано класифікацію форм візуального плагіату, включаючи точне копіювання, афінні трансформації, семантичне дублювання та генерацію зображень. Визначено основні проблеми: відсутність глобальної бази зображень, складність вилучення нетекстового контенту, правові обмеження доступу до повних текстів. Висновки: аналіз зображень для виявлення академічного плагіату лишається актуальним та є перспективним напрямом досліджень, який може реалізовуватися за напрямами: удосконалення алгоритмів виявлення модифікацій та інтеграція візуального аналізу в системи перевірки текстового плагіату, створення репозиторіїв зображень, доступність інформаційних інструментів для експертів та науковців.

Завантаження

Дані завантаження ще не доступні.

Посилання

1. Eisa T. A. E. Plagiarism detection of figure images in scientific publications. International Journal of Data Mining, Modelling and Management. 2022. Vol. 14, no. 1. P. 15. DOI: https://doi.org/10.1504/ijdmmm.2022.10046101 DOI: https://doi.org/10.1504/IJDMMM.2022.10046101

2. Saliba, T., Rotzinger, D. Figure plagiarism and manipulation, an under-recognised problem in academia. Eur Radiol. 2025. Vol. 35, 4518–4521. DOI: https://doi.org/10.1007/s00330-025-11426-2 DOI: https://doi.org/10.1007/s00330-025-11426-2

3. Meuschke N. Analyzing Non-Textual Content Elements to Detect Academic Plagiarism. Springer Fachmedien Wiesbaden GmbH, 2023. DOI: https://doi.org/10.1007/978-3-658-42062-8

4. Parmar S., Jain B. VIBRANT-WALK: An algorithm to detect plagiarism of figures in academic papers. Expert Systems with Applications. 2024. P. 124251. DOI: https://doi.org/10.1016/j.eswa.2024.124251 DOI: https://doi.org/10.1016/j.eswa.2024.124251

5. Ibrahin A. S. B., Khalifa O. O., Ahmed D. E. M. Plagiarism Detection of Images. 2020 IEEE Student Conference on Research and Development (SCOReD), Batu Pahat, Johor, Malaysia, 27–29 September 2020. 2020. DOI: https://doi.org/10.1109/scored50371.2020.9250940 DOI: https://doi.org/10.1109/SCOReD50371.2020.9250940

6. Eisa T. A. E., Salim N., Abdelmaboud A. Content-Based Scientific Figure Plagiarism Detection Using Semantic Mapping. Advances in Intelligent Systems and Computing. Cham, 2019. P. 420–427. DOI: https://doi.org/10.1007/978-3-030-33582-3_40 DOI: https://doi.org/10.1007/978-3-030-33582-3_40

7. Eisa T. A. E., Salim N., Alzahrani S. Figure plagiarism detection based on textual features representation. 2017 6th ICT International Student Project Conference (ICT-ISPC), Johor, Malaysia, 23–24 May 2017. 2017. DOI: https://doi.org/10.1109/ictispc.2017.8075305 DOI: https://doi.org/10.1109/ICT-ISPC.2017.8075305

8. Eisa T., Salim N., Alzahrani S. Figure Plagiarism Detection Using Content-Based Features. Advances in Intelligent Systems and Computing. Singapore, 2017. P. 17–20. DOI: https://doi.org/10.1007/978-981-10-3779-5_3 DOI: https://doi.org/10.1007/978-981-10-3779-5_3

9. Mazaheri, G., Avila, K. U., & Roy-Chowdhury, A. K. Learning to identify image manipulations in scientific publications. 2021. arXiv preprint arXiv:2102.01874.

10. Mijatović, A., Žuljević, M. F., Ursić, L., Bralić, N., Vuković, M., Roguljić, M., & Marušić, A. How good are medical students and researchers in detecting duplications in digital images from research articles: a cross-sectional survey. Research Integrity and Peer Review. 2025. Vol. 10(1), 14. DOI: https://doi.org/10.1186/s41073-025-00172-0

11. Duszejko, P., Walczyna, T., & Piotrowski, Z. (2025). Detection of Manipulations in Digital Images: A Review of Passive and Active Methods Utilizing Deep Learning. Applied Sciences. 2025. Vol. 15(2), 881. DOI: https://doi.org/10.3390/app15020881. DOI: https://doi.org/10.3390/app15020881

12. JOSHI, Parag Mulendra; LIU, Sam. Web document text and images extraction using DOM analysis and natural language processing. In: Proceedings of the 9th ACM symposium on Document engineering. 2009. p. 218-221. DOI: https://doi.org/10.1145/1600193.1600241

13. Bhowmik, S., Sarkar, R., Nasipuri, M., & Doermann, D. Text and non-text separation in offline document images: a survey. International Journal on Document Analysis and Recognition (IJDAR). 2018. 21(1-2), 1–20. DOI: https://doi.org/10.1007/s10032-018-0296-z