Než může začít jakákoli analýza plagiátorství, musí software extrahovat čistý, prohledávatelný text z odevzdaného dokumentu. Jde o složitější problém, než se zdá, protože dokumenty přicházejí v široké škále formátů — DOC, DOCX, PDF, RTF, PPT, PPTX, TXT, ODT a HTML, mimo jiné — přičemž každý má vlastní vnitřní strukturu formátování, metadat, vložených objektů a kódování. Spolehlivý kanál extrakce textu musí zpracovat všechny tyto formáty konzistentně a produkovat normalizovaný prostý text vhodný pro porovnávání.
Detektor plagiátů používá 5-vrstvou architekturu extrakce textu pro maximalizaci spolehlivosti. Pro soubory DOCX první vrstva přímo parsuje nativní strukturu DocX XML. Pokud to selže (v důsledku poškození nebo nestandardního formátování), systém přejde na záložní rozhraní Microsoft iFilter, poté na přímé parsování OpenXML a nakonec na Apache Tika jako univerzální extraktor poslední instance. Tento kaskádový přístup znamená, že i poškozené nebo nestandardní dokumenty poskytnou použitelný text. Stejný vícevrstvý princip platí pro všechny více než 12 podporovaných formátů, čímž je zajištěno, že žádný dokument nezůstane nezpracován.
Proces extrakce také zvládá normalizaci kódování — převod textu z různých znakových kódování (UTF-8, UTF-16, Windows-1252, varianty ISO-8859) do sjednoceného interního zobrazení. To je zásadní, protože neshody kódování mohou způsobit, že identický text vypadá odlišně na úrovni bajtů, což vede k přehlédnutí shod při detekci plagiátů. Správná extrakce pokládá základ pro každou následující fázi detekce.
Jakmile je extrahován čistý text, detekční engine ho rozdělí na analyzovatelné jednotky prostřednictvím procesu nazvaného tvorba otisků textu. Dokument je segmentován do překrývajících se sekvencí slov (n-gramů) a každá sekvence je převedena na kompaktní číselný hash — otisk. Tyto otisky slouží jako efektivní identifikátory, které lze rychle porovnávat s otisky z jiných zdrojů, aniž by bylo nutné pokaždé provádět nákladná porovnávání celého textu.
Algoritmus tvorby otisků musí vyvážit citlivost a efektivitu. Krátké n-gramy (3–4 slova) zachytí více shod, ale produkují nadměrné falešně pozitivní výsledky z běžných frází. Delší n-gramy (8–10 slov) jsou specifičtější, ale mohou přehlédnout plagiátorství tam, kde bylo změněno několik slov. Pokročilé systémy používají tvorbu otisků s proměnnou délkou kombinovanou s algoritmy prořezávání, které vyberou reprezentativní podmnožinu otisků, čímž udržují přesnost detekce při zachování přijatelného srovnávacího prostoru pro dokumenty jakékoli velikosti.
Po vytvoření otisků dokumentu musí detekční engine porovnat tyto otisky s existujícím obsahem na internetu. Detektor plagiátů používá výrazný přístup: místo spoléhání na jednu proprietární databázi dotazuje čtyři hlavní vyhledávače současně — Google, Bing, Yahoo a DuckDuckGo — čímž přistupuje k jejich kombinovanému indexu více než 4 miliard webových stránek. Tato strategie využívající více vyhledávačů dramaticky zvyšuje pokrytí zdrojů, protože každý vyhledávač indexuje různé části webu a odlišně řadí výsledky.
Proces dotazování využívá inteligentní rotaci a výběr textových fragmentů pro odeslání jako vyhledávacích dotazů. Nedotazuje se na každý otisk — engine vybírá nejodlišnější pasáže z dokumentu, ty s největší pravděpodobností vrátit smysluplné shody, nikoli obecné fráze. Plánování dotazů spravuje limity počtu požadavků a distribuuje požadavky napříč vyhledávači pro udržení průchodnosti. Výsledkem je komplexní prohledání veřejně dostupného internetového obsahu, které žádný přístup s jedním vyhledávačem nedokáže zopakovat, a zahrnuje akademické repozitáře, zpravodajské archivy, obsahové farmy, esejistická tržiště a obecné webové stránky.
Když vyhledávací dotazy vrátí potenciálně shodné adresy URL, vstoupí detekční engine do fáze načítání zdrojů a porovnávání. Každá kandidátská zdrojová stránka je načtena, její obsah je extrahován a normalizován (stripování HTML tagů, navigačních prvků, záhlaví a zápatí k izolaci skutečného textu článku) a pak zarovnán s odevzdaným dokumentem. Toto zarovnání využívá algoritmy sekvenčního porovnávání, které identifikují nejdelší společné podsekvence mezi oběma texty s ohledem na drobné odchylky v interpunkci, mezerách a formátování.
Porovnávání se neomezuje na přesné shody. Engine provádí fuzzy porovnávání k identifikaci pasáží, kde jednotlivá slova byla nahrazena synonymy, pořadí vět bylo přeuspořádáno nebo spojovací fráze byly přidány nebo odebrány. Tím je zachycena nejběžnější úniková technika: povrchní přeformulování zachovávající původní smysl a strukturu. Každý shodný segment je zaznamenán s jeho zdrojovou URL, procentem překrytí a konkrétními textovými fragmenty, které si odpovídají, a tím se buduje syrová data pro zprávu o originalitě.
Po načtení a porovnání všech zdrojů engine vypočítá skóre podobnosti — procento představující, kolik z odevzdaného dokumentu se shoduje s externími zdroji. Tento výpočet je nuancovanější než jednoduchý poměr. Engine rozlišuje mezi různými typy shod: přesnými kopiemi, téměř-shodami (parafrázovanými pasážemi), řádně citovaným a odkazovaným materiálem a běžnými frázemi nebo standardními texty, které neindikují plagiátorství.
Systém detekce odkazů Detektoru plagiátů automaticky identifikuje citace, úvozovky a bibliografické reference v dokumentu a zachází s nimi odlišně od nepřiznaných shod. Blok textu uzavřený v uvozovkách a následovaný citací je označen jako legitimní odkaz, nikoli jako plagiátorství. To zabraňuje nadměrnému skóre podobnosti, které by jinak penalizovalo dobře prozkoumaná díla za jejich správné používání zdrojů. Konečné skóre odráží skutečné obavy o originalitu a poskytuje recenzentovi smysluplnou a akčně použitelnou metriku.
Jak se text generovaný umělou inteligencí stává stále rozšířenějším, musí detekce plagiátů řešit obsah, který není zkopírován z žádného existujícího zdroje, ale přesto není původní lidskou prací. Detektor plagiátů zahrnuje integrovaný modul detekce obsahu umělé inteligence se sensitivitou 0,98, schopný identifikovat text vytvořený velkými jazykovými modely včetně ChatGPT, Gemini a HuggingChat. Detekce funguje analýzou statistických vlastností textu — distribucí frekvencí slov, perplexitou na úrovni vět, vzorci vzrušivosti a sekvencemi pravděpodobností tokenů — které se systematicky liší mezi lidským a strojovým psaním.
Lidské psaní má tendenci vykazovat větší variabilitu délky vět, nepředvídatelnější volby slov a nepravidelné vzorce složitosti. Text generovaný umělou inteligencí naproti tomu inklinuje ke statisticky pravděpodobným slovním sekvencím s uniformnější větnou strukturou a charakteristickou „plynulostí" ve své pravděpodobnostní distribuci. Detekční model je trénován na rozsáhlých korpusech jak lidského, tak AI textu a pracuje na úrovni odstavců pro poskytování granulárních výsledků. Tato analýza probíhá souběžně s tradiční detekcí plagiátů v jediném skenování, takže recenzenti obdrží jednotnou zprávu pokrývající zkopírovaný obsah i pasáže generované umělou inteligencí bez nutnosti používat samostatné nástroje nebo pracovní postupy.
Sofistikovaní uživatelé se pokoušejí zmást detekci plagiátů různými technickými triky. Nejběžnější únikovou technikou je záměna znaků Unicode — nahrazení latinských znaků vizuálně identickými znaky z jiných skriptů Unicode. Například azbukovní písmeno „a" (U+0430) vypadá identicky jako latinské písmeno „a" (U+0061) na obrazovce, ale jsou to odlišné znaky na úrovni kódového bodu. Naivní porovnávání textu by zacházelo se slovem „academic" napsaným azbukovním „a" jako s úplně jiným slovem, což by způsobilo, že by plagiovaná pasáž unikla detekci.
Detektor plagiátů to řeší pomocí Unicode Anti-Cheating Engine (UACE). Před porovnáváním UACE normalizuje veškerý text mapováním vizuálně ekvivalentních znaků napříč bloky Unicode — azbukou, řeckou, arménskou a dalšími skripty obsahujícími vizuálně podobné znaky — zpět na jejich latinské ekvivalenty. Engine udržuje komplexní substituční tabulku pokrývající stovky párů znaků. Tato normalizace probíhá transparentně během fáze extrakce textu, takže každá následující fáze detekce pracuje s čistým, kanonickým textem bez ohledu na to, jaké znakové triky byly použity na zdrojový dokument.
Kromě záměny znaků UACE také detekuje jiné únikové metody včetně vkládání neviditelných znaků Unicode (nulové šířky mezer, nulové šířky spojovacích prvků, měkkých pomlček) mezi slova nebo písmena, bílý text na bílém pozadí skrytý v dokumentech a mikropísmo vkládané k rozrušení rozpoznatelných frází. Tyto techniky jsou označeny ve zprávě o originalitě jako záměrné pokusy o manipulaci, čímž je recenzent upozorněn, že autor se aktivně pokoušel obejít detekci — což je samo o sobě silným důkazem záměru plagiovat.
Stáhněte si bezplatnou ukázku nebo zakupte licenci a začněte kontrolovat plagiátorství a obsah generovaný umělou inteligencí.
Vyvrcholením procesu detekce je Zpráva o originalitě — podrobný dokument, který prezentuje všechna zjištění v organizovaném, přezkoumatelném formátu. Zpráva zvýrazňuje shodné pasáže v odevzdaném textu, barevně kódované podle zdroje, přičemž každá shoda je propojena s odpovídající URL nebo položkou databáze. Souhrnná sekce ukazuje celkové skóre podobnosti, počet shodných zdrojů, procento detekovaného obsahu generovaného umělou inteligencí a přehled typů shod (přesné, parafrázované, citované).
Pro instituce mohou být Zprávy o originalitě označeny logem organizace a poskytují tak profesionální, standardizovaný formát pro záznamy akademické integrity. Zprávy jsou navrženy jako důkazně spolehlivé — vhodné pro použití v formálních přezkumných řízeních, slyšeních o akademické integritě nebo právních kontextech. Každé tvrzení ve zprávě je nezávisle ověřitelné: recenzenti mohou kliknout na původní zdroj a shodnost potvrdit vlastníma očima. Tato transparentnost zajišťuje, že zjištění plagiátorství jsou obhajitelná a spravedlivá, přičemž chrání jak integritu procesu přezkumu, tak práva osoby, jejíž práce je hodnocena.
Zásadní architektonická volba při odhalování plagiátů spočívá v tom, zda jsou dokumenty zpracovávány lokálně na zařízení uživatele, nebo nahrávány na vzdálený cloudový server. Cloudové kontroly plagiátů vyžadují, aby uživatelé nahráli své dokumenty na servery poskytovatele, kde je text extrahován, analyzován a často uložen v databázi. To vyvolává závažné obavy ohledně soukromí a důvěrnosti — zejména u citlivého akademického výzkumu, nezveřejněných rukopisů, právních dokumentů a firemních materiálů. Dokumenty nahrané do cloudových služeb mohou být uchovány, indexovány nebo použity k trénování modelů umělé inteligence a úniky dat mohou odhalit důvěrný obsah.
Detektor plagiátů pracuje výhradně na desktopu. Dokumenty jsou otevírány, parsovány a analyzovány lokálně — plný text není nikdy přenášen na žádný externí server. Na vyhledávače jsou odesílány pouze vybrané textové fragmenty (vyhledávací dotazy), stejně jako by člověk ručně vyhledával frázi v prohlížeči. Tato architektura poskytuje základní záruku soukromí: kompletní dokument nikdy neopustí zařízení uživatele. Pro instituce pracující s citlivými materiály — právní firmy kontrolující podání, lékařští výzkumníci přezkoumávající studie, vládní agentury auditující zprávy — tento přístup upřednostňující desktop není jen preferencí, ale požadavkem na dodržování předpisů. V kombinaci s jednorázovým nákupním modelem (bez opakujícího se předplatného) nabízí jak soukromí, tak předvídatelnost nákladů.
Stůjte s Ukrajinou!