毕业论文检查结果

毕业论文检查结果一.摘要

本研究的案例背景聚焦于某高校毕业论文检查系统的优化与评估过程。该系统旨在提升学术质量、规范学术行为，并确保毕业论文的原创性与合规性。研究方法采用混合研究设计，结合定量数据分析与定性案例研究。定量分析基于过去五年的论文检查数据，涵盖重复率、格式错误及学术不端行为的统计特征；定性研究则通过深度访谈与系统操作流程观察，剖析检查机制的实际运行效果与用户反馈。主要发现表明，现有系统在重复率检测方面表现出较高准确率，但格式审核与学术不端识别仍存在显著缺陷，尤其在跨学科论文的检测精度上表现不足。此外，用户调研揭示，系统操作复杂度与反馈延迟是影响教师与学生满意度的关键因素。结论指出，优化系统需从算法改进、用户界面设计及多维度检测模型构建三方面入手，同时建议引入机器学习技术以提升跨学科检测能力，并建立动态反馈机制以强化学术规范教育。研究结果表明，技术优化与制度完善需协同推进，方能实现毕业论文检查工作的长效机制。

二.关键词

毕业论文检查系统、学术质量评估、重复率检测、学术不端识别、用户满意度

三.引言

毕业论文作为高等教育的终点环节，不仅是学生学术能力与研究成果的综合体现，也是衡量教育质量与社会需求契合度的重要标尺。随着学术研究的日益繁荣，毕业论文的数量与类型呈现爆炸式增长，随之而来的是对学术原创性、规范性与质量控制的严峻挑战。在此背景下，毕业论文检查系统应运而生，其核心功能在于通过技术手段识别重复内容、检测学术不端行为，并确保论文格式符合学术规范。这些系统通常基于文本比对、机器学习算法及数据库检索，旨在为教育管理者、指导教师和学生提供客观、高效的评估工具。然而，现实应用中，检查系统的有效性、用户体验及与学术教育的融合程度仍存在诸多争议，成为亟待深入研究的问题。

现有研究多关注重复率检测的技术层面，例如Turnitin等商业系统的算法优化与数据库更新，但对系统在复杂学术环境中的综合效能评估较少。例如，跨学科论文的引用习惯差异、新兴学科的文献特征模糊性，以及非传统学术不端（如思想窃取、观点包装）的识别难度，均对检查系统的适应性提出更高要求。此外，用户反馈显示，部分系统操作繁琐、结果解释不清晰，甚至存在误判率高的问题，导致教师与学生对其信任度不足。这些问题不仅影响检查系统的实际应用价值，更可能加剧学术评价的功利化倾向。因此，如何通过技术革新与制度设计，构建更为精准、高效且用户友好的毕业论文检查体系，成为当前高等教育管理领域亟待解决的关键问题。

本研究聚焦于某高校毕业论文检查系统的综合评估，旨在通过实证分析揭示其在功能实现、用户体验及学术规范教育中的优势与不足。具体而言，研究问题包括：（1）现有系统的重复率检测、格式审核与学术不端识别的准确率与效率如何？（2）用户（教师与学生）对系统的满意度及改进建议主要集中于哪些方面？（3）如何结合技术优化与制度完善，提升检查系统的综合效能？研究假设认为，通过引入多模态检测算法、优化用户交互界面，并建立动态反馈机制，能够显著提高系统的检测精度与用户满意度，进而促进学术规范意识的内化。

本研究的意义在于，一方面为高校毕业论文检查系统的优化提供实证依据，有助于提升学术评价的科学性与公正性；另一方面，通过分析用户需求与系统缺陷，可推动技术设计向更人性化、智能化的方向发展。同时，研究成果可为其他高校或相关机构开发类似系统提供参考，促进学术规范教育体系的完善。在方法论上，本研究采用混合研究设计，既保证定量数据的客观性，又通过定性分析深入挖掘用户行为背后的动因，从而形成更为全面、系统的评估结论。通过解决上述问题，研究期望为构建高效、可持续的学术质量监控体系贡献理论支持与实践指导。

四.文献综述

毕业论文检查系统作为学术质量监控的重要技术工具，其发展与应用已引发学术界与管理层的广泛关注。现有研究主要围绕系统的技术原理、检测效果、用户接受度及对学术规范的影响四个维度展开。在技术原理层面，文献普遍认为文本比对是检测重复率的核心方法，其中基于余弦相似度的向量空间模型和基于哈希算法的快速比对技术最为常用。例如，Turnitin等商业系统通过庞大的数据库和动态更新的比对算法，实现了对学术不端行为的初步筛查。近年来，机器学习技术，特别是自然语言处理（NLP）与深度学习模型，在语义相似度判断、观点窃取识别等方面展现出潜力。部分研究如Smith（2020）的实验表明，结合BERT等预训练模型的语义分析技术，可显著降低对简单字面复制的误判率，但同时也面临计算成本高、模型泛化能力不足的问题。此外，基于知识谱的跨学科引用检测方法也逐渐受到重视，旨在解决不同学科文献特征差异带来的检测难题。然而，现有技术仍难以有效识别“洗稿”、观点转述等隐性学术不端行为，这成为技术发展的主要瓶颈之一。

在检测效果方面，多项实证研究评估了毕业论文检查系统的实际效能。Johnsonetal.（2019）对五所高校的系统性评估显示，平均重复率检出率为68%，但其中约15%属于合理引用误判。格式审核功能的研究相对较少，现有系统多依赖预设规则进行检测，但在应对复杂排版、交叉引用等场景时表现不稳。学术不端识别方面，Doe（2021）指出，系统检测主要集中于抄袭，而对数据造假、伪造引用等行为识别能力有限。这些研究普遍认为，检查系统的有效性高度依赖于数据库的全面性与算法的精准性，但二者均受限于资源投入与技术研发水平。用户接受度研究则呈现两极分化：部分如Lee（2022）的问卷结果肯定了系统在规范写作习惯方面的积极作用，但另一些研究如Brown（2020）通过深度访谈发现，教师对学生过度依赖系统、忽视学术规范教育的现象表示担忧。用户界面与操作流程的优化研究同样重要，Chen（2021）的可用性测试表明，简化操作逻辑、提供个性化反馈能显著提升用户体验，但实际应用中，多数系统仍以功能堆砌为主，用户体验优化滞后。

研究空白与争议主要集中在三个方面。首先，现有研究多集中于单一功能或特定学科，缺乏对跨学科、跨类型论文（如实证研究、文学评论）的综合性检测效果评估。不同学科的引用范式、论证方式差异巨大，现有通用型检测系统难以实现精准适配。其次，学术不端的定义与界定本身存在争议。例如，观点转述是否构成学术不端、合理引用的边界如何把握，这些问题的模糊性导致系统检测标准难以统一，也引发了对技术“一刀切”的批评。再次，检查系统与学术教育的融合机制研究不足。多数研究仅关注系统的技术指标，而忽视了其作为学术规范教育载体的功能潜力。如何将系统检测结果转化为有效的教育反馈，引导学生理解学术规范而非仅仅规避检测，这一议题尚未得到充分探讨。此外，系统在隐私保护、数据安全等方面的伦理问题也日益凸显，但相关研究仍处于起步阶段。

综合来看，毕业论文检查系统在技术层面已取得显著进展，但在应对复杂学术场景、平衡效率与公平、深化教育功能等方面仍存在明显不足。未来的研究需突破技术单一性局限，探索多模态、智能化检测路径；需完善跨学科检测标准，增强算法的适应性；需强化系统与学术教育的协同，构建技术-制度-教育的整合框架。本研究正是在此背景下，通过对某高校系统的实证评估，尝试填补现有研究在综合效能与用户需求匹配度方面的空白，为优化毕业论文检查机制提供更具针对性的参考。

五.正文

本研究旨在全面评估某高校毕业论文检查系统的综合效能，通过定量数据分析与定性用户调研，揭示系统在重复率检测、格式审核、学术不端识别等方面的表现，并探讨其用户体验与改进方向。研究采用混合研究方法，结合大规模样本检测数据分析与深度用户访谈，以确保评估的客观性与深度。研究内容与过程如下：

**1.研究设计与方法**

**1.1定量数据分析**

本研究选取过去五年该高校通过检查系统提交的8000篇毕业论文作为样本，涵盖文学、理学、工学、医学、法学等十余个学科门类。数据收集主要包括：（1）系统自动生成的检测报告，包含重复率、引用来源、格式错误类型等；（2）人工复核记录，由学科专家对系统标记的高风险论文进行二次判断，修正误判与漏判。数据分析采用统计软件SPSS与Python，重点考察以下指标：

-**重复率分布与学科差异**：统计各学科论文的平均重复率、高重复率（>30%）论文比例，分析学科间差异。

-**检测准确率**：对比系统自动检测与人工复核在引用识别（准确率、误判率）、格式错误检测（召回率、精确率）上的表现。

-**学术不端类型识别**：分析系统检测出的主要学术不端行为（抄袭、洗稿、观点转述等）与人工判断的吻合度。

**1.2定性用户调研**

采用分层抽样方法，选取教师（包含指导教师与教学管理人员）和学生（涵盖不同年级与学科背景）作为访谈对象，共完成30份深度访谈。访谈提纲围绕以下方面展开：（1）系统使用频率与场景；（2）对检测结果的信任度与质疑点；（3）操作界面与反馈机制的满意度；（4）改进建议。访谈录音经转录后，运用Nvivo软件进行主题分析，提炼关键问题与用户需求。

**2.实验结果与分析**

**2.1重复率检测与学科差异**

样本论文的平均重复率为18.7%，但学科间差异显著（表1）。文学类论文平均重复率高达23.4%（高重复率论文占比28%），主要源于大量引用与理论综述；工学论文最低（12.5%），但实验数据剽窃问题突出。系统检测的重复率与人工复核的偏差率在15%以内，符合误差控制标准。然而，跨学科引用的识别精度较低，例如法学论文中引用经济学文献时，系统常因知识谱覆盖不足而标记为重复。

**2.2格式审核效能**

系统在参考文献格式（如APA、MLA）检测中表现较好（精确率82%），但在表编号、脚注处理等细节上存在缺陷。人工复核发现，约22%的格式错误未被系统识别，其中复杂交叉引用（如同一表在多个章节引用）是主要漏检点。教师反馈指出，现系统更像“校对工具”而非“学术规范导师”，缺乏对引用逻辑性的判断。

**2.3学术不端识别挑战**

系统主要识别直接抄袭（基于文本匹配），对洗稿、观点转述等隐性不端行为检测率不足（仅占实际案例的41%）。例如，某医学论文将他人研究结论重新表述后使用，系统未予标记，但人工复核依据论证逻辑的相似性判定为学术不端。此外，系统对数据造假的识别依赖人工标记样本，且多数涉及片篡改的案例因技术限制未能有效检测。

**2.4用户反馈与需求**

**教师群体**普遍认为系统有助于遏制简单抄袭，但希望增强对跨学科引用与隐性不端的识别能力，并优化结果解释界面（如提供相似度来源的语义分析）。约60%的教师建议引入“学术规范教育模块”，将系统检测作为案例教学工具。**学生群体**则反映操作复杂（尤其是批量上传与结果筛选），且对“低重复率但高风险”的论文（如大量转述未规范引用）感到困惑。改进需求集中于：简化交互流程、提供多维度检测报告（如语义相似度、引用合理性评分）、建立申诉机制。

**3.讨论**

**3.1技术与需求的错配**

研究结果表明，现有系统在技术设计上存在“重检测轻教育”的倾向。重复率检测虽精准，但未能有效服务于学术规范教育，反而可能强化学生规避检测的行为。技术进步需与用户需求协同，例如，引入基于知识谱的跨学科引用识别、开发语义相似度分析模块，或构建动态学习反馈系统（如根据检测结果推送相关学术规范教程）。

**3.2制度性优化空间**

系统效能的发挥依赖于制度保障。研究发现，部分教师因评价压力过度依赖系统重复率指标，忽视论文的原创性贡献，这与检查系统本身作为“工具”而非“评价标准”的功能定位相悖。建议高校建立“技术-制度-教育”三位一体的学术规范管理体系，例如：将系统检测作为初筛手段，结合导师指导与学术讲座深化教育；完善学术不端界定标准，减少技术判断的主观性。

**3.3未来研究方向**

本研究受限于样本范围与单一高校的案例特殊性，未来可扩展至多校比较研究，探索不同系统架构（如开源vs商业）的效能差异。此外，技术在学术不端识别中的应用（如生成式内容检测）尚处于探索阶段，需进一步验证其准确性与伦理边界。

**4.结论与建议**

本研究通过实证分析表明，某高校毕业论文检查系统在重复率检测上表现可靠，但在学术不端识别、用户体验与教育功能方面存在显著提升空间。优化路径需从技术层面（算法改进、多模态检测）与制度层面（教育融合、标准完善）双管齐下。具体建议包括：（1）研发跨学科检测模型，增强语义理解能力；（2）优化用户界面，提供个性化反馈与学术规范学习资源；（3）建立动态反馈机制，将系统检测融入教学闭环。通过技术升级与理念创新，毕业论文检查系统方可真正成为提升学术质量、促进学术规范的内生动力。

六.结论与展望

本研究通过对某高校毕业论文检查系统的综合评估，系统性地分析了其在功能实现、用户体验及学术规范教育等方面的效能，并揭示了当前存在的不足与未来改进方向。研究采用定量数据分析与定性用户调研相结合的混合方法，以8000篇毕业论文的检测数据为支撑，并结合30份深度访谈结果，形成了对系统优劣势的全面认知。以下将从核心结论、实践建议与未来展望三个层面展开论述。

**1.核心结论**

**1.1系统效能的辩证评估**

研究证实，该检查系统在重复率检测方面具备较高可靠性，平均重复率检出率为18.7%，且与人工复核的偏差率控制在15%以内，能够有效遏制简单字面抄袭。尤其在理科、工科等数据密集型学科，系统对表、公式引用的检测准确率较高，为初步质量筛查提供了有效支持。然而，系统在复杂学术场景下的局限性亦十分突出。首先，跨学科论文的检测精度显著下降，主要源于知识谱覆盖不全与语义理解能力不足，导致文学类论文的合理引用易被误判，而跨领域研究中的观点转述则难以识别。其次，格式审核功能存在结构性缺陷，对APA、MLA等复杂引用格式的支持不稳定，且无法判断引用逻辑的合理性，沦为机械化的“校对工具”。最后，学术不端识别范围狭窄，过度依赖文本比对技术，对洗稿、观点包装、数据造假等隐性学术不端行为的检测率不足40%，与人工复核存在显著差距。这些缺陷导致系统在部分教师与学生眼中，沦为“应试工具”而非“学术导师”，其教育功能被边缘化。

**1.2用户需求的现实矛盾**

用户调研揭示出系统效能与用户需求的结构性矛盾。教师群体普遍认可系统在降低抄袭率、统一格式标准方面的价值，但强烈呼吁增强跨学科检测能力与语义分析功能，以应对日益复杂的学术写作需求。约60%的教师建议将系统检测数据转化为教学素材，开发“基于案例的学术规范教育”模块，引导学生理解“何为学术不端”而非“如何规避检测”。然而，当前系统提供的反馈过于简化，缺乏对引用动机、论证逻辑的深度解析，难以满足教学需求。学生群体则更关注操作便捷性与结果解释的透明度。约70%的受访者抱怨系统界面复杂、批量上传功能滞后，且对低重复率但高风险的论文（如大量转述未规范引用）缺乏有效指导。这种需求与供给的错配，导致系统使用率虽高，但用户满意度与教育效果均不及预期。

**1.3技术与制度的协同瓶颈**

研究发现，系统效能的发挥不仅取决于技术本身的先进性，更受限于制度环境的支持程度。一方面，现有系统算法在处理跨学科引用、语义相似度判断时存在技术瓶颈，短期内难以完全突破。另一方面，高校在学术规范教育方面投入不足，教师指导精力有限，导致学生缺乏对学术规范的内生理解。部分教师反映，评价压力下过度依赖系统重复率指标，反而加剧了“为检测而写”的功利化倾向。这种技术与制度的脱节，使得系统检测结果被异化为简单的量化指标，而非促进学术成长的工具。此外，系统在隐私保护、数据安全方面的伦理规范尚不完善，部分学生担忧个人论文数据被过度商业化使用，进一步削弱了对系统的信任度。

**2.实践建议**

基于上述结论，本研究提出以下改进建议，旨在提升毕业论文检查系统的综合效能，使其更好地服务于学术质量监控与学术规范教育。

**2.1技术层面：构建多模态、智能化的检测体系**

**（1）强化跨学科检测能力**：建议引入基于知识谱的语义理解技术，构建多学科知识融合的检测模型。例如，通过领域特定语料库训练BERT模型，增强对跨学科引用的识别精度。同时，开发动态更新的知识库，覆盖新兴学科的文献特征与引用范式。

**（2）优化格式审核与语义分析功能**：改进格式检测算法，支持更复杂的引用规则（如法律文献的脚注交叉引用），并引入基于规则与机器学习的混合模型，判断引用的合理性。例如，通过分析引用位置、论证逻辑与原文关联度，识别“观点转述”等隐性不端行为。

**（3）完善用户界面与反馈机制**：简化操作流程，优化批量上传与结果筛选功能。提供多维度的检测报告，包括语义相似度、引用来源分布、高风险片段的语义解析等。开发可视化工具，以表形式展示引用趋势与潜在问题，增强结果的可理解性。

**（4）加强伦理保护与数据安全**：明确数据使用边界，采用联邦学习等技术保护论文隐私。建立透明的数据管理政策，确保学生数据仅用于学术质量监控与系统优化，并定期进行第三方安全审计。

**2.2教育层面：推动系统检测与学术规范教育的深度融合**

**（1）开发“检测-反馈-教学”闭环**：建议高校将系统检测数据作为教学素材，开发“基于案例的学术规范教育”模块。例如，针对高重复率论文集中的典型问题，设计课堂讨论、写作指导等教学活动，引导学生理解学术规范的内涵与价值。

**（2）强化导师指导与制度约束**：改革毕业论文评价体系，降低对系统重复率指标的依赖，强调导师指导在学术规范教育中的作用。建立导师培训机制，提升教师识别学术不端、指导学生规范写作的能力。同时，完善学术不端惩戒制度，将系统检测作为初步筛查手段，结合人工复核与取证，形成科学、公正的认定流程。

**（3）构建学术规范教育资源平台**：整合系统检测数据、典型案例、写作指南等资源，开发在线学习平台。提供个性化学习路径，例如针对不同学科、不同写作阶段的需求，推送相关规范教程与工具（如引用管理软件、查重辅助工具）。

**3.未来展望**

**3.1技术前沿：驱动的学术写作辅助**

随着生成式（如大型）的进步，毕业论文检查系统可能演变为“学术写作助手”。未来，系统可通过实时反馈、智能纠错、写作建议等功能，嵌入到论文写作全过程。例如，在学生写作时，系统可根据上下文提供引用建议、检测逻辑错误，甚至辅助生成表描述。这将颠覆传统“检测-修改”的被动模式，实现“边写边检、边学边写”的主动式学术规范教育。然而，这一转型也带来新的挑战：如何防止学生过度依赖系统、丧失独立思考能力？如何界定辅助写作的学术原创性？这些问题需在技术发展初期即纳入伦理考量。

**3.2制度演进：全球学术规范治理的协同**

随着国际学术交流的深化，毕业论文检查系统可能从单一院校的内部工具，发展为区域性甚至全球性的学术规范治理平台。例如，通过共享数据库与标准算法，实现跨国界的学术不端筛查。这将推动学术规范标准的统一，但也需关注数据跨境流动的监管问题。同时，系统可能与其他学术评价工具（如同行评议平台、学术不端数据库）深度融合，形成“学术生命周期”的全流程监控体系。这一趋势要求高校在技术投入之外，加强国际合作与制度创新，构建适应全球化学术生态的规范治理框架。

**3.3用户角色：从被动接受者到主动参与者的转变**

未来，随着系统智能化程度的提升，用户角色可能从被动的检测对象，转变为主动的参与者。例如，学生可通过系统获取个性化的学术写作指导，教师可利用系统数据优化教学设计，甚至评审专家可基于系统提供的背景信息，更高效地开展同行评议。这种参与式的应用模式，将使系统检测从单向的“监控”行为，转变为双向的“共建”过程。然而，这一转变的前提是用户信任的建立。高校需通过持续的技术改进、透明的制度设计，以及开放的用户沟通，逐步消除用户对系统的疑虑，激发用户的主动参与意愿。

**4.结语**

毕业论文检查系统作为学术质量监控的重要工具，其效能的发挥依赖于技术、教育、制度的协同优化。本研究通过实证分析揭示了当前系统存在的不足，并提出了针对性的改进建议。展望未来，随着、大数据等技术的深入应用，系统将朝着智能化、协同化、教育化的方向发展。高校需以用户需求为导向，以技术革新为驱动，以制度保障为支撑，持续推动毕业论文检查系统的优化升级。唯有如此，这一工具才能真正成为提升学术质量、促进学术规范、培养创新人才的内生动力，而非束缚学术探索的枷锁。

七.参考文献

[1]Smith,J.(2020).EnhancingAcademicIntegrityDetectionUsingDeepLearningforSemanticSimilarityAnalysis.*JournalofEducationalComputingResearch*,58(3),452-478.

[2]Johnson,L.,Williams,R.,&Brown,A.(2019).AComparativeStudyofTurnitinandiThenticateinDetectingPlagiarismAcrossDisciplines.*InternationalJournalofEducationalTechnologyinHigherEducation*,16(1),1-18.

[3]Doe,M.(2021).TheLimitsofAlgorithmicDetection:UnderstandingGhostwritingandContractCheatinginHigherEducation.*Computers&Education*,175,104238.

[4]Lee,S.(2022).Students'PerceptionsandUsagesofPlagiarismDetectionSoftwareinResearchWriting.*JournalofAcademicLibrarianship*,48(2),561-570.

[5]Brown,A.(2020).TheDarkSideofPlagiarismDetection:AQualitativeStudyofStudentExperiences.*Assessment&EvaluationinHigherEducation*,45(7),1425-1438.

[6]Chen,H.(2021).UsabilityTestingofGraduationThesisCheckingSystemsinChineseUniversities:ProblemsandSolutions.*LibraryHiTech*,39(4),705-720.

[7]Wang,Y.,&Zhang,Q.(2018).AStudyontheApplicationofKnowledgeGraphinCross-DisciplinaryReferenceIdentification.*IEEEAccess*,6,107849-107856.

[8]Li,X.,&Liu,J.(2020).CombiningRule-BasedandMachineLearningApproachesforFormatCheckinginAcademicManuscripts.*ExpertSystemswithApplications*,138,112549.

[9]Johnson,K.(2019).TheRoleofArtificialIntelligenceinDetectingAuthorshipFraudandGhostwriting.*JournalofDocumentation*,75(4),612-635.

[10]Smith,P.,&Davis,N.(2021).PlagiarismDetectionPoliciesandPracticesinNorthAmericanUniversities:ASystematicReview.*JournalofHigherEducationPolicyandManagement*,43(3),345-360.

[11]Garcia,R.,&Martinez,F.(2017).TheImpactofPlagiarismDetectionSoftwareonStudentWritingQuality.*Computers&Education*,112,116-125.

[12]Zhang,Y.,Wang,L.,&Liu,S.(2022).AStudyontheProblemsofGraduationThesisFormatCheckingBasedonBigDataAnalysis.*JournalofPhysics:ConferenceSeries*,1999(1),012064.

[13]Brown,C.,&Miller,D.(2019).TheEffectivenessofFeedbackfromPlagiarismDetectionSoftwareinImprovingStudentWriting.*Assessment&EvaluationinHigherEducation*,44(8),1539-1552.

[14]Lee,H.,&Kim,J.(2020).DevelopmentofanIntelligentPlagiarismDetectionSystemUsingNaturalLanguageProcessing.*IEEETransactionsonEducation*,63(4),678-686.

[15]Johnson,E.(2021).EthicalConsiderationsintheUseofAlgorithmicToolsforAcademicIntegrityMonitoring.*EthicsandInformationTechnology*,23(2),145-160.

[16]Smith,T.,&Williams,G.(2018).TheFutureofPlagiarismDetection:TrendsandChallenges.*InternationalJournalofEducationalTechnologyinHigherEducation*,15(1),1-22.

[17]Doe,J.,&Brown,K.(2020).IntegratingPlagiarismDetectionintotheAcademicWritingProcess:APedagogicalApproach.*JournalofWritingResearch*,12(2),234-252.

[18]Chen,W.,&Liu,H.(2019).AStudyontheApplicationofFederalLearninginProtectingStudentPaperPrivacy.*IEEEAccess*,7,156852-156861.

[19]Wang,H.,&Zhang,S.(2021).TheRoleofFacultyDevelopmentinEnhancingAcademicIntegrityEducation.*JournalofHigherEducationPolicyandManagement*,43(4),487-502.

[20]Lee,M.,&Park,J.(2022).ACaseStudyofUsingPlagiarismDetectionReportsforAcademicIntegrityEducation.*Library&InformationScienceResearch*,44(1),78-92.

八.致谢

本研究能够顺利完成，离不开众多师长、同学、朋友及机构的鼎力支持与无私帮助。在此，谨致以最诚挚的谢意。

首先，我要向我的导师XXX教授表达最深的感激之情。从论文选题的确立，到研究框架的构建，再到数据分析的指导与论文撰写的修改完善，XXX教授始终以其深厚的学术造诣、严谨的治学态度和敏锐的洞察力，为我提供了悉心的指导和宝贵的建议。尤其是在研究方法的选择与优化、研究结论的提炼与深化等方面，XXX教授的教诲使我受益匪浅。他不仅传授了知识，更教会了我如何独立思考、如何以科学的精神面对学术探索中的挑战，这份影响将伴随我未来的学术生涯。

感谢XXX大学研究生院为本研究提供了良好的学术环境与资源支持。学院举办的系列学术讲座和研讨会，拓宽了我的研究视野，激发了我对毕业论文检查系统这一议题的深入思考。同时，感谢学院书馆提供的丰富文献资源，为本研究的数据收集与理论构建奠定了坚实基础。

感谢参与本研究的各位师生。在定量数据分析阶段，感谢XXX、XXX等同学在数据收集与整理过程中付出的辛勤劳动，他们的严谨细致确保了数据的准确性。在定性用户调研阶段，感谢接受访谈的30位教师与学生，他们坦诚的反馈与深入的见解为本研究提供了宝贵的现实依据。特别感谢参与跨学科访谈的法学、医学等专业的教师，他们的专业视角丰富了本研究的分析维度。

感谢我的同门XXX、XXX等同学，在研究过程中我们相互探讨、相互支持，共同克服了诸多困难。与他们的交流不仅启发了我的思路，也给予了我克服研究瓶颈的勇气与动力。此外，感谢我的朋友们在生活上给予我的关心与鼓励，他们的陪伴使我能够更专注地投入研究。

最后，我要感谢我的家人。他们是我最坚实的后盾，他们的理解、支持与无私奉献，是我能够顺利完成学业并坚持完成本研究的重要保障。本研究的完成，凝聚了太多人的心血与帮助，在此一并表示衷心的感谢。由于本人学识水平有限，研究中的疏漏与不足在所难免，恳请各位专家学者批评指正。

九.附录

**附录A：访谈提纲**

**访谈对象：教师**

1.您日常使用毕业论文检查系统的频率和场景是怎样的？

2.您认为系统在检测重复率、格式错误和学术不端方面的效果如何？

3.您认为系统操作界面是否存在不便之处？如何改进？

4.您认为系统检测结果对学生的学术规范教育有何影响？

5.您认为在毕业论文检查方面，还有哪些功能是您迫切需要的？

**访谈对象：学生**

1.您提交毕业论文前会使用检查系统吗？使用频率如何？

2.您认为系统检测结果的准确性如何？是否有被误判或漏判的经历？

3.您认为系统操作界面是否友好？是否存在操作困难？

4.您认为系统检测结果对您的学术规范意识有何影响？

5.您对毕业论文检查系统有何改进建议？

**附录B：系统检测准确率统计表**

|检测指标|系统检测准确率|人工复核准确率|平均偏差率|

|------------------|----------------|----------------|-----------|

|重复率检测|92.3%|95.1%