什么算抄袭？改写与引用

抄袭，是指不注明来源，把别人的文字、观点、数据或结构当作自己的成果来呈现。它包括逐字照搬、拼凑式改写（patchwriting，即只替换原句中的几个词）、改写后不加引用，而且按照许多院校的规定，不加说明地重复使用自己以前的作品也算抄袭。加上引号并注明出处的引用，或者用自己的话真正重述一个观点并注明其来源，都不算抄袭。

抄袭到底是什么意思

大多数学术和出版领域的定义核心相同：使用他人的作品却不注明，让读者有理由以为那是您自己的作品。这里的“作品”包括句子和短语，也包括观点、论证、研究发现、数据、图片和代码。

抄袭不以主观故意为必要条件。许多案例源于记笔记时的疏忽：一段文字被抄进笔记，来源却忘了，后来又被当作作者自己的总结粘贴进论文。院校对无意的情况往往处理得较为宽松，但两种情况都算抄袭。

抄袭不等同于侵犯著作权。著作权是对作品表达形式享有的法律权利；抄袭则是关于署名与出处的学术和道德规范。您可以抄袭一篇已进入公有领域的文本；也可以在注明作者的情况下侵犯著作权，例如未经许可转载整篇文章。

抄袭的主要类型

自我抄袭

重复使用自己写过的文字看似无伤大雅，但读者、老师或编辑会被告知这是一份新作品，而事实并非如此。把另一门课的论文再交一次，通常违反规定，除非两位老师都同意。在科研中，重复发表会让同一个结果看起来像两个，而且早先那篇文章的著作权可能属于出版方。通常的解决办法是引用您早先的作品，只重复使用必要的部分，例如标准的方法描述，不过各期刊接受的程度不同。

观点、表达与常识

观点同样需要注明出处，不只是文字。如果某个具体的论点、解读或结果来自某个来源，不管您改写得多彻底，都要引用。

常识不需要引用。广为人知、容易核实且没有争议的事实可以直接陈述而不必标注参考文献，例如第二次世界大战于 1945 年结束，或者巴黎是法国首都。什么算常识取决于读者对象：每个经济学家都知道的事实，对普通读者来说可能仍需要引用。具体的数字、最新的研究发现以及任何有合理争议的内容都应当引用。拿不准时，就引用。

如何正确引用、改写并标注出处

下面这段文字是为本指南撰写的，并归于一个虚构的来源“Lee (2021)”，用来演示引用格式。

原文段落

沿街种树的城市，夏季地面气温往往较低，因为树冠遮挡了直射阳光，叶片上蒸发的水分也会使周围的空气降温。这种降温效应在建筑和路面吸收热量最多的密集街区最为明显。

拼凑式改写版本（属于抄袭）

在道路两旁栽树的城市，夏天街面温度常常有所降低，因为树冠挡住了直射日光，叶子上蒸发的水分也会让附近的空气变凉。这种降温效果在建筑和铺装吸收热量最多的拥挤区域最为突出（Lee, 2021）。

这一版标注了引用，但仍然是抄袭：结构、观点的顺序和大部分措辞都是 Lee 的，只是换了个别词语。

可以接受的改写并附引用

行道树能让城市街区在夏天明显凉快下来。树荫使阳光照不到地面，叶片释放出的水汽又会降低气温，在建筑密集、到处是吸热表面的区域，好处最大（Lee, 2021）。

观点注明了出处，句子也是全新的：结构、侧重点和用词都不同。

直接引用

Lee（2021）指出，这种降温效应“在建筑和路面吸收热量最多的密集街区最为明显”。

当确切的措辞很重要时才引用原文，例如一个定义，或者您想要分析的一个论断，并且引文要简短。

一种可靠的改写方法

1. 反复阅读这段文字，直到您理解得足以向别人解释。
2. 合上或遮住原文。
3. 凭记忆把这个观点写出来，用您自己的句子结构，就像平时自然说话那样。
4. 把您写的版本与原文对照。如果整段短语或相同的句式保留了下来，就重写，或者改为直接引用。
5. 按您的课程或出版方要求的格式添加引用，例如 APA、MLA、Chicago、Harvard 或编号式格式。

AI生成文本与说明义务

聊天机器人生成的文本，提出了与传统抄袭不同的问题。它没有拿走任何人类作者的文字，但如果把它当作完全出自您本人的作品提交，仍可能歪曲是谁完成了这项工作。AI工具还可能复现训练数据中的措辞并编造来源，这又会在此之外带来普通的抄袭和引用问题。

目前没有统一的规则。大学、课程、期刊、出版社和用人单位采用的政策各不相同：有的明令禁止，有的允许在说明的前提下使用，有的只允许用于语法检查等特定任务。有些要求您写明所用工具并描述使用方式。请阅读真正适用于您的政策，如果不清楚，请书面询问。

如果您是在审阅别人的作品，请记住，AI检测器估算的是一段文字与机器生成文字有多相似，它们并不是证据。我们的AI检测器在浏览器中运行，使用在 RAID 基准上训练的开源 RoBERTa 模型，并对分数处于临界的文本再用第二个模型复核，而且和所有检测器一样，它也可能出错。请把它的结果当作展开交流的理由，而不是单独作为证据。

查重工具的工作原理

查重工具并不理解作者身份。它找出的是与其他文档中的文字相同或高度相似的文字，各种工具的主要区别在于它们拿什么来比对，以及如何定义“相似”。

它们拿什么来比对

• 网页和数据库检索。商业服务会把提交的文本与已收录的网页、获得授权的文章和图书比对，有些服务还会比对以前提交过的学生论文。这能发现您不知道的来源，但前提是这些来源已被收录。
• 由您提供的来源。另一类工具只把您的文本与您提供给它们的文档比对，当您知道可能的来源时很有用，例如论文的阅读书目，或您自己笔记里的资料。

Shingling 与指纹

为了快速找出照搬的段落，查重工具会把文本拆成相互重叠的词序列，称为 shingle（词片）或 n-gram（n 元组）。中文没有空格，通常先分词（也可以直接按字切分）：句子“行道树让城市空气变凉”分词后为“行道树 / 让 / 城市 / 空气 / 变凉”，会产生 3 个词的词片“行道树让城市”“让城市空气”和“城市空气变凉”。每个词片都会经过规范化处理（转为小写、去掉标点），再用哈希函数变成一个数字，这些哈希值中的一个子集就成为文档的指纹；Schleimer、Wilkerson 和 Aiken 在 2003 年提出的 winnowing 算法，是挑选这些哈希值的一种著名方法。两篇文档如果有许多相同的指纹哈希值，就说明它们有成段完全相同的措辞。

针对改写的语义相似度

精确的词片匹配会漏掉拼凑式改写，因为替换同义词会打断词序列。较新的查重工具还会把每个句子转换成句子嵌入（sentence embedding），即由语言模型生成的一串数字，用来表示句子的含义。含义相近的句子，即使共有的词很少，用余弦相似度衡量时也会彼此靠近。这能找出被改写过的段落，但也会把独立表达了同一观点的句子标出来，因此其结果需要更多的人工判断。

我们的查重工具把这两种方法结合起来，与您粘贴进来的来源进行比对：它会高亮显示连续五个或更多词的完全匹配，并用句子嵌入标出可能的改写。它不会搜索网络，比对在您的浏览器中进行。

相似度百分比意味着什么

查重报告中最醒目的那个数字，是您的文本中与比对库里某些内容相匹配的部分所占的比例。它衡量的是重合程度，并不是认定抄袭的结论。

• 匹配也可能是正当的。规范引用并标注出处的段落、参考文献列表、固定用语（如“结果表明”）、专业术语、法律或机构的名称，以及作业要求使用的模板，都会产生匹配。
• 分数低也可能藏着问题。抄自比对库里没有的来源，或者翻译自另一种语言的来源，可能完全不会产生匹配。用全新措辞表达的未注明出处的观点同样不会被发现。
• 不存在通用的可接受百分比。重要的是匹配了什么：零星分布的几个常见短语是正常的，而一整段连续的、未引用的文字即使只占长文档的一小部分，也是个问题。
• 设置会改变这个数字。排除引文、参考文献或较短的匹配，可能让分数大幅变动。

提交前如何检查自己的作品

1. 确保每处引文都有引号和引用，每个借用的观点都标注了出处。
2. 把改写的内容与原文并排对照；凡是沿用了原文句式的，都要重写。
3. 用您的主要来源，把草稿放进查重工具里检查，并逐段阅读每一处高亮的内容，而不是只看百分比。
4. 检查每一条参考文献是否真实存在、是否确实如您所述，尤其是在使用过AI工具的情况下。
5. 如果规定要求，请说明使用了AI协助，或重复使用了以前的作品。

常见问题

改写算抄袭吗？

如果措辞和结构确实出自您自己，并且注明了观点的来源，改写就不算抄袭。如果您漏掉了引用，或者您的“改写”保留了原文的结构和大部分措辞、只改了几个词，那就变成了抄袭。

连续多少个词相同才算抄袭？

没有官方数字。查重工具会用连续五个或更多相同的词之类的阈值来决定高亮哪些内容，但抄袭关键在于是否在未注明出处的情况下使用了有特色的措辞或观点。一个有特色的短语可能就需要加引号，而一个很长的常见短语则可能不需要。

用 ChatGPT 会被指控抄袭吗？

这取决于您所适用的规定。有些院校把未说明的AI使用视为不端行为，也有些允许在说明的前提下使用，或只用于有限的任务。请阅读适用于您的政策。

相似度多少算可以接受？

没有哪个分数自动算作可以接受或不可接受。审阅者看的是匹配了什么。分数较高，但都是已标注引用的引文和参考文献，完全可以没有问题；而分数很低，却含有一段照搬且未引用的文字，就不行。