テキストの盗用（剽窃）チェックの方法とおすすめツール徹底解説

剽窃（盗作）は、教師、ライター、編集者など、言葉やアイデアを日々扱う人々にとって昔から付きまとう問題です。インターネットとコピペ機能の普及によって、その傾向はさらに強まっています。剽窃チェッカーと呼ばれるソフトウェアは大きな助けになりますが、すべてのプログラムが大規模なデータベースや正確なアルゴリズムを備えているわけではありません。中には、信頼性の低いサービスが提出されたコンテンツを自社の目的に利用しているケースさえあります。そして、最高のチェッカーであっても100％の検出率を誇ることはできません。とはいえ、剽窃チェックツールがどのような仕組みで動いているのかを理解しておけば、どのツールが使う価値があるのかを見極めやすくなります。

剽窃チェッカーはどうやって動いているのか？

テキスト照合ソフトウェアそれぞれに独自のアプローチがありますが、多くは次の基本原理を共有しています。入力されたコンテンツを出典データベースと照合し、類似点を探すというものです。しかし、潜在的に剽窃されうるコンテンツの量は膨大であるため、これは決して簡単な作業ではありません。単純に一行ずつ検索していたら時間がかかりすぎ、リソース的にも非現実的です。

そこで多くの剽窃チェックツールは「フィンガープリント（指紋照合）」という手法を採用しています。データベース内の各テキストとチェック対象のテキストごとにサンプルセットを抽出し、ハッシュアルゴリズムに通して、入力ごとに一意の識別子を生成するのです。

ある論文のフィンガープリントがデータベース内のものと一致した場合、両者は同じ入力を持つことになり、剽窃の可能性があります。この方式では精度がどうしても低下しますが、優れたフィンガープリントアルゴリズムなら、完全一致だけでなく、スピニング（言い回し自動変換）ソフトなどで一部の内容が書き換えられた剽窃も検出できるような形でサンプルを抽出できます。

フィンガープリントの一致が見つかった時点で、「剽窃の可能性あり」とフラグを立てて終了するプログラムもあります。一方、高品質なソフトウェアは、その後ダイレクトな文字列照合を行い、テキストを一行ずつ比較します。データベースが絞り込まれた後なら、この処理は計算負荷が大幅に軽くなります。これにより初期のフィンガープリント検出が確認され、最終的な判断を下す人間に対して、より多くの情報が提供されるのです。

優れた剽窃チェッカーを選ぶポイント

良い剽窃チェッカーには、次の3つの要素が必要です。

1. 堅牢なプライバシーポリシー（例：投稿内容を保存・販売しない）
2. 大規模なデータベース
3. 優れたアルゴリズム

プライバシーポリシー

無料（正確にはフリーミアム）の剽窃チェッカーの多くは正当なサービスであり、広告やプレミアム版の販売で収益を得ています。しかし、中には良心的でないサービスもあり、あなたがチェックした文章を実際に自社の目的で利用している可能性があります。学習サイトのコンテンツとして転載されたり、「スピナー」に通されて文言を変えた上でアクセス集めの記事として公開されたりすることもあるのです。プライバシーポリシーを確認し、サイトの評判を簡単に調べておくのが賢明です。特に、サイトが怪しく見える場合や「良すぎる話」に思える場合は必ず行いましょう。

データベース

剽窃チェッカーが適切な出典資料にアクセスできないなら、それらが剽窃されていても検出できません。これは一般に、低品質なチェッカーとプレミアム版を分ける最大の要素です。他人が所有する書籍・論文などのコレクションへのアクセスは無料かつ容易に得られるものではないため、多くのツールはインターネット上しか調査できません。ただし、剽窃の多くはネット上で発生するものなので、書籍・学術論文などの非公開資料へのアクセスが特に重要になるのは、より手間をかけた巧妙な剽窃を調べたい場合です。

アルゴリズム

ほとんどの剽窃チェッカーはアルゴリズムを明示していませんが、結果の質と精度はその出来栄えを測る良い指標になります。直接測るのは難しいものの、結果の詳細度を確認したり、ユーザーレビューを読んだり、他の出典からコピーした資料を検出できるかテストしたりすれば、サイトの検索がどれだけ網羅的かおおよそ把握できます。たとえば無料版がWikipediaの記事のコピペすら検出できないのであれば、有料版が非常に徹底していることは期待できないでしょう。

おすすめの剽窃チェッカー

プロフェッショナル級の剽窃チェッカーはほぼすべて有料で、無料で使える選択肢の大半は「Googleより劣る」か「プライバシーポリシー上、投稿内容を自社目的で利用する恐れがある」のどちらかです。無料で得られる最良のものは、数ページ分のトライアルか、剽窃の有無だけを伝える簡易レポートでしょう。後者でも、より詳細なツールを使うべきか、手動で確認すべきかを素早く判断できるため十分役立ちます。

筆者は複数のテキスト（自身の執筆記事、Wikipediaの項目、ニュースソース）を使って以下のツールを検証しました。その結果、いずれも剽窃されたコンテンツを出典とともに正確に特定できました。一方、完全無料のサイトも多数試しましたが、その多くは自分の記事の一節を識別できず、BBCやWikipediaからのコピー＆ペーストすら見逃しました。Googleで検索すればすぐに剽窃元がヒットしたにもかかわらず、です。

1. Google

特定のテキストが剽窃されている疑いがあるなら、実はGoogleが最初の調査拠点として最適です。一度に検索できるのは32語までですが、多少言葉を変えられていても、コピー元のウェブサイト・論文・書籍を突き止めるには十分なことが多いのです。

2. Grammarly

Grammarlyで完全な剽窃レポートを得るには編集サービスへの課金登録が必要ですが、剽窃の可能性の有無を教えてくれる初回チェックは無料です。これは多くのアプリより優れた仕様であり、筆者のテストでも大半の場合に剽窃を正しく検知していました。第一段階の無料ツールとして優秀な選択肢といえます。

3. SearchEngineReports

本質的にはGoogleのラッパーですが、無料でありながら多くの無料ツールより高性能です。筆者が入力したテキストの大部分を正確に判定しました。SearchEngineReportsは1回の検索につき最大2,000語までチェックでき（検索回数に上限なし）、Googleを少しずつ通しながら、どの文がヒットしたかを教えてくれます。なお、将来の検出を回避するために剽窃コンテンツを書き換えるオプションも提供されていますが、筆者はこの利用をお勧めしません。

4. Copyleaks

Copyleaksは2,500語（約10ページ）まで無料でチェックできます。幅広く利用されており、ユーザーフレンドリーなインターフェースを備え、学術・科学系の大規模データベースとの照合にも対応しています。インターネット上のコンテンツ以上を調べたい場合の信頼できる入口です。筆者が試したオンラインコンテンツはすべて検出できました。

5. Quetext

500語の無料チェックを3回まで利用でき、以降は購読が必要です。Quetextは精度と網羅性で高い評価を得ており、筆者のテストでも良好な成績を収めました。データベースにはインターネット上のコンテンツに加え、多くの書籍や論文が含まれています。Copyleaksより安く、かつ総合力の高いツールを求めているなら、まず検討したい選択肢です。

6. Plagscan

PlagScanは書籍・論文などを幅広く収録した大規模データベースを持ち、詳細な分析レポートを返します。筆者の検証では、ほぼすべての剽窃元を特定できました。無料トライアルは2,000語までで、継続にはクレジット購入が必要です。大量のテキストをチェックしないなら、一定語数ごとにクレジットを買うこの方式は、他の多くのチェッカーの月額制よりも安く済む可能性があります。

魔法の弾丸は存在しない

剽窃チェッカー、特に低価格帯のものは、ほぼ間違いなくすべてを捕捉できるわけではありません。剽窃者がマイナーな出典を使ったり、十分に書き換えたりすれば、機械が検知する手段は限られます。知識のある人間でさえ騙されることがあるのです。それでも、剽窃チェッカーは効果的な第一防衛線となり、少なくとも手間のかからない安易な剽窃を抑止する力は持っています。