Rekommendation av automatiserade verktyg för att detektera plagiat i källkod på högre utbildningar

Arbetsprocessen med att manuellt upptäcka plagiat i källkod har länge varit ett stortproblem för programmeringslärare. Detta beror på att den manuella processen ärväldigt tidskrävande, eftersom att kurserna ofta innehåller ett stort antal studenter.Processen medför även en stor risk för att studenter som plagierar ofta passerarobemärkt, vilket resulterar i att dessa studenter tilldelas felaktiga betyg. Dentidskrävande aktiviteten blir för lärarna i slutändan också väldigt oekonomiskjämfört med användning av en automatiserad lösning. Syftet med det här arbetet äratt slutligen ge en fullgod rekommendation av vilket automatiserat verktyg sompassar bäst för användning på högre utbildningar.De verktyg som utvärderas i detta arbete har valts ut genom att först utvärderaresultatet från en litteratur- och en intervjustudie. Resultatet från intervjustudienger även en inblick i vad lärarna på Malmö Högskola har för önskemål angående ettautomatiserat verktyg. Valideringen av verktygen har genomförts genom att utföraen praktisk testning på dem. Denna praktiska testning består av tre delar, där tvåav dem innehåller verkliga inlämningsuppgifter gjorda av studenter på MalmöHögskola. Den tredje testdelen innehåller kod som korrigerats till att innehålla olikavarianter av plagiat studenter kan använda, i syfte för att försäkra att verktygensdetektering fungerar. Resultatet av studien har också bidragit till en möjlig lösningpå problemet med att förse lärare med godtycklig bevisning gällande instanser avplagiat i källkod.Från resultatet av arbetets olika datainsamlingsmetoder dras slutsatsen om vilketverktyg som passar bäst för att användas på högre utbildningar. Rekommendationenav det lämpligaste verktyget varierar beroende på hur det faktiskt är planerat attanvändas. Faktorer som spelar in i valet är bland annat vilka programmeringsspråksom används i undervisningen på universitetet i fråga eller om verktyget är tänkt attintegreras tillsammans med ett större system.Manual methods for detecting plagiarism in source code among students have for along time been a heavy task for teachers in programming classes. As these coursestend to contain a large number of students per teacher, it is usually unrealistic forteachers to manually detect plagiarism in all student submissions. Since detectinginstances of plagiarism is problematic for this reason, some students will inevitablypass courses with wrong grades. The goal of this thesis is therefore to supply asatisfactory recommendation regarding which automated tool is best suited for usagewithin a higher education environment.In order to reach the goal of this study, a thorough literature review and severalinterviews with higher education teachers were performed, and a practical study wasdone in order to find out which automated tools work best, and satisfies all therequirements set by the teachers and the literature review. After the practical studywas performed, it was discovered that there were more than one optimal automatedtools available for higher education teachers, depending on different factors, biggestof which being if the tool is meant to be integrated into a bigger system, such as anonline school platform, or being used directly by the teacher. The result of the thesishas also provided a possible solution to the problem of providing teachers withadequate evidence