Mentafy bietet eine neue und zuverlässige Methode zur Prüfung der Authentizität schriftlicher Arbeiten
Unsere einzigartige Methode
Chronologische Textkomposition
Um die menschliche Urheberschaft einer wissenschaftlichen Arbeit zu prüfen, erfassen wir die Entwicklung der Entwurfsversionen des Textes. Die Schreibmusteranalyse erfordert pro Wort nur eine zusätzliche Information: wann es in den Text aufgenommen wurde. Um diese Daten zu sammeln, untersucht Mentafy die inkrementellen Unterschiede zwischen automatisch gespeicherten Versionen eines Textdokuments (Auflösung: ca. eine auto-save Version pro Minute). Jedes Wort, das in einer neuen Version geändert oder hinzugefügt wurde, erhält die entsprechende Versionsnummer, gelöschte Wörter werden entfernt und verschobene Wörter behalten ihre ursprüngliche Versionsnummer.
Aktivitäten Zeitreihen
Die Aktivitätsmusteranalyse von Mentafy untersucht die Aktionen der Autorin im Zeitverlauf. Zu den Aktionen gehört die Anzahl eingefügter, verschobener, geänderter oder gelöschter Wörter pro Version (Auflösung: ca. eine auto-save Version pro Minute). Es sollte eine Mischung davon geben, die sich je nach Schreibphase ändert.
Schreibmuster spiegeln die Entwicklung der Gedanken wider
Die Fokussierung auf den finalen Text funktioniert nicht mehr, da KI-generierte Texte immer menschlicher werden.
Mentafy verfolgt stattdessen den Schreibprozess, jedoch ohne totale Überwachung: Das System analysiert Textänderungen während des Schreibprozesses, aber nicht jeder Tastenanschlag wird erfasst und gelöschte Wörter werden komplett vergessen.
Beim Abgeben der Arbeit ist dann für jeden zu diesem Zeitpunkt bestehenden Textabschnitt ersichtlich, wann dieser in die Arbeit aufgenommen und wie er überarbeitet wurde.
Die Ergebnisse aus unserem Pilotprojekt sind eindeutig:
Die Schreibmuster von Schülern und Studenten spiegeln die Entwicklung ihrer Gedanken und Texte wider und unterscheiden sich deutlich von einem Chatbot, Copy-Typing oder Copy & Paste.
Unterstützung für Lernende
- Minimale Änderungen am Arbeitsablauf erhöhen die Akzeptanz
- Begrenzte Datenerfassung mindert Datenschutzbedenken
- Revolutionäre Echtzeit-Unterstützung für Schreibprojekte
Klarheit für Lehrkräfte
- Transparenz bei Plagiaten und KI-Nutzung
- Autorenkommentare zu ungewöhnlichen Texten vermeiden Missverständnisse
- Minimaler Aufwand durch prägnante Berichte
Kann der Prozess manipuliert werden?
Da es sich um einen Algorithmus handelt, ist er nicht perfekt, aber alle offensichtlichen Möglichkeiten, das System zu betrügen, sind blockiert. Und die Möglichkeiten, dies zu umgehen, sind wirklich sehr zeitintensiv – wir wollen dies mindestens so schwierig machen, wie den Text selbst ordentlich zu schreiben. Die Botschaft lautet also: Schummeln zahlt sich nicht aus!
Wir können alle Inhalte im Ordner überwachen und Text erkennen, der zwischen Dokumenten verschoben wird. Und wenn anderer Text eingefügt oder manuell kopiert wird, erkennen wir das.
In Zukunft könnten Betrüger jedoch anfangen, Skripte zu verwenden, um zufällig Wörter zu kopieren; aber die Daten, die wir bisher gesammelt haben, zeigen, dass Studenten nicht zufällig überarbeiten, sondern der Sprachstruktur und sinnvollen Einheiten folgen. Daher werden wir bald maschinelles Lernen trainieren, um auch fortgeschrittene Schummelmuster zu erkennen. Bei mitwirkenden Autoren können wir auch ihren Beitrag unterscheiden, vorausgesetzt, sie greifen mit ihren eigenen separaten Konten auf die Datei zu.
Erhalten Sie falsche Positivmeldungen?
Sehr selten, da das System viele einfache Fälle wie Zitate erkennt und der Student eine Kategorisierung für Sonderfälle vornehmen kann (z. B. Text, den der Student an anderer Stelle geschrieben hat, etwa eine getippte Audioaufnahme). Es sind immer Beweise verfügbar und die Dokumentenentwicklung kann in wirklich schlimmen Fällen von einem Menschen überprüft werden.