Determinación de estilos de escritura para la detección de similitudes entre documentos digitales
Resumen
Todo lo inherente al intelecto humano es susceptible de actos de plagio: obras científicas y literarias tales como artículos, tesis, obras audiovisuales, planos y proyectos, códigos fuentes de programas, entre otros. Sin embargo, el presente trabajo dedica especial atención a la existencia de este fenómeno en obras escritas, en concreto documentos digitales provenientes de lenguajes naturales o de programación, y centra su objetivo en el desarrollo y aplicación de un modelo matemático que permite determinar el estilo de escritura empleado en la redacción de los textos. Los resultados que se esperan obtener a partir de la aplicación del procedimiento servirán de base para la reducción en el número de documentos que se deben comparar en el análisis y detección de similitudes entre estos documentos. De forma experimental se aplica el procedimiento a un grupo de artículos clasificados por temáticas y autores y que difieren entre ellos en el estilo de escritura utilizado para su redacción.
Palabras clave
Referencias
Clough, P. (2000). Plagiarism in natural and programming languages: an overview of current tools and technologies. Research Memoranda: CS-00-05, Department of Computer Science, University of Sheffield, UK, 1-31. Retrieved from http://ir.shef.ac.uk/cloughie/papers/plagiarism2000.pdf
Cooper, J. W., Coden, A. R., & Brown, E. W. (2002). Detecting similar documents using salient terms. In Proceedings of the 11th international conference on Information and Knowledge Management. New York, NY: ACM. Retrieved from http://www.labsoftware.com/flahdo/Papers/CIKMDuplicates.pdf
Dale, E., & Chall, J. S. (1948). A formula for predicting readability. Educational Research Bulletin, 27(1), 11-20. Retrieved from http://www.ecy.wa.gov/quality/plaintalk/resources/classics.pdf
Dubay, W. H. (2004). The principles of readability. Costa Mesa, CA: Impact Information. Retrieved from http://files.eric.ed.gov/fulltext/ED490073.pdf
Gitchell, D., & Tran, N. (1999). Sim: a utility for detecting similarity in computer programs. In The proceedings of the 30th SIGCSE technical symposium on Computer Science Education. New York, NY: ACM. Retrieved from http://www.eng.uwi.tt/depts/elec/staff/feisal/ee302/sim-gitchell.pdf
Gruner, S. & Naven, S. (2005). Tool support for plagiarism detection in text documents. In Proceedings of the 2005 ACM symposium on Applied Computing. New York, NY: ACM. Retrieved from http://dl.acm.org/citation.cfm?id=1066677.1066854. doi http://dx.doi.org/10.1145/1066677.1066854
Honoré, A. (1979). Some simple measures of richness of vocabulary. Association for Literary and Linguistic Computing Bulletin, 7(2).
Plagiarise (n.d.). In The Collins English Dictionary. Retrieved from http://www.collinsdictionary.com/dictionary/english/plagiarise
Real Academia Española (Ed.) (2001). Diccionario de la Real Academia Española. Madrid, Spain: Real Academia Española.
Si, A., Leong, H. V., & Lau, R. W. H. (1997). Check: a document plagiarism detection system. In Proceedings of the 1997 ACM symposium on Applied Computing. New York, NY: ACM. Retrieved from http://www.cs.cityu.edu.hk/~rynson/papers/sac97.pdf. doi http://dx.doi.org/10.1145/331697.335176
Wikipedia (2011). Gunning fog index. Wikipedia. Online: Wikipedia.org. Retrieved from http://en.wikipedia.org/wiki/Gunning_fog_index
Yule, G. U. (1944).The statistical study of literary vocabulary. Journal of the Royal Statistical Society, 107(2), 129-131. Retrieved from http://www.jstor.org/discover/10.2307/2981280?uid=3737824&uid=2129&uid=2&uid=70&uid=4&sid=21102626763567. doi http://dx.doi.org/10.2307/2981280
DOI: http://dx.doi.org/10.7238/rusc.v11i1.1783
Enlaces refback
- No hay ningún enlace refback.
RUSC. Universities and Knowledge Society Journal es una revista científica editada por la Universitat Oberta de Catalunya (Barcelona).
Los textos publicados en esta revista están sujetos –si no se indica lo contrario– a una licencia de Reconocimiento 3.0 España de Creative Commons. Puede copiarlos, distribuirlos, comunicarlos públicamente, hacer obras derivadas y usos comerciales siempre que reconozca los créditos de las obras (autoría, nombre de la revista, institución editora) de la manera especificada por los autores o por la revista. La licencia completa se puede consultar en http://creativecommons.org/licenses/by/3.0/es/deed.es.