学术抄袭哪国强？不是中国！

        近日，美国《科学》杂志刊登了一篇有关学术抄袭全球分布的有趣结论。这个结论是由arXiv在线数据库上数十万论文数据分析得出的，数据显示，德国、美国、日本等国论文“借鉴”的概率相对较低；伊朗、保加利亚等国最为严重；中国的论文抄袭率居中游。

        地图中以黑色标记的国家剽窃率相对最少。德国提交的9201篇论文中，被标记的论文有297篇，概率在3.23%，世界最低。美国紧居其后：提交的26052篇论文中，被标记的有1236篇，概率在4.74%。“黑色阵营”中还有日本和澳大利亚，被标记的概率分别是5.65%和5.89%。

        第二梯队是地图上的“暗红色阵营”，代表国家有巴西、印度和中国。其中巴西被标记的论文概率为8%，印度为10.99%，中国则是10.8%，提交的6372篇论文有688篇被标记。

        “引用”他人著作最严重的国家是地图上大红色的区域，有保加利亚、埃及和伊朗，其中保加利亚的被标记概率超过了20%。埃及和伊朗分别是18.91%和15.56%。

        arXiv是一个收录科学文献预印本的在线数据库，由美国康奈尔大学物理学家Paul Ginsparg创立于1991年，包含了大量的学术文章，已经成为了物理、数学等领域成果发布的学术分享地。每天有接近百万的论文提交，每天出版大约数百篇。任何人都可以申请提交，并且不需要同行专业人士的审阅。

        arXiv最重要的特点是开放式获取，每个人都可以免费访问全文数据。这无疑给学术剽窃提供了便捷的条件。

        不过，在arXiv上提交的论文需要接受质量检查程序的检查。一个计算机程序会将论文的文本内容与其他发表在arXiv上的论文进行比较，以分辨是否抄袭。Paul Ginsparg对美国科学促进会说：“这是一个非常智能的机器，它有特殊的方法检测大块引用、斜体字文本、引号内容以及数学定理陈述，以避免出现主动错误信息。”

        Ginsparg和该校物理学博士生Daniel Citron比较了1991-2012年提交给arXiv的75.7万篇文章。结果发现，“文本再使用”惊人地普遍。过滤掉综述文章和合理引用后，每16位arXiv作者中，就有1位存在大段抄袭其他已发表文章的行为。更令人担忧的是，每1000位作者中就有1人从其他论文中抄袭了近1段文字，但没有标注出处。

        由于作者在向arXiv提交论文时，会注明自己的居住国。这就使得哪些国家剽窃率最高一目了然。数据显示，来自美国、加拿大以及欧洲和亚洲少数工业化国家的研究人员提交的论文占arXiv论文的最大份额，而且剽窃率也更低。

        2011年8月开始，arXiv开始对论文的文本重叠系统性标记，来自151个国家的10多万的作者，一共提交了30多万篇文章。研究这些数据发现，每16个作者提交的论文中，就至少有一次抄袭艰涩标记。

        不过，Ginsparg表示，这次研究中的“文本重叠”并不一定都是剽窃。一篇综述文章可能引用大量内容，或作者会再利用和略微修改之前文章的语句。此外有趣的是，数据显示一篇论文引用的已发表内容越多，其再被引用率就越低。也就是说如果越接近“抄袭”的论文，价值越低。