ما هي درجة Turnitin الجيدة؟
لا تنشر Turnitin نسبة تشابه مقبولة، وتحدد 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 خلف الرقم بدلًا من الرقم نفسه.
يُقال لطالب من قبل مشرف إن أي شيء دون خمسة عشر في المئة مقبول. وطالب آخر، في القسم نفسه أيضاً، يُعلَّم على ورقته في الممر عند اثني عشر في المئة لأن ثلاثاً من تلك النقاط تقع داخل فقرة واحدة متصلة بلا علامات اقتباس قريبة منها. كلاهما يقرأ درجة التشابه في Turnitin على نحو صحيح. لم يُبنَ هذا الأداة أصلاً لكي تمنح رقماً واحداً للنجاح أو الرسوب.
إذن ما هي درجة Turnitin الجيدة؟ لا يوجد مثل هذا الرقم. Turnitin لا تنشر نسبة مقبولة، ولا تمنح التسليم درجة، وتقول بوضوح إن الرقم ليس مقياساً للانتحال بحد ذاته. كل مؤسسة تضع إرشاداتها الخاصة، وغالباً يفعل كل مشرف داخلها ذلك أيضاً، ولهذا قد يبدو التقرير نفسه غير لافت في مكتب، ومثيراً للقلق في المكتب التالي. الرقم الذي يستحق التعلم هو كيفية قراءة ما يقف وراءه.
ما هي درجة Turnitin الجيدة؟
لم تنشر Turnitin قط رقماً يعد جيداً أو آمناً أو مقبولاً، ولسبب محدد: درجة التشابه تقيس مقدار النص في التسليم الذي يطابق نصاً موجوداً 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 ومُوثَّقة على نحو صحيح. وقد تقف درجة منخفضة فوق ورقة تعيد صياغة مصدر واحد عن قرب كافٍ لإثارة قلق الممتحن، من دون أن تُفعِّل محرك المطابقة إطلاقاً. قراءة الرقم بوصفه درجة تقلب فهم الأداة رأساً على عقب.
تنتشر قيمة مثل عشرة إلى عشرين في المئة على نطاق واسع بوصفها قاعدة تقريبية غير رسمية، وتُكرَّر في المنتديات وأدلة الدراسة حتى تبدأ في الظهور وكأنها رسمية. لكنها ليست رسمية. Turnitin لا تحدد مثل هذه القيمة، وأي قاعدة تقريبية تتجاهل طول الوثيقة وكثافة الاستشهادات وعرف المجال تنهار في اللحظة التي تلتقي فيها بورقة حقيقية. قد تتجاوز مراجعة أدبية مبنية من ثلاثين مصدراً مقتبساً على نحو صحيح عشرين في المئة بسبب الاقتباسات وحدها. وقد تبقى فقرة واحدة معاد صياغتها عن قرب من دون علامات اقتباس دون خمسة في المئة، ومع ذلك تظل المشكلة الأشد خطورة.
ما الذي تقيسه درجة التشابه فعلياً
يصف Turnitin أداته الخاصة بهذه المصطلحات تقريبًا بالضبط. وتوضح إرشادات Boise State University، بالاستناد إلى لغة Turnitin نفسها، أن درجة التشابه هي نسبة من محتوى الورقة يطابق مادة موجودة بالفعل في قواعد بيانات Turnitin، وأن النسبة نفسها ليست تقييمًا لما إذا كانت الورقة تتضمن مادة منتحلة. هذا التمييز يؤدي عملًا حقيقيًا: فالمطابقة عملية آلية، أي اصطفاف سلسلة من الكلمات مع سلسلة من الكلمات في مكان آخر، أما الحكم على ما إذا كان ذلك التداخل قد أُحيل إليه على نحو صحيح فيتطلب شخصًا، لا خوارزمية.
قواعد البيانات التي تقف وراء المطابقة واسعة عمدًا: تسليمات الطلاب الحالية والمؤرشفة، والويب المفتوح، وجسم كبير من المنشورات الأكاديمية. ولا يُقرأ أي من ذلك المحتوى من حيث المعنى. يعثر النظام على سلاسل الكلمات المتداخلة ويبلغ عن مقدار ما تغطيه من التسليم، ولهذا قد تنتج جملة مقتبسة وجملة منسوخة بصمت تطابقًا متطابقًا. ولا يوضح إلا العرض التفصيلي للتقرير أيهما أيهما.
لماذا قد تكون الدرجة المرتفعة مشروعة تمامًا
تفسر ميزتان عاديتان في الكتابة الأكاديمية معظم ذلك. فالمقاطع المقتبسة تطابق النصوص الأخرى بحكم التصميم، لأن الكلمات تُنسخ عمدًا وتُوسم على الصفحة بوصفها كلمات شخص آخر. كما تطابق قوائم المراجع بدرجة موثوقة بالقدر نفسه، لأن أسماء المؤلفين وعناوين المجلات وصيغ الاستشهاد تتكرر عبر آلاف الأوراق الأخرى التي تستشهد بالمصادر نفسها. وكلاهما مما يفترض أن تبدو عليه الكتابة الأكاديمية الصحيحة.
وعند وضعهما جنبًا إلى جنب، تبدو الدرجة المرتفعة والمشكلة الحقيقية مختلفتين للوهلة الأولى.
| ما الذي طابق | لماذا حدث ذلك | هل يستحق فحصًا أدق؟ |
|---|---|---|
| مقطع مقتبس مع علامات اقتباس واستشهاد | نُسخت 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 |
| صياغة طرق معيارية أو صياغة إجرائية | تصف المفردات المشتركة في الحقل العملية نفسها بالطريقة نفسها عبر الأوراق | نادرًا، إلا إذا كان القسم كله منقولًا بدلًا من أن يُكتب من جديد |
| فقرة طويلة واحدة غير منقطعة من دون علامات اقتباس، تطابق مصدرًا واحدًا | تتبع الصياغة جملة مؤلف آخر عن قرب بما يكفي لكي يلتقطها محرك المطابقة | نعم، هذا هو النمط الذي يستحق فتح المصدر للتحقق منه |
أضف الطابع البشري إلى بحثك الخاص
حوّل نصك المدعوم بالذكاء الاصطناعي واجعله يبدو بشريًا، من دون المساس بالكلمات المهمة أو الاستشهادات.
لماذا يمكن أن يخفي الدرج المنخفض مشكلة مع ذلك
يجيب الرقم المنخفض عن سؤال أضيق مما يبدو: هل يتطابق نص قليل كلمة بكلمة مع قواعد بيانات Turnitin، لا أكثر. إن إعادة الصياغة التي تغيّر قدرًا كافيًا من الألفاظ مع الإبقاء على بنية مؤلف آخر وحجته كما هي يمكن أن تسجل ما يقارب الصفر ومع ذلك تظل مشكلة خطيرة تتعلق بالنزاهة، لأن المحرك يعمل على سلاسل من الكلمات، لا على الأفكار المستعارة. والمحتوى المترجم، أو المادة القادمة من خارج قواعد البيانات المفهرسة لدى Turnitin، يتصرف بالطريقة نفسها: لا شيء يطابق، ولا شيء يُعلَّم.
تخلق المصادر المفبركة النقطة العمياء نفسها من اتجاه مختلف. فالمرجع الذي لا وجود له لا يمكن أن يطابق أي شيء، لأنه لا يوجد في أي مكان ما يمكن أن يطابقه، ولا تملك درجة التشابه وسيلة لتعليم استشهاد لم يكن حقيقيًا أصلًا. يوجد مدقق الاستشهادات بالذكاء الاصطناعي المجاني من TextPulse خصيصًا لسد هذه الفجوة: إذ 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 بعيدًا عن الرقم نفسه. قد يحمل الإرسال الذي يحصل على درجة تشابه منخفضة مؤشر الكتابة بالذكاء الاصطناعي المنفصل في Turnitin، وهو قياس مختلف صُمم لاكتشاف نوع مختلف من المشكلات، كما هو موضح في الدليل الخاص بهذا الموقع حول ما إذا كان Turnitin يستطيع فعلاً اكتشاف ChatGPT. لا تُحسب النسبتان بالطريقة نفسها، وهذا الجزء يقتصر على درجة التشابه وحدها.
كيفية قراءة التقرير بدلًا من الرقم
لا تتفاعل مع الإجمالي قبل فتح تفصيل المطابقات. سيصنف Turnitin المصادر البشرية، التي تُكوّن الدرجة، بحسب مقدار إسهامها فيها. إن إجماليًا بنسبة 22% مكوّنًا من 11 مصدرًا يساهم كل منها بنسبة 2% لا يُقرأ مثل إجمالي مكوّن من مصدر واحد. يميل النمط الأول إلى أن يعكس التداخل عبر عبارات شائعة كثيرة. أما النمط الثاني فيستحق نظرًا مباشرًا إلى ما يقوله ذلك المصدر فعلاً.
يقسم Turnitin النسبة نفسها أيضًا إلى 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 بوضوح ما الذي لا تعنيه الألوان: ففحوص التشابه لا تعني أن الإرسال يتضمن مادة منتحلة. إن اللون ينظم التقرير لجذب الانتباه، لا لإصدار حكم.
ومن المفيد أيضًا التحقق مما إذا كانت إعدادات المؤسسة تستبعد الاقتباسات وقائمة المراجع من العد، لأن الإرسال نفسه قد ينتج رقمين مختلفين تبعًا لكيفية ضبط ذلك الخيار. لا شيء من هذا معقد عندما يكون ظاهرًا. ولا يصبح غير ظاهر إلا إذا لم يفتح أحد التقرير بعد صفحته الأولى.
ماذا تفعل إذا فاجأتك درجتك
أعد فتح كل مصدر مُعلَّم على حدة بدلًا من التفاعل مع المجموع الكلي المجمَّع. تأكد مما إذا كانت النسخة التي يجري تقييمها تستبعد الاقتباسات وقائمة المراجع، لأن الرقم الذي يراه الطالب أثناء الكتابة لا يُضبط دائمًا بالطريقة نفسها التي يرى بها المدرس الرقم عند التسليم. وعندما يظهر تطابق حقيقي غير منسوب، فصحح الإحالة مباشرة بدلًا من إعادة صياغة الجمل للمرور عبر محرك المطابقة، لأنه يعالج العرض ويترك المشكلة قائمة.
إذا ظل الرقم يبدو غير متوافق مع ما يتوقعه المشرف، فاسأل مباشرة ما هي العادة المعتمدة في ذلك القسم. الأقسام أعلاه تُظهر بالفعل أنه لا توجد عتبة واحدة يجب بلوغها، لذا فالإجابة عند من يملك سلطة محلية على المهمة، لا عند نسبة كان يمكن لأي شخص الاطلاع عليها مسبقًا. تغطي مجموعة الأدوات المجانية الخاصة بـ TextPulse فحوص الإحالة والكتابة التي يجدر تشغيلها قبل أن يصل التقرير إلى صندوق وارد شخص آخر.
الدرجات الصادرة عن الأدوات المختلفة ليست قابلة للتبادل، وكيفية عمل GPTZero موضحة في صفحتها الخاصة، إلى جانب إحصائية الحيرة الكامنة تحت كليهما.
تتصرف الدرجة بالطريقة التي تتصرف بها بسبب كيفية إجراء المطابقة تحتها، والرقم الأحدث الموضوع الآن بجانبها في التقرير نفسه يعمل بآلية مختلفة، وهي الآلية التي يوضحها بالكامل دليل هذا الموقع إلى كيفية عمل كاشفات الذكاء الاصطناعي فعليًا. إن قراءة أي من الرقمين بوصفه حكمًا 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 ما يطابق نصك قواعد بياناتها، لا مقدار ما تم انتحالُه. 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.
