Delfråga 1 löd som följer: Vilken hjälp behöver lärarna på Malmö Högskola i sitt arbete med att upptäcka plagiat i källkod?
Konkret ges svaret på detta i intervjustudien, då både lärarna och representanten från Malmö Högskolas disciplinnämnd menade att mer konkret bevisning behövs i de fall som misstänks för plagiat. För lärarna innebär detta praktiskt att kunna använda ett automatiserat verktyg för att få en överblick av vilka inlämningar som bör misstänkas. De misstänkta fallen behöver i efterhand alltid, som Hage m.fl. tidigt framhäver i sin artikel [4], studeras av en mänsklig granskare som kan bedöma om likheterna är orsakade av plagiat eller inte. Om likheterna är orsakade av plagiat kan de sedan föras vidare till disciplinnämnden. Användning av ett automatiserat verktyg skulle effektivisera arbetet med att upptäcka plagiat bland studenter, eftersom att varje enskild inlämning inte behöver granskas av en lärare. Detta stödjs av argument som presenterats av Hage m.fl. [4] där de menar att det skulle vara oekonomiskt att inte använda ett automatiserat verktyg för detektering av plagiat. Vid användning av JPlag eller MOSS ges läraren också möjlighet till att inspektera två misstänkta program. I de båda verktygens snarlika inspektionsläge markeras de gemensamma likheterna med olika färgkoder, vilket hjälper läraren med konkret bevisning. Verktygen hjälper dessutom läraren med att upptäcka de mest förekommande metoderna av plagiat studenter använder när de kopierar en kamrats program, vilket vid manuella arbetsmetoder löper stor risk att passera obemärkt. Det visar bland annat resultatet när JPlag och MOSS analyserade den andra samlingen, vilket också nämns i diskussionen, avsnitt 9.2.
10.1.2 Delfråga 2
Delfråga 2 behandlar en fullgod rekommendation av vilket verktyg som passar bäst för lärare på en universitetsmiljö att använda för att upptäcka plagiat i källkod. För att besvara delfrågan nyttjas till störst del insamlad data från litteraturstudien tillsammans med den praktiska testningen. Delfrågan löd som följande: Vilket granskningsverktyg passar bäst för de behov som lärarna vid Malmö Högskola har?
Arbetets slutgiltiga rekommendation av vilket verktyg som passar bäst, beror på hur det tänkts användas. Om det är tänkt att verktyget skall införas med omedelbar verkan till alla lärare med behov, rekommenderas MOSS. Detta då det är ett väl fungerande verktyg, vilket också har stöd för väldigt många programmeringsspråk som kan tänkas användas på en universitetsnivå. Det stora antalet stödjande språk bidrar med att MOSS kan appliceras på de flesta eller alla programmeringskurser, vilket innebär att risken för att en kurs utesluts är mycket liten. MOSS är ett väl fungerande verktyg, vilket kan bekräftas både från litteraturstudien och i resultatet av den praktiska testningen. Trots att den praktiska testningen bland annat visade att MOSS hade problem med att hantera kommentarer enligt docstring-format i källkod skriven i Python.
Under intervjuerna diskuterades dock möjligheten att integrera eller kombinera ett automatiskt verktyg för att upptäcka plagiat med skolans webbaserade inlämningssystem. I en situation där detta är önskvärt rekommenderas istället JPlag. Trots att JPlag inte stödjer alla programmeringsspråk som MOSS gör, är verktyget publicerad med öppen källkod och kan användas som en lokal resurs. Enligt Martins [10] är dessa två kriterier av stort värde, för de som vill återanvända eller anpassa verktyget. Kriterierna främjar också enligt Martins utvecklingen av ett större system om verktyget är distribuerat tillsammans vid sidan om applikationen [10]. JPlag skulle därför i större mån främja utvecklingen av ett sådant system jämfört mot MOSS. Den öppna källkoden gör också att det sannolikt kommer utökas med fler språk i framtiden, även om detta skulle kunna leda till mer arbete med att kombinera verktyget med inlämningstjänsten. JPlag skulle också rekommenderas istället för MOSS ifall det kan appliceras på alla programmeringskurser universitet erbjuder. Den rekommendationen bygger på att JPlag är bättre på att detektera plagiat i större inlämningsuppgifter, eftersom att läraren har möjlighet till att ställa in verktygets tokenvärde. Beroende på vilket tokenvärde JPlag kör med påverkas känsligheten i analysen när det letar efter likheter mellan studenters program. I avsnitt 4, där svaren från intervjuerna tolkas kunde det tydligt utläsas att det anses vara viktigare att upptäcka plagiat i större inlämningsuppgifter jämfört med introduktionsuppgifter.
Vår subjektiva bedömning för hur bra verktygens resultat presenteras stämmer överens med Hage m.fl.:s [4] tidigare bedömning. Den stora skillnaden i presentationen mellan JPlag och MOSS är den översiktliga vyn av resultatet, där vi anser att JPlag’s visualisering är lite tydligare. Detta eftersom JPlag tillåter användaren att filtrera vilka inlämningar som visas i resultatet, en funktion som MOSS saknar. Dock betyder inte detta att något av verktygen är svårt att använda för någon med teknisk kunskap, vilket gör tidigare kriterier viktigare.
10.1.3 Delfråga 3
Delfråga 3 var: Hur kan det göras enklare för lärare att bevisa fall av plagiat när dessa tas upp för granskning?
Från intervjustudien, specifikt den intervju som bedrevs med Hans Jonsson, diskuterades ett guidedokument som en möjlig lösning. Ett sådant dokument skulle vara till stor nytta för att underlätta förståelsen bland de som inte är tekniskt kunniga inom programmering, men löser inte hela problemet. Detta då en lärare ändå kommer behöva närvara och förklara likheterna samt om nödvändigt argumentera mot den anklagade studenten, vilket personen från disciplinnämnden inte skulle klara av att göra på egen hand.
Ett sådant dokument skulle med fördel baseras på de metoder för plagiat som definierats av Martins m.fl. [9]. Detta arbete har skapat en grundläggande mall för ett sådant dokument, men det måste vidare utvecklas och valideras för att faktiskt kunna användas i en verklig situation.