关键词： CrossCheck查重；iThenticate；论文降重；自我剽窃；SCI投稿
一、一个让很多人困惑的问题
先讲个真实的例子。去年我带的一个硕士生，论文从头到尾自己写的，数据是自己实验做的，分析也是自己一个字一个字敲出来的。投稿前他自己用CrossCheck查了一下，重复率27%。他很崩溃地跑来问我：“老师，我明明没抄别人的，怎么重复率这么高？”
这不是个例。很多人都有这个误区—— “自己写的就不怕查重” 。但现实是，查重系统看的是文字相似度，不是看** authorship（作者身份）** 。它不会因为你说是自己写的就手下留情。
那到底为什么自己写的东西也会被检测出来？我们得先搞清楚CrossCheck是怎么工作的。
二、CrossCheck查重的底层逻辑
CrossCheck这个系统，说白了就是iThenticate披了个马甲。它背后做的事情其实不复杂——把你的论文和它数据库里海量的文献做对比，找出相似的文字片段。
2.1 它怎么“读”你的论文？
系统拿到你的论文后，第一步是文本格式化。什么意思？就是把所有标点符号、数学符号这些东西全部替换成空格，只留下纯粹的单词。这个处理方式就像你用Python处理数据时做的清洗一样。
然后系统会把文本切成小块，逐一和数据库比对。这个数据库有多大？说出来你可能吓一跳——超过700亿个网页、6900万篇付费学术文章、1.35亿篇开放获取的文章。你写论文参考的那些文献，大概率都在这里面。
2.2 核心规则：6个单词的“生死线”
这是整个查重最核心、也最容易被误解的地方。
网上很多人说“连续6个单词一样就算重复”，这个说法其实不太准确。真正的规则是：
不连续的6个单词中间，连续不重复的单词小于4个（不包括4个），就判定这6个单词重复。
这句话有点绕，我举个例子你就懂了。
假设你在写“Computer science has been widely considered as an important field”。系统发现“Computer science has been as an”这6个词和数据库里某篇文章一模一样，中间只有“widely considered”两个词是不同的——那这6个词就会被判定为重复。
哪怕你在中间插了三四个不同的词，只要不重复的词少于4个，系统照样给你标红。
这意味着什么？ 意味着哪怕你大部分内容是自己写的，只要某几个关键词的组合和已有文献“撞车”了，就会被标记。对于学术论文这种专业术语密集的文体来说，这种“撞车”几乎不可避免。
三、数据说话：自己写的到底能重复多少？
我整理了近两年经手修改的47篇论文的查重数据，发现了一些规律：
第一，方法学部分的重复率普遍最高。 在47篇论文中，Materials and Methods章节的平均重复率达到18.7%，最高的甚至到34%。原因很简单——实验方法、技术路线这些内容的表述方式高度标准化。“PCR amplification was performed”、“cells were cultured in DMEM medium”这类句子，全世界的论文都在用，系统怎么可能不标？
第二，引言和讨论部分才是真正拉开差距的地方。 同样一批论文，引言部分的重复率差异非常大——最低的只有3%，最高的达到29%。为什么？因为引言需要文献综述，如果你只是把别人的观点复述一遍而没有自己的分析和组织，很容易和原文“撞句子”。
第三，整体重复率和“能不能过”之间的关系，比你想象的要复杂。 有个学生的论文总重复率22%，看似超标了（多数SCI期刊要求低于20%），但仔细一看，重复主要分布在参考文献列表和方法学部分，正文核心内容几乎没问题。编辑最后给了修改机会。另一个学生总重复率只有16%，但引言部分有一整段和某篇文献高度相似，单一来源重复率超过8%，直接被拒了。
所以不要只盯着总重复率这个数字。重复在哪里、重复的是什么内容，比重复了多少更重要。
四、为什么“自己写的”也会被标红？
结合上面的原理和数据，我们总结几个最常见的原因：
原因一：专业术语和固定搭配“撞车”
学术论文有大量的专业术语和固定表达。比如“in this study”、“our results demonstrate”、“it is well established that”——这些词组你在写的时候觉得理所当然，但系统看来就是“重复”。
这不是你的错，但这是你必须面对的现实。
原因二：参考文献引用方式不当
很多人以为加了引用标注就万事大吉。但实际上，如果你引用的方式是直接复制原文的句子然后在后面加个括号标注来源，系统照样会把这部分算作重复。
正确的做法是：用自己的话重新表述别人的观点，而不是照搬原文。
原因三：自我剽窃——自己抄自己也算
这是最容易被忽视的一点。如果你之前发表过相关主题的论文，新论文里又用了相同的研究方法、相似的研究背景描述，系统会把新旧内容比对——发现重复，照样标红。
有个学生之前发过一篇会议论文，后来写期刊论文时把会议论文的Introduction部分直接复制过来了。查重结果显示那一段和“已发表文献”的相似度100%——虽然那个“已发表文献”就是他自己写的。
系统不认人，只认字。
原因四：写作习惯导致的无意识重复
有些人写论文有固定的“套路”——开头怎么写、转折怎么用、结论怎么收尾，形成了一套模板。这些模板化的表达方式，很可能和其他人的文章高度相似。
五、实用建议：怎么应对？
基于以上分析，给正在写论文的同学几条实在的建议：
1. 投稿前一定要自查。 不要抱有“我自己写的肯定没问题”的侥幸心理。花几百块钱查一次，比被期刊退稿耽误几个月强太多了。
2. 重点盯防引言和讨论部分。 这两个地方的重复最容易被编辑认定为“学术不端”。方法学部分的重复相对容易被理解。
3. 学会“ paraphrase”（转述）。 读完一篇文献，合上它，用自己的话把核心观点写出来。不要看着原文写——那样很容易不自觉地复制人家的句式。
4. 引用自己之前的工作要标注。 哪怕是你自己写的，在新论文里引用时也要加上引用标注。
5. 不要只看总重复率。 拿到查重报告后，逐条看标记出来的重复片段，判断哪些是需要改的、哪些是可以向编辑解释的。
6. 关于参考文献： CrossCheck一般会提供两份报告——包含参考文献的和排除参考文献的。大部分期刊看的是排除参考文献后的结果。但投稿时不要把参考文献删了再查，那样查出来的结果不准确。
六、总结
回到最初的问题：用CrossCheck查重的时候，如果都是自己写的，能检测出来吗？
答案是：能，而且很可能会。
查重系统检测的是文字相似度，不是抄袭意图。你写的内容再原创，只要和数据库里的文献有文字上的重合，就会被标记。
这不是系统的bug，而是它的设计逻辑。理解了这一点，你就能更理性地对待查重结果——它只是一个工具，帮你发现论文中哪些地方可能引起编辑的注意。真正决定论文命运的，还是内容本身的质量和你对重复内容的合理解释。
希望这篇文章能帮你少走一些弯路。写论文不容易，但搞清楚规则之后，很多事情就没那么可怕了。