剽窃是指未充分注明出处,便将他人的文字、思想、发现、创意表达或其他智力成果冒充为自己的成果。其形式包括逐字照抄、紧贴原文的改写、不注明来源的翻译、盗用他人的论证或设计,或提交由他人完成的作品。判定剽窃的核心在于归属上的误导:读者、考官、雇主或受众因此误解了相关内容究竟出自何人之手。尽管剽窃常与知识产权一同讨论,但它并不等同于侵犯法律权利。
这一概念在教育、研究、新闻及创意行业中十分重要,因为这些活动都依赖对作者身份和贡献的可靠说明。注明出处既便于核查相关主张,也能让前人的成果得到应有的认可,并将作者自身的贡献与沿用的既有材料区分开来。不过,具体标准因体裁和使用场合而异:研究论文、新闻报道、传统歌曲以及经授权发表的机构讲话,对个人作者身份所作的承诺并不相同。
因此,剽窃涉及伦理、历史、制度、法律和技术等多个层面。判断是否构成剽窃,不能仅仅看措辞是否相似。还需要考虑:相关材料是否取自先前的来源,出处标注是否充分,该作品应遵循哪些规范和要求,以及内容重合是否源于共同惯例而非盗用。
定义、来源标注与伦理意义
理解剽窃,最恰当的方式是将其视为一种来源标注上的缺失,而这种缺失发生在重视智力贡献的实践活动中。被挪用的材料可以是一段文字、一个尚未发表的论证、一幅图表、一段计算机程序、一段音乐,或一项实验设计。材料是否已经发表并不是前提:从保密稿件或同事的报告中挪用想法,可能引发与抄袭已出版书籍相同的来源标注问题。来源也不一定要有可识别的个人作者。组织、研究团队或匿名作者都可能创作出应当注明出处的材料。
来源标注包含几个方面。引文标注用于指明来源,而引号或块引用格式则用于将借用的措辞与周围的行文区分开来。这些功能相互关联,但不能彼此替代。段末的参考文献标注可能指明了某个想法的出处,却未说明其中有几句话是原样照搬的。反过来,一段文字即使加了引号,若没有任何可供查考的来源信息,也可能只是表明措辞借自他处,却隐去了这些措辞究竟出自何人。标注是否充分,取决于读者能否既了解借用材料的来源,又明确借用的范围。
主要的伦理关切涉及诚实、公平与责任。在伦理学中,义务论强调不得虚报作者身份的义务;功利主义式的后果论强调对信任、评估和知识生产造成的损害;德性伦理学则考察求知活动中诚实与公平的行为习惯。这些进路不一定会对每个案例都作出相同判断。不过,它们都能解释为什么一项准确的陈述仍可能以不当方式呈现:陈述为真,并不能解决其作者归属是否得到如实说明的问题。
这一问题也属于社会认识论的研究范围,该领域研究知识的社会条件。来源标注为思想成果对前人成果的依赖关系留下记录。它使读者能够区分亲自观察与转述他人的报告,追溯有争议的主张,并确定谁能够回答有关证据的问题。即使没有作者因此损失收入,未注明来源的借用也可能使这些记录变得模糊不清。它还可能依据对贡献的不实描述,重新分配成绩、职位、奖项或研究贡献认可等学业与职业上的回报。
意图很重要,但各机构对其作用的界定并不一致。有些机构只对明知故犯或罔顾后果的挪用行为作出最严厉的指控;另一些机构则将来源标注不足归为剽窃,即使这源于误解。因此,笔记记录错误、引文标注失误和蓄意掩盖抄袭的行为,可能受到不同处理。合理的区分方式,是将可观察到的来源标注缺陷,与有关责任和处罚的判断分开。仅凭相似性,既不能认定存在不诚实行为,也不能认定来源标注有缺失;而来源标注有缺失,本身也不能证明存在蓄意欺骗。
作者身份规范的历史发展
英语中的“plagiarism”一词最终源自拉丁语 plagiarius,其含义与绑架或非法将他人奴役有关。公元一世纪,罗马诗人马提亚尔曾借用描述拐卖人口的词语,抨击将他的诗句冒充为自己作品的人。他的讽刺短诗表明,早在现代版权法规或大学学术不端处理程序出现之前,罗马帝国就已有人抱怨文学创作的功劳遭到窃取。不过,这些诗并不能证明,古代作者对于独创性、所有权或注明来源的适当程度,持有与当代完全相同的观念。
古代和中世纪的文学文化既批评欺骗性的挪用,也广泛采用模仿和再利用的创作方式。修辞教育鼓励作者研读并仿效典范作品。中世纪的编纂者将权威文本中的段落汇集起来,有时注明来源,有时则依循惯例,默认读者能够辨认出处。宗教评注的权威可能来自对既有教义的传承,而非宣称提出了前所未有的新见。这些做法不能简单地按照现代研究期刊的引注要求来归类;它们的意义取决于作者和读者如何理解作品所要完成的任务。
文艺复兴时期,人文主义学术十分重视重新发掘文本、比对手稿,以及评估古代典范与新作之间的关系。印刷术扩大了文本的流通范围,也使署名归属和未经授权的复制在商业上产生了更大的影响。印本的书名页、出版商特许权及书商之间的约定,有助于建立作品身份确认与管理的秩序。然而,模仿仍是文学成就的核心要素,作者既可能赞扬创造性的转化,也可能谴责竞争对手所谓亦步亦趋的借用。
自十八世纪起,欧洲一些颇具影响力的文学独创性论述,日益强调作者独特的创造性贡献。英国于1710年颁布的《安妮法令》是版权史上的一项重大发展,但法律保护与针对剽窃的伦理判断沿着不同的轨迹演变。一部作品即使没有违反该法令,也可能因借用他人成果而未注明来源受到谴责。反过来,即便复制者准确注明了作者,未经授权的复制仍可能侵犯权利。学术研究逐渐走向专业化,也进一步强化了系统注明资料来源、发现及方法的要求。
现代剽窃规范与大众教育、专业化研究、标准化考试及专业出版业一同发展。书目著录与引注惯例,使人们越来越有可能将原创贡献与对既有成果的借鉴区分开来。这些发展在不同社会和学科中既非同时发生,也不尽一致。因此,历史记载同时支持两个论断:反对将他人成果冒称为己有的观念由来已久,而用于界定、记录和惩处剽窃的具体机制则因历史时期而异。无论声称现代以前人们完全不知剽窃为何物,还是认为各个时期对剽窃的评判完全一致,都会掩盖这一区别。
挪用的形式与难以界定的边界
文字剽窃最明确的形式,是逐字照抄,却未恰当标明引文及注明出处。抄袭的对象可能是一部完整作品,也可能只是一小段具有鲜明特色的文字。另一种相关形式常被称为拼凑式剽窃,即将多个来源的片段组合起来,只作少量替换或调整顺序。由此形成的文本可能没有连续照搬任何一个来源,却仍可能掩盖对原始材料的实质性依赖。抄袭的数量会影响行为的严重程度,但如果抄袭的内容包含某部作品的核心阐释、独特表述,或考核任务的答案,即使数量很少,也可能具有重大影响。
改述并不能免除注明来源的义务。仅用近义词替换原词,却保留句子结构和论证顺序,仍可能与原文的表达过于接近;即使大幅改写措辞,若未注明来源,也仍可能构成对思想的挪用。未注明来源的翻译也存在类似问题。即便一段文字译自另一种语言,完全没有保留原文用词,也可能造成对作者身份的误认。关键在于思想上的依赖关系,而不仅仅是字符串是否匹配。
思想、数据和非文字材料也可能遭到挪用,其形式更加多样。研究者可能采用送交自己评审的稿件中尚未发表的假说;设计师可能照搬他人独具特色的布局;程序员可能在修改变量名后,将他人的代码作为自己的成果提交。挪用还可能涉及作品的整体架构,例如不同寻常的例证顺序、原创的分类方法,或独具特色的综合论述。判断这类情况,需要超出一般主题相似性的证据。独立开展研究的人可能得出相近的结论,而常见的编排方式或标准技术方案,也不能自动成为抄袭的证据。
代写作弊与剽窃有所重叠,但两者的范围并不完全相同。学生委托他人撰写一篇新论文,再作为自己的作品提交,即使受托者的每一句话都是专为这项委托创作的,也仍然虚报了作者身份。这种情况并不需要存在任何先前已发表的来源。相较之下,考试中接受未经允许的帮助,可能违反考核规则,却不一定涉及通常意义上由他人创作的材料。区分这些类别,有助于说明为什么剽窃检测工具无法发现所有形式的学术不端行为。
重复使用自己的作品,通常被称为文本再利用,也有一种更具争议的说法,称之为自我剽窃。这一说法与通常意义上的剽窃有所不同,因为它并未将作品的实际作者身份虚假归于他人。问题在于,它可能使人误以为相关内容具有新颖性、属于独立发表的成果,或是为完成某项作业而独立创作的。重复使用实验室方法的标准描述,未必等同于将同样的研究结果作为一项新研究重新发表。同样,常识通常无须注明来源,但其范围因受众而异:专家熟悉的事实,在面向普通读者的参考著作中,可能需要解释并提供文献依据。不存在能够厘清这些边界的通用字数或百分比标准。
与著作权及其他法律权利的关系
剽窃与侵犯著作权涉及不同的问题。剽窃关乎是否注明来源,以及如何表述智力贡献的归属;著作权则依据适用的法律制度,规范对受保护表达的特定使用行为。即使材料的著作权已经到期,也仍可能发生剽窃,因为可以自由复制,并不意味着可以谎称自己是作者。反过来,即使准确注明了某位在世作者的身份,未经许可复制其受保护的材料,也仍可能构成侵权。因此,注明出处既不能在所有情况下替代许可,也不能保证行为合法。
著作权通常区分思想及其具体表达。科学原理、历史事实和抽象方法,并不像作者的措辞或原创插图那样受到保护。学术上的来源注明规范可能涵盖更广的范围:将另一位研究者独到的解释或假说说成自己的发现,即使其背后的思想不受著作权保护,也可能构成剽窃。这一区别在研究中尤为重要,因为概念性突破所带来的学术认可,可能比某一段文字的权利归属更为重要。
属于公有领域的材料就是一个直观的例子。一首著作权保护期已届满的诗,通常可以不经著作权许可而复制,但若将其作为自己新创作的作品提交,仍然违反了来源注明规范。开放许可又带来了另一层区别。许可证可能允许再分发或改编,但要求遵守包括署名在内的若干条件。不遵守这些条件,既可能引发法律问题,也可能涉及来源注明方面的问题。然而,遵守许可证,并不一定就能满足学校作业或研究出版物对作者身份的另行要求。
一些法律制度承认精神权利,其中包括与署名和作品完整性有关的权利。《伯尔尼公约》第六条之二规定了作者主张作者身份,以及反对某些有损其声誉的修改的权利。这些权利的范围、期限、可转让性及可执行性因司法管辖区而异。在美国,合理使用可以允许未经许可使用受著作权保护材料的某些行为,但其适用需要结合具体情境进行法律分析,而不是依据某个关于允许使用多少字的固定规则。其他司法管辖区则设有结构不同的例外规定。
世界各地并不存在一种法律定义统一、名为“剽窃”的违法行为。某项被公众称为剽窃的争议,在诉讼中可能实际依据著作权、合同、欺诈、雇佣或其他法律规则处理,具体取决于事实和司法管辖区。机构处分也可以独立于法院判决作出:即使不存在著作权方面的诉求,期刊仍可拒绝稿件,大学也仍可处分学生。某种行为合法,并不能就此判定它符合专业标准;同样,伦理层面的指控本身也不足以确立法律责任。
教育、考核与院校处理程序
在高等教育中,关于剽窃的规定旨在确保学生提交的作业能够反映其理应展现的学习成果或能力。论文可能考查阐释能力,实验报告可能考查对观察结果的分析能力,编程练习则可能考查构建算法的能力。如果核心的智力劳动由他人完成,而这种依赖关系又被隐瞒,那么最终的成绩就无法衡量原本要考查的学习成果。因此,问题不仅在于未给予来源作者应有的认可,也关系到考核的有效性与公平性。
具体界限在一定程度上取决于作业要求。一门课程可能要求合作,另一门课程却可能禁止合作。小组项目可以合理地由多人共同署名,而个人考试则可能不允许任何形式的商量或求助。同样,编辑修改、翻译协助、辅导和软件支持是否合规,也取决于允许使用这些帮助的范围。纠正标点的校对与重写论证并不是一回事。如果某项任务要求学生独立完成,附上参考文献也无法弥补违反这一要求的问题,因为注明来源与获准接受帮助是两回事。
关于学生写作的研究考察过一种称为“拼贴式写作”(patchwriting)的做法,即写作者紧贴来源文本的语言表达,只替换个别词语或对语法作有限调整。丽贝卡·穆尔·霍华德于1993年发表的相关文章,推动了这一现象在有关学术写作初学者的讨论中受到重视。拼贴式写作可能反映出写作者尚未充分掌握学科语言或整合来源材料的技巧,而不一定是蓄意欺骗。然而,这种做法仍可能使提交的文本包含不可接受的借用。因此,从教育角度理解这一现象,需要考虑写作者所处的发展阶段、作业要求以及院校公布的规定。
学术诚信处理程序通常会区分初步疑虑与正式认定。相关证据可以包括提交的作业、可能使用的来源、作业说明、草稿、笔记以及对写作过程的解释。公平的程序应让当事人清楚了解指控内容,给予其回应机会,并适用院校明定的证据标准。文本相似度报告只是证据之一,不能取代这一程序。挪用的篇幅、相关材料的重要性、此前接受的指导以及是否存在隐瞒证据等方面的差异,都可能影响案件的定性。
院校的处理措施包括指导纠正、重新提交作业、扣减成绩、停学,以及在情节严重且已查实的情况下撤销所授资格。并非每所院校都设有上述全部措施,其使用须遵循当地规定。预防工作也可以通过课程与考核设计开展,例如明确教授引用和释义的方法、制定清晰的合作规则、要求分阶段提交作业,以及设置与可核实的研究过程相联系的任务。这些措施针对的是不当行为或错误的不同成因,也进一步说明:合乎规范的学术写作要求作者对来源的使用负责,而不只是写出一份相似度得分较低的文稿。
科研贡献归属与学术出版
在科研中,注明来源既有助于明确贡献归属,也能保留可供核查的研究成果形成记录。学术出版物需要区分既有发现与新的观察、方法、解释和分析。由于经费资助、聘用和科学发现的优先权都可能取决于这种区分,剽窃既可能歪曲学术记录,也可能扭曲职业回报的分配。美国联邦科研管理框架将剽窃与捏造、篡改一并列为科研不端。其定义涵盖在未适当注明贡献归属的情况下,挪用他人的思想、过程、成果或文字;依据该框架作出认定,还须符合有关行为和证据的具体标准。
科研剽窃也可能发生在发表之前。审稿人可能通过同行评审接触到尚未发表的方法,项目资助评审人员也可能从保密申请材料中了解到拟开展的研究。未经授权使用此类信息,既可能违反保密义务,也可能违背注明来源的要求。这类情况可能难以认定,因为相关材料并未公开,而且不同研究者的思路可能独立地沿相似路径发展。因此,标有日期的草稿、往来通信、投稿记录和实验室文档,对于区分独立研究与挪用行为可能十分重要。
剽窃与作者署名争议有关,但两者并不相同。将作出符合署名条件之贡献的人排除在作者名单之外、加入荣誉作者,或使用未披露身份的代笔者,都可能违反作者署名规范,却未必符合所有关于剽窃的定义。如果某人的贡献足以使其列入作者名单,引用其工作也不能替代作者署名。反过来,将某人列为作者,也不能说明哪些段落或发现源自与当前研究无关的既往出版物。如今采用的贡献者声明可以明确构思、数据收集、分析和写作等角色,但这些角色标签并不能消除有关贡献归属的分歧。
重复发表和未披露的文本再利用,可能使读者误判文献的新颖性或独立性。如果实质上相同的数据集出现在多篇文章中,而文章之间又没有明确的交叉引用,后续的证据综合就可能误将这些报告视为彼此独立的研究。在临床研究中,这类重复可能影响某项干预措施相关证据所呈现的分量。如果披露了与原作的关系,并符合相关编辑要求,透明的二次发表、翻译发表或后续分析可以是正当的。关键不只在于是否重复,还在于新发表的作品声称作出了什么贡献。
编辑方面的处理措施取决于问题的程度及其后果。稿件可能在发表前被拒;已经发表的文章则可能需要更正或撤稿。撤稿声明会说明为何不应再以作品已发表的形式为依据,但撤稿并不总是意味着认定作者存在不端行为。剽窃也与可复现性有关:隐瞒对他人成果的依赖,可能掩盖方法或数据集的实际来源,妨碍他人重建研究过程。因此,可靠的出版实践不仅要关注陈述表面的准确性,也要关注成果的来源。
文学、新闻与创作实践
在文学中,借用既可能是隐而不宣的挪用,也可能是明确表明与前人作品展开对话。用典、戏仿、改编、引用和仿作,都可以使作品与前作的关系成为作品意义的一部分。互文性描述的是更广泛的文本间关系;它本身并不能为所有未注明出处的借用开脱。关键往往在于:作品意在让具备合理背景知识的受众相信什么。一段容易辨认的引文被置于新的语境中,与一段鲜为人知的文字被照搬、用以展现新作者的原创文字成就,所起的作用可能截然不同。
体裁惯例会影响这种解读。历史小说可以融入公开文献,而带注释的学术版本则应明确标示文本来源。传统故事和群体共享的表演曲目,使“每部作品都源自某一位作者”的假设变得复杂。在口头传统中,变异与传承往往是构成传统的基本特征,而不是对某个固定原本的偏离。即便如此,向相关社群致谢、尊重其守护职责或注明归属等做法仍可能十分重要。不存在现代意义上的个人所有权,并不意味着所有使用方式在社会评价上都没有区别。
新闻实践区分信息的使用与对报道成果及文字表达的挪用。记者可以独立报道同一事件,常规的事实陈述也可能彼此相似,而并非相互抄袭。然而,未经适当注明便转载另一家媒体独有的报道内容、采访材料或叙事段落,可能会误导读者,使其对报道的采写过程产生错误认识。通讯社供稿、新闻稿或经授权的内容转载安排,还涉及其他惯例。如何注明来源和披露相关情况,取决于合作关系、编辑方针,以及最终呈现是否让人误以为报道经过了实际上并未开展的独立采访。
在音乐、艺术、电影和建筑领域,争议涉及的可能是旋律、构图或作曲、图像、连续片段或设计,而非文字。仅仅受到影响并不构成剽窃,共同的风格或标准形式也不等同于复制某一可辨认的作品。反复出现的和弦进行、常见的肖像姿势或标准建筑构件,可能过于一般,不足以认定存在实质性的挪用。具有鲜明特色的组合或片段,则可能引出不同的问题。不过,对受保护表达和实质性相似的法律认定,仍须与对原创性及是否注明来源的批评性判断区分开来。
代笔进一步说明,为何未披露实际执笔者的情况并不总是受到同样对待。演讲稿、高管声明、名人回忆录和机构文件,都可能通过经授权的合作完成。受众可能将任职者发表的演讲理解为一份经其认可的声明,而不是认为其声称每句话都由本人撰写。学生提交的论文通常传达的是另一种含义。这些差异并不意味着作者身份无关紧要;它们表明,评判剽窃须参照相关实践的目的与预期,包括签名、署名或提交声明所传达的含义。
检测、文本证据及其局限
剽窃检测首先要识别作品之间可能具有实质意义的关联。传统调查依靠细读文本、文献知识,以及与可能来源的比对。术语、文风、引文格式或专业技术水平的突然变化,都可能引发进一步调查,但没有哪一项能单独构成定论。作者在概述专业文献时可能会改变文风,而一段格外精练的文字,也可能只是经过了反复修改。如果疑似来源中出现了相同的独特措辞、不寻常的排列顺序,或被沿袭下来的错误,证据就更有力。
计算机系统将这类比对的部分环节自动化。一种常用方法是将文档拆分为由若干词或字符组成的短序列,通常称为 n 元组,再选取其中一些序列的表征,与已建立索引的材料进行比对。其他算法则考察较长片段的对齐情况、编辑距离、文档结构或语义相似度。系统可以检索网页、出版物以及收录以往提交作品的资料库,具体范围取决于其访问权限和合同约定。系统输出通常只是标示重合段落和可能的来源文档,而不能确定这些重合是在什么情况下产生的。
相似度百分比是在特定设置下,针对特定比对材料集合得出的测量值,并不代表作者实施剽窃的概率。引文、参考文献、作业题目、法律惯用表述和标准方法,都可能在不存在不端行为的情况下增加文本重合。排除参考文献列表或较短的匹配片段,可能使分数发生显著变化。反过来,一篇盗用未发表观点或使用未被索引收录的来源的文章,所得分数也可能很低。因此,不存在一个脱离具体语境、却仍能可靠区分正当写作与剽窃的数值阈值。
检测还面临借用方向和来源依赖关系的问题。两份文档措辞相同,可能是因为其中一份抄自另一份,也可能是两者都抄自第三个来源、都使用了获准使用的模板,或都在描述某项标准程序。发表日期有助于判断,却未必能说明草稿何时写成或传阅。更有说服力的调查会考察独特的对应之处、接触所指来源的可能性、时间先后、出处标注,以及其他可能的解释。反复出现的不寻常错误尤其可能具有证明价值,因为与普通短语相比,这些错误更不容易独立产生;但即便是这类证据,也需要结合语境解读。
跨语言借用和大幅改写比直接抄录更难识别。机器学习方法能够比较语义表征,但仅凭语义相似,并不足以有力证明存在盗用:围绕同一主题展开的独立讨论,在概念上必然有所重合。当学生论文、未发表研究或机密文件进入外部数据库时,检测服务还会引发数据隐私问题。文档留存规则、访问控制,以及文档再利用的条款,都会影响此类系统是否可被接受。因此,检测既是一项收集和评估证据的活动,也是一套处理智力成果的制度安排。
生成式人工智能与数字环境下的作者身份
数字网络让文本的复制、检索和比对变得更加容易,而人工智能则使文本原创性与作者身份之间的关系更加复杂。大语言模型利用从训练数据中学到的模式生成文本。其输出可能包含重新组合的措辞、常见表达,也可能在某些情况下包含记忆下来的段落。这些可能性引出了不同的问题。一段生成的文字即使没有复现任何可识别的来源,也可能被不当地作为个人独立完成的成果提交;而生成的措辞如果确实复现了某个来源,仍可能需要注明出处。
因此,未披露使用生成式系统,并不必然等同于剽窃。在禁止此类辅助的考核中,这种行为可能被归为未经许可使用辅助工具、虚假陈述或其他违反学术规则的行为。在允许使用此类系统且使用情况已得到披露的场合,同样的技术过程则可能是可以接受的。两者的区别取决于任务要求署名作者亲自完成哪些工作,以及最终文档对自身的制作过程作出了怎样的声明。仅仅说明使用了软件,并不能证明所有底层来源都已得到妥善注明。
模型训练与输出之间的关系也必须另行区分。在模型开发中,以特定方式使用受版权保护的作品是否符合法律规定,是一个法律问题,不同于某一具体的生成式回答是否剽窃了某个来源。模型在统计上依赖大量资料,并不意味着它的每一次输出都是对这些资料的引用。反过来,没有容易识别的来源,也不能证明提交的作品体现了提交者本人的知识、推理能力或写作能力。来源的合法性、文本的依赖关系以及考核的有效性,是不同的维度。
生成的参考文献又给来源注明带来了一个问题。语言模型可能生成看似可信、却并不对应真实出版物的书目信息,也可能为某项论断配上一份真实存在、却并不支持该论断的文献。即使周围的文字并非抄袭而来,这类参考文献也无法实现引文提供证据的目的。在研究和专业出版中,论断与参考文献的准确性仍由负有相应责任的人类作者负责。系统无法为一项研究承担责任、回应指控,也无法履行通常伴随学术作者身份而来的义务。
市面上号称能够检测人工智能生成文本的工具,通常是根据与机器输出相关的模式作出推断,而不是查明文本是否抄自某个来源。因此,其检测结果不同于来源匹配证据,而且既可能出现误报,也可能出现漏报。认定一段文字类似于模型输出,并不能据此判定存在剽窃、找出未获署名的作者,或说明是否使用了获准使用的工具。因此,涉及数字环境下作者身份的政策,会区分来源注明、辅助使用情况披露、保密要求、原创性要求以及对最终作品的责任,而不是将它们视为同一个问题。