ما هي درجة Turnitin الجيدة؟
لا تنشر Turnitin أي نسبة تشابه مقبولة، وتضع المؤسسات إرشاداتها الخاصة بدلًا من ذلك. يشرح هذا المنشور ما الذي يدفع الدرجة إلى الارتفاع أو الانخفاض فعليًا، ولماذا ترفع المواد المقتبسة وقوائم المراجع الدرجة من دون أن يكون هناك أي خطأ، وكيف تقرأ تفصيل المطابقات وراء الرقم بدلًا من الرقم نفسه.
يُقال لطالب من قِبل مشرف إن أي نسبة أقل من 15% مقبولة. وطالب آخر، في القسم نفسه أيضًا، يُعلَّم بحثه بعلامة في الممر عند 12% لأن ثلاثًا من تلك النقاط تقع ضمن فقرة واحدة متصلة من دون علامات اقتباس قريبة منها. كلاهما يقرأ درجة التشابه في Turnitin قراءة صحيحة. لم يُبنَ هذا الأداة أصلًا لكي تمنح رقمًا واحدًا للنجاح أو الرسوب.
فما هي إذن درجة Turnitin الجيدة؟ لا يوجد مثل هذا الرقم. لا تنشر Turnitin نسبة مقبولة، ولا تمنح التقييم لعملية التسليم، وتقول بوضوح إن الرقم ليس مقياسًا للانتحال بحد ذاته. تضع كل مؤسسة إرشاداتها الخاصة، وغالبًا يفعل كل مشرف داخلها ذلك أيضًا، ولهذا قد يبدو التقرير نفسه عاديًا في مكتب، ومثيرًا للقلق في المكتب التالي. الرقم الذي يستحق التعلم هو كيفية قراءة ما يقف خلفه.
ما هي درجة Turnitin الجيدة؟
لم تنشر Turnitin قط رقمًا يُعد جيدًا أو آمنًا أو مقبولًا، وذلك لسبب محدد: درجة التشابه تقيس مقدار النص في التسليم الذي يطابق نصًا موجودًا بالفعل داخل قواعد بيانات Turnitin، لا ما إذا كان ذلك التداخل قد استُخدم على نحو غير صحيح. قد تأتي درجة مرتفعة بالكامل من مادة مقتبسة ومُستشهد بها على نحو صحيح. وقد تقف درجة منخفضة فوق بحث يعيد صياغة مصدر واحد عن قرب بما يكفي لإثارة قلق الممتحن، من دون أن يفعّل محرك المطابقة إطلاقًا. إن قراءة الرقم بوصفه درجة تقلب فهم الأداة رأسًا على عقب.
تنتشر على نطاق واسع نسبة مثل 10 إلى 20 في المئة بوصفها قاعدة تقريبية غير رسمية، وتتكرر في المنتديات وأدلة الدراسة حتى تبدأ في الظهور وكأنها رسمية. لكنها ليست رسمية. لا يضع Turnitin مثل هذه النسبة، والقاعدة التقريبية التي تتجاهل طول المستند وكثافة الاستشهادات وعرف المجال تنهار في اللحظة التي تواجه فيها ورقة حقيقية. يمكن لمراجعة أدبية مبنية على 30 مصدرًا مقتبسًا على نحو صحيح أن تتجاوز 20 في المئة بمجرد الاقتباسات وحدها. ويمكن لفقرة واحدة معاد صياغتها عن قرب من دون علامات اقتباس أن تبقى دون 5 في المئة ومع ذلك تكون هي المشكلة الأشد خطورة.
ما الذي تقيسه درجة التشابه فعليًا
يصف Turnitin أداته هو نفسه بهذه المصطلحات تقريبًا. وتوضح إرشادات Boise State University، استنادًا إلى لغة Turnitin نفسها، أن درجة التشابه هي نسبة من محتوى الورقة يطابق مواد موجودة بالفعل في قواعد بيانات Turnitin، وأن النسبة نفسها ليست حكمًا على ما إذا كانت الورقة تتضمن مادة منسوخة انتحالًا. وهذا التمييز يؤدي عملًا حقيقيًا: فالمطابقة عملية آلية، أي اصطفاف سلسلة من الكلمات مع سلسلة أخرى في مكان ما، أما الحكم على ما إذا كان ذلك التداخل قد نُسب على نحو صحيح فيتطلب إنسانًا، لا خوارزمية.
وقواعد البيانات التي يقوم عليها التطابق واسعة عمدًا: تسليمات الطلاب الحالية والمؤرشفة، والويب المفتوح، وجسم كبير من المنشورات الأكاديمية. ولا يُقرأ أي شيء من هذا المحتوى بوصفه معنى. يعثر النظام على سلاسل الكلمات المتداخلة ويبلغ عن مقدار ما تغطيه من التسليم، ولهذا يمكن لجملة مقتبسة وجملة منسوخة بصمت أن تنتجا تطابقًا متطابقًا. ولا يوضح إلا العرض التفصيلي في التقرير أيهما أي.
لماذا يمكن أن تكون الدرجة المرتفعة مشروعة تمامًا
تفسر ميزتان عاديتان في الكتابة الأكاديمية معظم ذلك. فالمقاطع المقتبسة تطابق النصوص الأخرى عن قصد، لأن الكلمات تُنسخ عمدًا وتُوسم على الصفحة بوصفها كلمات شخص آخر. كما تطابق قوائم المراجع بالقدر نفسه من الموثوقية، لأن أسماء المؤلفين وعناوين المجلات وصيغ الاستشهاد تتكرر عبر آلاف الأوراق الأخرى التي تستشهد بالمصادر نفسها. وكلاهما يمثل الشكل الذي ينبغي أن تبدو عليه الكتابة الأكاديمية الصحيحة.
عند وضعهما جنبًا إلى جنب، تبدو الدرجة المرتفعة والمشكلة الفعلية مختلفتين للوهلة الأولى.
| ما الذي طابق | لماذا حدث ذلك | هل يستحق فحصًا أدق؟ |
|---|---|---|
| مقطع مقتبس مع علامات اقتباس وإحالة مرجعية | نُقلت الكلمات عمدًا ونُسبت في الصفحة | لا، هذا هو شكل الاقتباس الصحيح |
| قائمة مراجع أو ببليوغرافيا | تتكرر أسماء المؤلفين وعناوين المجلات وصيغ الاستشهاد عبر كثير من الأوراق الأخرى | لا، إلا إذا لم يُطبَّق إعداد الاستبعاد |
| صياغات منهجية أو إجرائية معيارية | تصف المفردات المشتركة في المجال العملية نفسها بالطريقة نفسها عبر الأوراق | نادرًا، إلا إذا كان القسم كله منقولًا بدلًا من أن يكون مكتوبًا من جديد |
| فقرة طويلة واحدة غير منقطعة من دون علامات اقتباس، تطابق مصدرًا واحدًا | تتبع الصياغة جملة مؤلف آخر عن قرب بما يكفي ليلتقطها محرك المطابقة | نعم، هذا هو النمط الذي يستحق فتح المصدر للتحقق منه |
حوّل مقالك إلى صيغة بشرية
حوّل النص الذي استعنت فيه بالذكاء الاصطناعي واجعله يبدو بشريًا، من دون المساس بالكلمات المهمة أو الاستشهادات.
لماذا يمكن أن تخفي الدرجة المنخفضة مشكلةً مع ذلك
تجيب القيمة المنخفضة عن سؤال أضيق مما يبدو: هل يتطابق قدر قليل من النص كلمةً بكلمة مع قواعد بيانات Turnitin، لا أكثر. يمكن لإعادة الصياغة التي تغيّر قدرًا كافيًا من الألفاظ مع الإبقاء على بنية مؤلف آخر وحجته كما هي أن تحصل على درجة قريبة من الصفر ومع ذلك تظل مشكلة خطيرة تتعلق بالنزاهة، لأن المحرك يعمل على سلاسل من الكلمات، لا على الأفكار المستعارة. أما المحتوى المترجم، أو المواد القادمة من خارج قواعد البيانات المفهرسة لدى Turnitin، فتتصرف بالطريقة نفسها: لا شيء يطابق، ولا شيء يُعلَّم.
تُنشئ المصادر المفبركة النقطة العمياء نفسها من اتجاه مختلف. المرجع الذي لا وجود له لا يمكن أن يطابق أي شيء، لأنه لا يوجد في أي مكان ما يمكن مطابقته معه، كما أن درجة التشابه لا تملك وسيلة للإشارة إلى اقتباس لم يكن حقيقيا من الأصل. يوجد فاحص الاقتباسات بالذكاء الاصطناعي المجاني من TextPulse خصيصا لسد هذه الفجوة: فهو يتحقق من كل مدخل في قائمة المراجع مقابل السجلات الفعلية التي ينبغي أن تظهر فيها هذه المصادر، قبل أن يضطر القارئ إلى اكتشاف الفجوة بالطريقة الصعبة.
هناك تمييز آخر يستحق الإشارة إليه قبل الانتقال إلى الرقم نفسه. قد يحمل التسليم الذي لديه درجة تشابه منخفضة أيضا مؤشر الكتابة بالذكاء الاصطناعي المنفصل لدى Turnitin، وهو قياس مختلف صُمم لاكتشاف نوع مختلف من المشكلات، كما هو موضح في دليل هذا الموقع حول ما إذا كان Turnitin يستطيع فعلا اكتشاف ChatGPT. لا تُحسب النسبتان بالطريقة نفسها، وهذه المقالة تتناول درجة التشابه وحدها.
كيفية قراءة التقرير بدلا من الرقم
لا تتفاعل مع الإجمالي قبل فتح تفصيل التطابقات. سيصنف Turnitin المصادر البشرية، التي تشكل الدرجة، بحسب مقدار إسهامها فيها. إن إجماليا بنسبة 22% مكوَّنا من 11 مصدرا يساهم كل منها بنسبة 2% لا يُقرأ مثل إجمالي مكوَّن من مصدر واحد. يميل النمط الأول إلى أن يعكس التداخل عبر كثير من العبارات الشائعة. أما النمط الثاني فيستحق نظرة مباشرة إلى ما يقوله ذلك المصدر فعلا.
كما يصنف Turnitin النسبة نفسها ضمن شريط لوني، كما ورد في إرشادات Loughborough College الخاصة بالطلاب: الأزرق لعدم وجود نص مطابق، والأخضر من كلمة واحدة إلى 24%، والأصفر من 25 إلى 49، والبرتقالي من 50 إلى 74، والأحمر من 75 فما فوق. وتوضح إرشادات الكلية نفسها بجلاء ما الذي لا تعنيه الألوان: ففحوص التشابه لا تعني أن التسليم يتضمن مادة منتحلة. اللون ينظم التقرير من أجل الانتباه، لا من أجل إصدار حكم.
سواء كانت إعدادات المؤسسة نفسها تستبعد الاقتباسات وقائمة المراجع من العد، فهذا أمر يستحق التحقق منه أيضاً، لأن الإرسال نفسه يمكن أن ينتج رقمين مختلفين تبعاً لكيفية ضبط ذلك الخيار. لا شيء من هذا معقد متى أصبح مرئياً. إنه لا يكون غير مرئي إلا إذا لم يفتح أحد التقرير بعد صفحته الأولى.
ماذا تفعل إذا فاجأتك درجتك
أعد فتح كل مصدر مميز على حدة بدلاً من التفاعل مع المجموع الكلي. تأكد مما إذا كانت النسخة التي يجري تقييمها تستبعد الاقتباسات وقائمة المراجع، لأن الرقم الذي يراه الطالب أثناء الصياغة لا يكون دائماً مضبوطاً بالطريقة نفسها التي يرى بها المدرس الرقم عند التسليم. وعندما يظهر تطابق حقيقي غير منسوب، صحح الإحالة مباشرة بدلاً من إعادة صياغة الجمل للمرور عبر محرك المطابقة، لأنه يعالج العرض ويترك المشكلة قائمة.
إذا ظل الرقم يبدو غير متسق مع ما يتوقعه المشرف، فاسأل مباشرة ما هو العرف المعتمد في ذلك القسم. الأقسام أعلاه تبين بالفعل أنه لا توجد عتبة واحدة يجب بلوغها، لذا فإن الجواب يكون عند شخص يملك سلطة محلية على المهمة، لا عند نسبة مئوية كان يمكن لأي أحد أن يبحث عنها مسبقاً. تغطي مجموعة الأدوات المجانية في TextPulse فحوص الإحالة والصياغة التي يجدر تشغيلها قبل أن يصل التقرير إلى صندوق وارد شخص آخر.
الدرجات الصادرة من أدوات مختلفة ليست قابلة للتبادل، وكيفية عمل GPTZero موضحة في صفحتها الخاصة، إلى جانب إحصاء perplexity الكامن تحتهما معاً.
تتصرف الدرجة بالطريقة التي تتصرف بها بسبب كيفية عمل المطابقة في الأسفل، والرقم الأحدث الموضوع الآن بجانبها في التقرير نفسه يعمل بآلية مختلفة، وهي الآلية التي يوضحها بالكامل دليل هذا الموقع إلى كيفية عمل كواشف AI فعلياً. إن قراءة أي من الرقمين بوصفه حكماً تتجاوز الجزء الوحيد من التقرير الذي يستحق القراءة.
الأسئلة الشائعة
ما هي درجة Turnitin الجيدة؟ لا يوجد مثل هذا الرقم. لا تنشر Turnitin نسبة مقبولة، وتقيس درجة التشابه مقدار النص الذي يطابق قواعد بياناتها، لا مقدار ما جرى انتحاله. يمكن لمراجعة أدبية موثقة على نحو صحيح أن تتجاوز 20% بسبب الاقتباسات وحدها، بينما قد تبقى إعادة صياغة واحدة من دون إسناد تحت 5. اقرأ المصادر المطابقة، لا الرقم الظاهر في العنوان.
PhD in natural language processing, with years spent building NLP applications end to end. Moe works on text analysis: lexical and syntactic structure, and what separates machine-generated prose from human prose statistically. He has been experimenting with computational linguistics since the early days of NLTK, spaCy and WordNet, and still writes most of his tooling in Python.
