Upptäcka plagiat i introduktionsprogrammeringskurser genom applikation av flera metoder

Plagiarism is a common problem in the academic world. Multiple studies show that over 30 % of students attending introductory university programming courses plagiarise their code at least once. However, as opposed to plagiarism of academic texts, plagiarised code is harder to discover as subtle changes can be made, for instance renaming variables. The field of code plagiarism is not uncharted and there are indeed a few suggested approaches. This thesis investigates if it is possible to combine multiple plagiarism detection techniques into a user-friendly tool intended for examiners of introductory programming courses. The tool, named DecPlag, not only checks for plagiarism between new submissions, but also keeps a database of previous course iterations so that foul play can be discovered between new students and older students as well. The resulting tool developed for the research turned out to become slow, taking multiple days to finish comparing the data of two course iterations. It also outputs a large number of false positives due to the structure of the research data. However, DecPlag did indeed find potential plagiarism cases as well.Plagiat är ett vanligt problem i den akademiska världen. Flertalet studier visar att över 30 % av studenter som tar introduktionskurser i programmering på universitet har plagierat minst en gång. Tillskillnad från akademiska texter är det dock svårare att upptäcka plagiat i kod eftersom små ändringar kan utföras, till exempel namnbyte av variabler. Området att upptäcka plagiat i kod är inte nytt och det har tagits fram ett antal tillvägagångssätt. Denna avhandling undersöker om det är möjligt att kombinera flera metoder för att upptäcka plagiat till ett användarvänligt verktyg ämnat för examinatorer för introduktionsprogrammeringskurser. Verktyget, döpt DecPlag, letar inte bara efter plagiat mellan nya inlämningar, men sparar också en databas av tidigare kursomgångar för att också kunna upptäcka problem mellan nya och gamla studenter. Det resulterande verktyget visade sig vara långsamt, det tog flera dagar för att jämföra datan från två kursomgångar. Utdatan innehåller också en stor andel falska positiva på grund av strukturen på forskningsdatan. DecPlag hittade däremot potentiella plagiatsfall också