Detecting Contract Cheating by using Stylometry and Keystroke Dynamics

• Main Authors: Gravdal, Per Kristian, Danielsen, Nils Folvik
• Format: Dissertation
• Language: English

Utdanningssektoren er midt i en overgang til nye, digitaliserte måter å holde undervisning på. Med disse nye læringsformene, kommer nye måter å evaluere studentene på, for eksempel hjemmeeksamener over nettet eller større, skriftlige oppgaver. Tradisjonelle måter for å oppdage og forhindre juks, som eksamensvakter og hjelpemiddelkontroll, kan dermed ikke lenger benyttes. Når evalueringsmetodene av studentene endres, åpner dette også opp for nye måter studenter kan jukse på, eksempelvis kontraktjuksing. Kontraktjuksing referer til når en student får en tredjepart til å utføre arbeid på egne vegne, slik at studenten dermed blir vurdert basert på tredjepartens arbeid. Dette prosjektet har undersøkt mulighetene for å oppdage om kontraktjuksing har funnet sted på en netteksamen. Til dette har prosjektet benyttet seg av tre forskjellige fremgangsmåter; bruk av stylometry, bruk av keystroke dynamics, og en tredje fremgangsmåte hvor en fusjon av stylometry og keystroke dynamics ble tatt i bruk. Tre ulike datasett har blitt brukt: ett datasett som kun inneholdt tekstdata, ett datasett som kun inneholdt keystroke-data, og et tredje sett som inneholdt både stylometry- og keystroke-data. Fremgangsmåten med stylometry ble benyttet på de to datasettene som inneholdt tekst og metoden med keystroke dynamics ble brukt på de to datasettene som inneholdt keystroke-data. Fremgangsmåten hvor keystroke-dynamics og stylometry ble kombinert ble benyttet på datasettet som inneholdt både tekst og keystroke-data. Systemet som tok for seg keystroke dynamics viste de beste resultatene. Her klarte systemet å oppdage 98.4\% av juksetilfellene, hvor bare 1.7\% av tilfellene ble feilklassifisert som juks. De beste resultatene fra stylometry-systemet viste en detekteringsrate på 95.1\%, hvor 5.3\% av ikke-jukserne ble feilaktig klassifisert. Det ble også gjennomført tester for å undersøke hvor mange tilfeller av juks det var mulig å oppdage uten å feilaktig beskylde noen studenter for juks. De beste resultatene fra disse testene kom fra en Aggregated Scores Fusion som klarte å oppdage 97.4\% av juksetilfellene uten å feilaktig klassifisere noen ikke-juksere.