זיהוי גניבת דעת בינה מלאכותית
גניבה ספרותית בתהליך הגיוס פוגעת ביושרה של הערכות, מה שמקשה על הערכה מדויקת של יכולות המועמד. כלים לזיהוי גניבה ספרותית עוזרים לשמור על הוגנות, יוצרים מגרש משחק שווה שמוביל להחלטות גיוס טובות יותר.
סוגי גניבה ספרותית של קוד
אנו נתקלים בשלושה סוגים של גניבה ספרותית של קוד:
שימוש בכלי בינה מלאכותית כאשר זה אסור במפורש.
גניבה ספרותית ממקורות חיצוניים אחרים כמו האינטרנט.
העתקת קוד ממישהו אחר שעשה את אותו המבחן.
סוגי מודלים לזיהוי גניבה ספרותית
זיהוי גניבה ספרותית סטנדרטי
זיהוי גניבה ספרותית סטנדרטי מופעל כברירת מחדל עבור כל הבדיקות. הוא משתמש בMoss (מדד דמיון תוכנה) כדי להשוות את הקוד של המועמד לאחרים במסד הנתונים שלנו. שיטה זו מזהה ביעילות גניבה ספרותית ממקורות חיצוניים או מקרי בדיקה מועתקים (כפי שהוזכר לעיל תחת סוגי גניבה ספרותית של קוד). עם זאת, היא עלולה לגרום לתוצאות חיוביות שגויות, בהתאם לגורמים כמו אורך הקוד וסף הדמיון.
זיהוי פלגיאט מתקדם באמצעות בינה מלאכותית
כדי להתמודד עם כל שלושת סוגי פלגיאט הקוד, כולל התנהגות בלתי הוגנת בסיוע בינה מלאכותית, פיתחנו מודל למידת מכונה (ML) מתקדם. מודל זה מנתח גורמים מרובים, כגון:
דפוסי כתיבת קוד
זמן שנדרש לפתרון הבעיה
פעילות העתקה והדבקה
התנהגות מעבר בין לשוניות
מודל ה-ML חוזה התנהגות חשודה ומסווג ניסיונות מועמדים במבחן כ"גבוה" או "בינוני." זיהוי זה שימושי במיוחד לזיהוי השימוש בכלי AI כמו ChatGPT כאשר השימוש בהם מוגבל.
הניסיונות המסומנים מודגשים בדוחות המועמדים, מה שמאפשר לצוותי הגיוס לבדוק את הסיבות ולקבל החלטות מושכלות. פיקוח אנושי נשאר חיוני, מכיוון שלמודל ML יש כרגע דיוק כולל של 85%, כלומר הפעלות מסומנות נכונות 85% מהזמן.
הערה: תכונת זיהוי גניבה ספרותית AI תומכת כרגע רק בשאלות קידוד.
מגבלות
זיהוי גניבה ספרותית באמצעות בינה מלאכותית מוגבל כאשר מעריכים שאלות הדורשות מאמץ מינימלי להשגת ציון מלא או כאשר הפתרונות מורכבים ממספר מועט מאוד של שורות קוד. תרחישים אלה לעתים קרובות חסרים מספיק נקודות נתונים לזיהוי מדויק. עם זאת, המערכת עדיין תסמן את התגובה כגניבה ספרותית פוטנציאלית אם תוכן חיצוני משמעותי הועתק והודבק.
הערה: בהתחשב בכך שמדובר במודל למידת מכונה, אנו עומדים בדרישות הביקורת המוזכרות ב חוק AEDT / NYC AI.
הפעלת זיהוי גניבה ספרותית מתקדם עבור מבחן
ניתן להפעיל תכונה זו מהגדרות המבחן.
שלבים
לחץ על הגדרות בתוך מבחן ובחר שלמות המבחן תחת הקטע ניהול מבחן.
גלול למטה אל גניבה ספרותית והפעל את מתג גניבה ספרותית בינה מלאכותית.
לחץ על הסכם והפעלה מהחלון הקופץ הבא.
הסכמת המועמד
כאשר זיהוי גניבה ספרותית באמצעות בינה מלאכותית מופעל, המועמדים חייבים להסכים לפני תחילת המבחן.
אותות המשמשים לזיהוי
רשימה לא ממצה של גורמים הנלקחים בחשבון:
העתקה והדבקה: חלקים משמעותיים של קוד שהועתקו ממקורות חיצוניים.
דפוסי קידוד: דמיון מבני בקוד וסגנונות קידוד מובחנים.
איטרציות: איטרציות מרובות בקוד בעת התמודדות עם משימות מרובות שכבות.
החלפת לשוניות: מעבר מלשונית הבדיקה הפעילה במהלך הביצוע.
צפייה בניסיונות גניבה ספרותית מסומנים
כאשר ניסיון מבחן של מועמד מסומן כגניבה ספרותית, הוא מסווג כ"גבוה" או "בינוני" בהתבסס על רמת הביטחון של תחזית המודל. עקוב אחר השלבים למטה כדי לצפות בניסיונות מסומנים אלה.
שלבים
נווט אל רשימת המועמדים ובחר את המועמד שניסיון המבחן שלו סומן.
ניתן לצפות בפעילות החשודה תחת הכרטיסייה ביצועים בדוח סיכום המועמד.
כדי לבדוק פרטים נוספים על אותות הגניבה הספרותית, לחץ על השאלה שסומנה.
בפרטי השאלה, נגן הקוד של הקשות המקלדת מאפשר לך להבין במהירות מדוע מועמד סומן בגין גניבה ספרותית. ניתן לנווט לחלקים הרלוונטיים במסע הקידוד שלהם שבהם עלולה להתרחש פעילות חשודה פוטנציאלית.

הבנת הסיבות לסימון
ישנן שתי קטגוריות עיקריות שבהן ניתן לסמן את הניסיון של המועמד:
דמיון קוד: הקוד של המועמד דומה להגשות של מועמד אחד או יותר, מה שמעיד על פלגיאט אפשרי.
דפוסי קידוד: התנהגות חריגה זוהתה דרך דפוסי הקלדה של המועמד במהלך המבחן. זה עשוי לכלול:
איטרציות קוד
דפוסי כתיבה או
מקרי החלפת טאבים
תת-דפוסים בהתנהגות קידוד: תת-הדפוסים הבאים מזוהים בדרך כלל כאשר דפוסי קידוד מעוררים חששות לגבי התנהגות המועמד:
איפוס קוד חשוד: חלק גדול של קוד שנכתב בעבר נמחק ומוחלף, מלווה בהקלדה בלתי סדירה או בתנועות סמן.
העתקה-הדבקה חיצונית: חלקים משמעותיים של קוד מועתקים ישירות ממקור חיצוני.
שיפור מתמיד של המודל
צוות הלמידה חישובית הייעודי של HackerRank משפר באופן מתמיד את מודל זיהוי הגניבה הספרותית על ידי למידה מדפוסים מתפתחים של גניבה ספרותית של קוד וסיווגים שגויים. כאשר נעשה שיפור משמעותי סטטיסטית, עדכונים חדשים למודל נפרסים באופן אוטומטי.
שאלות נפוצות
האם קידוד ב-IDE חיצוני במקום בפלטפורמת HackerRank יגרום לדגל רמאות פוטנציאלי?
אם מועמדים משתמשים בפרויקטים, התומכים בזרימת עבודה לא מקוונת (קידוד ב-IDE שלהם ודחיפת הקוד לפלטפורמת HackerRank), לא מופעל דגל רמאות.
עם זאת, אם מועמדים פותרים שאלת קידוד סטנדרטית ב-IDE חיצוני ומעתיקים ומדביקים את הקוד שלהם לפלטפורמת HackerRank, המערכת צפויה לסמן התנהגות זו כפעילות חשודה.
מאמרים קשורים
זיהוי גניבה ספרותית סטנדרטי - מודל Moss
עתיד הגיוס עם בינה מלאכותית - תהליך גיוס דור הבא
