人类与机器文本的风格分析用于学术诚信
计算与语言
2026-01-06 v1 人工智能
摘要
本工作针对学术诚信中的诸多挑战，包括抄袭、造假及教育内容作者身份验证，提出一种基于自然语言处理（NLP）的框架，通过作者归属和风格变化检测来验证学生内容的真实性。与现有方法不同，本文通过针对四个相关任务进行全面分析：（1）人类文本与机器生成文本的分类；（2）在单篇和多作者文档中进行区分；（3）检测多作者文档中的作者变化；（4）在协作生产的文档中进行作者识别。针对上述任务提出的解决方案在使用 Gemini 生成的两个数据集上进行评估，这两个数据集分别包含一个正常提示和一个严格指令集合。在实验过程中，在通过严格提示生成的数据集上，所提出解决方案的性能出现一定下降，表明了检测经过精心设计提示下的机器生成文本所面临的复杂性。生成的数据集、代码及其他相关材料已公开于 GitHub，预计为该领域的后续研究提供基准。
引用
@article{arxiv.2601.01225,
title = {Stylometry Analysis of Human and Machine Text for Academic Integrity},
author = {Hezam Albaqami and Muhammad Asif Ayub and Nasir Ahmad and Yaseen Ahmad and Mohammed M. Alqahtani and Abdullah M. Algamdi and Almoaid A. Owaidah and Kashif Ahmad},
journal= {arXiv preprint arXiv:2601.01225},
year = {2026}
}
备注
16 pages, 9 tables, 3 figures