Tỷ lệ trùng lặp khác nhau giữa các phần mềm: 9 nguyên nhân
Cùng một file luận văn, mỗi phần mềm kiểm tra trùng lặp có thể cho ra một tỷ lệ khác nhau vì chúng không đo cùng một thứ: mỗi hệ thống có kho nguồn riêng, cấu hình loại trừ riêng và cách tính mẫu số riêng. Chênh vài điểm phần trăm là bình thường; chênh trên 10 điểm gần như luôn có một nguyên nhân cụ thể tra ra được. Bài này liệt kê 9 biến số gây lệch, tính thử trên một ví dụ (cùng một bài ra từ 8% đến 27%) và đưa ra quy trình 6 bước để đối chiếu hai báo cáo.
Cập nhật: tháng 10/2026 — Biên soạn bởi đội ngũ Kiểm Tra Tài Liệu, Metis JSC
Nếu bạn mới nhận một báo cáo và chưa biết đọc từng phần, hãy xem trước cách đọc báo cáo kiểm tra trùng lặp. Bài này tập trung vào một câu hỏi hẹp hơn: khi có hai con số khác nhau, lệch ở đâu và con số nào dùng được.
Nghiên cứu độc lập nói gì về độ lệch giữa các phần mềm?
Nghiên cứu độc lập gần nhất cho thấy các phần mềm khác nhau rõ rệt về khả năng tìm ra cùng một nội dung bị chép, và không hệ thống nào tìm ra tất cả. Nhóm của Tomáš Foltýnek (Đại học Mendel, Cộng hòa Séc) cùng các đồng tác giả từ 7 quốc gia đã thử 15 hệ thống đối chiếu văn bản trên bộ tài liệu bằng 8 ngôn ngữ, công bố năm 2020 trên International Journal of Educational Technology in Higher Education.
Kết luận của nhóm Foltýnek và cộng sự (2020): phần mềm không thể tự xác định đạo văn, chỉ hỗ trợ tìm ra một phần nội dung tương đồng; không hệ thống nào tìm đủ, và có hệ thống đánh dấu nhầm cả văn bản không đạo văn.
Ba chi tiết trong bài đáng chú ý với người dùng Việt Nam:
- Thang điểm 0–5, không phải phần trăm. Nhóm tác giả cố ý không dùng tỷ lệ % của phần mềm làm thước đo vì con số đó không phản ánh đúng mức độ sao chép thực tế và có thể gây hiểu lầm.
- Không hệ thống nào đạt mức "hữu ích" (3,75–5,0). Năm hệ thống (PlagAware, PlagScan, StrikePlagiarism, Turnitin, Urkund) rơi vào nhóm "hữu ích một phần" (2,5–3,75).
- Kho nguồn quyết định chuyện tìm thấy hay không. Một khóa luận tiếng Séc năm 2010 đăng công khai trên website trường chỉ một hệ thống tìm ra; một bài tạp chí truy cập mở tiếng Slovak không hệ thống nào tìm ra.
Bộ kiểm thử không có tiếng Việt, nên không thể suy ra điểm số cho tiếng Việt. Nhưng mô hình chung là rõ: hệ thống nào có nguồn nào thì mới báo được nguồn đó. Một nghiên cứu trước đó của Weber-Wulff và cộng sự (2013) trên 16 hệ thống cũng xếp hạng các công cụ rất khác nhau, nên đây không phải hiện tượng riêng của một thế hệ phần mềm.
Chín biến số nào làm lệch con số cuối báo cáo?
Chín biến số dưới đây tác động lên con số cuối báo cáo theo hai hướng: làm tử số (số từ bị tính là trùng) thay đổi, hoặc làm mẫu số (số từ được tính tổng) thay đổi. Bảng này mở rộng thêm so với năm yếu tố cơ bản đã nêu ở bài về cơ chế hoạt động.
| # | Biến số | Tác động lên tỷ lệ | Câu hỏi cần hỏi |
|---|---|---|---|
| 1 | Kho nguồn công khai | Nguồn không có trong kho thì không bao giờ được báo | Kho có luận văn, giáo trình, tạp chí tiếng Việt không? |
| 2 | Dữ liệu nội sinh, bài đã nộp | Bài của khóa trước cùng trường chỉ lộ ra ở hệ thống có kho đó | Hệ thống có kho luận văn của trường không? |
| 3 | Đơn vị đối chiếu và độ dài tối thiểu | Cắt câu hay cắt chuỗi từ cho số điểm khớp khác nhau | Đoạn khớp ngắn nhất được tính là mấy từ? |
| 4 | Cấu hình loại trừ | Bỏ trích dẫn, danh mục tài liệu tham khảo, khớp ngắn làm tử số giảm | Đang bật loại trừ nào? |
| 5 | Mẫu số | Tính trên toàn file hay chỉ phần thân bài | Mục lục, bìa, phụ lục có nằm trong mẫu số không? |
| 6 | Cách đếm khi một đoạn khớp nhiều nguồn | Đếm một lần hay nhiều lần ảnh hưởng tổng | Báo cáo tính từ trùng theo từ riêng biệt hay theo từng nguồn? |
| 7 | Trích xuất file | Bảng, công thức, chú thích cuối trang, PDF scan có thể bị đọc thiếu hoặc sai | Hai bên có dùng đúng cùng một file không? |
| 8 | Ngôn ngữ và chuẩn hóa chữ | Tiếng Việt cần tách từ, chuẩn hóa dấu; font cũ làm vỡ chữ | Có xử lý riêng cho tiếng Việt không? |
| 9 | Thời điểm quét | Web thay đổi; bài từng nộp có thể đã nằm trong kho | Lần quét cách nhau bao lâu, bài đã từng được nộp chưa? |
Biến số 6 là điểm các hệ thống ít công bố chi tiết, nên cách an toàn là không suy đoán: so danh sách nguồn của hai báo cáo thay vì so con số. Biến số 3 liên quan trực tiếp đến lý do tiếng Việt cần đơn vị đối chiếu riêng khác với phần mềm thiết kế cho tiếng Anh.
Cùng một luận văn có thể ra từ 8% đến 27%: phép tính minh họa
Phép tính dưới đây cho thấy vì sao hai phần mềm đều "đúng" mà vẫn lệch nhau hàng chục điểm. Đây là số giả định để minh họa cách tính, không phải kết quả của một bài cụ thể hay một phần mềm cụ thể.
Giả định về file: luận văn dài 20.000 từ, gồm thân bài 17.000 từ, danh mục tài liệu tham khảo 1.500 từ, bìa và mục lục 1.500 từ.
Giả định về phần trùng (đơn vị: từ): 2.000 từ khớp nguồn trong thân bài (trong đó 600 từ nằm ở các cụm khớp ngắn dưới 8 từ liên tiếp), 400 từ trích dẫn nguyên văn trong ngoặc kép, 900 từ khớp ở danh mục tài liệu tham khảo, 300 từ khớp ở bìa và mục lục. Tổng 3.600 từ.
| Cấu hình | Tử số (từ trùng) | Mẫu số (từ) | Tỷ lệ |
|---|---|---|---|
| A. Không loại trừ gì | 3.600 | 20.000 | 18,0% |
| B. Loại danh mục tài liệu tham khảo, bìa, mục lục | 2.400 | 17.000 | 14,1% |
| C. Như B, thêm loại trích dẫn trong ngoặc kép | 2.000 | 17.000 | 11,8% |
| D. Như C, thêm loại khớp dưới 8 từ | 1.400 | 17.000 | 8,2% |
| E. Như A, nhưng kho có thêm luận văn cũ cùng trường khớp 1.800 từ | 5.400 | 20.000 | 27,0% |
Cùng một nội dung, con số đi từ 8,2% đến 27,0%. Dòng E đáng chú ý nhất: con số thấp nhất chưa chắc an toàn nhất. Cấu hình D cho kết quả đẹp vì loại bớt nhiều thứ, nhưng nó không có kho luận văn cũ nên không thấy 1.800 từ mà hội đồng sẽ thấy khi quét bằng hệ thống có kho nội sinh. Cơ chế của kho này được giải thích trong bài dữ liệu nội sinh trong kiểm tra trùng lặp.
Mẫu số (tổng số từ được dùng để chia) quan trọng không kém tử số: tỷ lệ trùng lặp là số từ bị xác định là trùng chia cho tổng số từ được tính, nên cùng số từ trùng nhưng đổi mẫu số sẽ ra tỷ lệ khác.
Cài đặt loại trừ của Turnitin làm thay đổi con số thế nào?
Turnitin cho phép lọc báo cáo bằng ba nhóm loại trừ: trích dẫn, danh mục tài liệu tham khảo và các khớp ngắn. Theo tài liệu hướng dẫn của Turnitin, bộ lọc khớp ngắn có ngưỡng mặc định là 8 từ, và bộ lọc danh mục tham khảo tự nhận diện phần thư mục để bỏ khỏi tỷ lệ. Một số trường mô tả ngưỡng khớp ngắn theo số từ, số khác theo phần trăm bài, nên hãy hỏi phòng đào tạo cấu hình thực tế thay vì giả định.
Ba chi tiết hay gây hiểu nhầm với người dùng cuối:
- Loại trừ phía sinh viên chỉ có tác dụng tạm thời. Theo hướng dẫn của Turnitin, các loại trừ bạn tự bật trên báo cáo của mình không đổi điểm tương đồng chính thức mà giảng viên nhìn thấy.
- Nộp lại bài có độ trễ. Trang trợ giúp của Turnitin cho biết các lần nộp lại sau một số lần đầu có thể mất tới 24 giờ để ra báo cáo. Một số trường lưu ý thêm rằng nộp lại trong lúc chờ sẽ làm thời gian chờ tính lại từ đầu. Các hướng dẫn khác nhau về việc "ba lần đầu" có tính cả lần nộp gốc hay không, nên hãy kiểm tra cài đặt của lớp.
- Báo cáo "lúc nộp" khác báo cáo "lúc chấm". Thời điểm quét khác nhau thì kho nguồn đã thay đổi, nên hai con số cách nhau vài tuần có thể lệch dù file không đổi.
Hệ quả thực tế: khi so báo cáo của Turnitin với báo cáo của phần mềm khác, hãy ghi lại cả cấu hình loại trừ đang bật, không chỉ ghi con số.
Vì sao cùng một bài, file Word và PDF cũng cho số khác nhau?
File Word và PDF của cùng một nội dung có thể cho tỷ lệ khác nhau vì phần mềm phải trích xuất chữ ra trước khi so khớp, và bước trích xuất không giống nhau giữa các định dạng. Những chỗ hay lệch nhất theo kinh nghiệm xử lý luận văn của đội ngũ KTTL:
- Bảng và công thức: bảng có thể bị đọc theo thứ tự ô khác với thứ tự đọc thông thường; công thức soạn bằng Equation hoặc LaTeX thường không thành chữ.
- Chú thích cuối trang, đầu trang, chân trang: có hệ thống đọc, có hệ thống bỏ qua. Số trang và tên luận văn lặp ở mỗi trang có thể tạo ra hàng trăm điểm khớp giả nếu không bị lọc.
- Ngắt dòng bằng dấu gạch nối trong PDF: một từ bị tách đôi ở cuối dòng có thể không khớp với bản gốc.
- PDF scan hoặc ảnh chụp: chữ nằm trong ảnh nên không được đọc, tỷ lệ thấp bất thường. Cần chuyển qua OCR (nhận dạng ký tự quang học) trước; KTTL hỗ trợ tải lên PDF, DOC, DOCX và yêu cầu văn bản dạng chọn được.
- Font cũ và bảng mã: luận văn soạn bằng font cũ kiểu TCVN3, VNI khi chuyển sang Unicode có thể ra chữ vỡ, không khớp được với nguồn.
Cách kiểm nhanh: mở file PDF, bôi đen một đoạn rồi dán sang Notepad. Nếu chữ dán ra bị vỡ dấu hoặc mất chữ, phần mềm cũng đọc như vậy. Chi tiết xử lý định dạng trình bày nằm trong bài quy định trình bày luận văn.
Quy trình 6 bước đối chiếu hai báo cáo không khớp nhau
Quy trình dưới đây chuyển câu hỏi từ "con số nào đúng" sang "hai con số này đo gì", và làm được hoàn toàn từ hai báo cáo bạn đã có.
- Ghi lại điều kiện của từng báo cáo: tên công cụ, ngày quét, tên file, định dạng (docx hay pdf), cấu hình loại trừ đang bật. Nếu một báo cáo là PDF, hãy loại khả năng file bị chỉnh sửa trước, ví dụ với báo cáo KTTL thì quét mã QR xác thực và so từng chỉ số.
- Dùng đúng một file cho cả hai lần quét. Nếu một bên là Word còn bên kia là PDF xuất từ Word, hãy quét lại cùng định dạng trước khi kết luận.
- Đưa cấu hình loại trừ về cùng mức (cùng bật hoặc cùng tắt loại trừ trích dẫn, danh mục tham khảo, khớp ngắn). Nếu không đổi được, ghi chú sự khác biệt.
- Tính lại bằng tay trên phần thân bài: số từ trùng của từng nguồn lớn nhất chia cho số từ thân bài. Cách này loại ảnh hưởng của mẫu số.
- So danh sách nguồn từ lớn đến nhỏ. Nguồn nào chỉ xuất hiện ở một báo cáo là manh mối về kho nguồn hoặc kho nội sinh; xem 3–5 nguồn đầu là đủ giải thích phần lớn độ chênh.
- Chốt công cụ chính thức của trường và xử lý bài theo báo cáo đó. Báo cáo kia dùng để phát hiện sớm các đoạn rủi ro, chứ không dùng để thay con số chính thức.
Mức chênh bao nhiêu thì đáng lo? Đây là quy ước thực dụng của đội ngũ, không phải chuẩn chính thức: chênh dưới khoảng 5 điểm thường do cấu hình và mẫu số; chênh trên 10 điểm hãy mở ngay nguồn lớn nhất, vì thường có một khối trùng lớn mà bên kia không có trong kho.
Sai lầm thường gặp khi so sánh kết quả giữa các phần mềm
Sinh viên thường mắc bốn sai lầm sau khi nhận hai con số khác nhau, và hai trong số đó làm bài rơi vào rủi ro ở lượt quét chính thức.
- Chọn con số thấp hơn để yên tâm. Ví dụ minh họa: một học viên có hai báo cáo 12% và 24%, nộp luôn theo báo cáo 12%, đến lượt quét của trường mới biết 12% đó chạy trên hệ thống không có kho luận văn cùng trường. Hãy hỏi trước trường dùng công cụ nào.
- Sửa bài để hạ con số của công cụ không chính thức. Mất công viết lại những đoạn mà công cụ của trường không đánh dấu, trong khi đoạn trùng thật lại chưa động đến.
- Xóa trích dẫn để giảm %. Cách này vừa làm bài thiếu căn cứ, vừa không giải quyết đúng vấn đề; xem những cách giảm tỷ lệ trùng lặp đúng chuẩn.
- Nhầm "khác nhau" với "gian lận". Hai phần mềm lệch nhau là chuyện kỹ thuật. Bị nghi ngờ là chuyện khác: nếu hội đồng yêu cầu giải trình, quy trình có trong bài bị nghi đạo văn: giải trình với hội đồng.
Về ngưỡng, các trường Việt Nam phổ biến đặt trong khoảng 20–30% (xem quy định điểm trùng lặp bao nhiêu là đạo văn). Ngưỡng này do từng trường đặt chứ không có trong Chỉ thị 03/CT-TTg hay văn bản cấp quốc gia nào, vì thế khoảng lệch 8–27% ở ví dụ trên đủ để quyết định đạt hay không đạt chỉ vì chọn sai công cụ.
Checklist trước khi tin một con số
- [ ] Biết công cụ chính thức của trường và cấu hình loại trừ của nó
- [ ] Hai lần quét dùng cùng file và cùng định dạng
- [ ] Đã mở danh sách nguồn, không chỉ nhìn con số tổng
- [ ] Đã kiểm tra có đoạn trùng nguyên văn dài liên tục hay không
- [ ] Đã lưu báo cáo cuối làm minh chứng
Khi muốn tự rà soát trước khi nộp, bạn có thể dùng Kiểm Tra Tài Liệu: báo cáo chia nguồn theo từng đoạn và trang, tài liệu không bị đưa vào kho so khớp nên quét nhiều lần bản nháp không làm bản chính thức bị báo trùng với chính mình. Xem bảng giá để dự trù số lượt, hoặc liên hệ KTTL nếu đơn vị cần quét hàng loạt. Tổng quan khái niệm có trong bài check đạo văn là gì.
Câu hỏi thường gặp
Vì sao check đạo văn trên hai phần mềm ra kết quả khác nhau?
Vì hai phần mềm khác nhau về kho nguồn, đơn vị đối chiếu, cấu hình loại trừ và mẫu số. Cùng một file, một bên có kho luận văn cũ còn bên kia không sẽ lệch hàng chục điểm. Hãy so danh sách nguồn thay vì so con số tổng.
Phần mềm nào cho kết quả chính xác nhất?
Không có phần mềm nào chính xác tuyệt đối. Nghiên cứu của Foltýnek và cộng sự (2020) thấy không hệ thống nào đạt mức hữu ích cao nhất trong 15 hệ thống được thử. Với luận văn, con số "đúng" là con số của công cụ mà trường chỉ định, vì hội đồng chấm theo đó.
Chênh bao nhiêu phần trăm giữa hai phần mềm là bình thường?
Chênh dưới khoảng 5 điểm thường do cấu hình loại trừ và mẫu số. Chênh trên 10 điểm nên mở nguồn lớn nhất để tìm khối trùng mà một bên không có. Đây là quy ước thực dụng, không phải chuẩn chính thức.
Bật loại trừ trích dẫn và danh mục tài liệu tham khảo có làm kết quả "gian lận" không?
Không, đó là cấu hình hợp lệ nếu trường cho phép. Điều cần tránh là báo con số đã loại trừ như thể đó là con số chính thức. Theo hướng dẫn của Turnitin, loại trừ phía sinh viên cũng không đổi điểm giảng viên thấy.
Cùng một bài, nộp lại có ra con số khác không?
Có thể. Kho nguồn thay đổi theo thời gian, và nếu lần nộp trước đã vào kho đối chiếu thì lần sau có thể báo trùng với chính bài đó. Với Turnitin, các lần nộp lại sau một số lần đầu có thể phải chờ tới 24 giờ mới có báo cáo.
File PDF và file Word của cùng một bài có cho kết quả giống nhau không?
Không phải lúc nào cũng giống. Bảng, công thức, chú thích cuối trang và PDF scan được trích xuất khác nhau. Hãy dùng cùng một file cho mọi lần so sánh, và với PDF scan thì chạy OCR trước.
Tóm tắt
- Mỗi phần mềm có kho nguồn, cấu hình loại trừ và mẫu số riêng, nên con số giữa các công cụ không so thẳng được với nhau.
- Trong ví dụ giả định, cùng một nội dung cho ra từ 8,2% đến 27,0% tùy cấu hình và kho nội sinh.
- Nghiên cứu Foltýnek và cộng sự (2020) trên 15 hệ thống, 8 ngôn ngữ: không hệ thống nào đạt mức hữu ích cao nhất.
- Dùng đúng một file, đưa cấu hình về cùng mức, tính lại trên thân bài, rồi so danh sách nguồn.
- Con số chính thức là con số của công cụ mà trường chỉ định.
Nguồn tham khảo: Foltýnek T., Dlabolová D., Anohina-Naumeca A. và cộng sự, "Testing of support tools for plagiarism detection", International Journal of Educational Technology in Higher Education, 17, 46 (2020), doi:10.1186/s41239-020-00192-4; Weber-Wulff D. và cộng sự (2013), được nhắc lại trong bài trên; tài liệu hướng dẫn Similarity Report, bộ lọc loại trừ và nộp lại bài trên Turnitin Guides (tra cứu 10/2026). Phép tính ví dụ do đội ngũ Kiểm Tra Tài Liệu tự lập với số giả định.