بررسی Scribbr AI Detector: امتیاز 78% واقعاً چه معنایی دارد
آشکارساز رایگان AI در Scribbr در میان ابزارهای رایگان، بهترین اعداد را نشان میدهد: 78 درصد دقت، مشترکاً در رتبه اول، در مقایسه منتشرشده خود Scribbr، و نسخه پریمیوم 84 درصد. نکته در واژه «خود» است: آزمون توسط فروشنده طراحی، اجرا و نمرهدهی شد، و دیگر ابزار برتر رایگان متعلق به همان شرکت مادر است. در اینجا روشن میشود این اعداد بر چه چیزی استوارند، نسخه پریمیوم چه چیزی اضافه میکند، و چرا یک پیشبررسی Scribbr نمیتواند نتیجه Turnitin را پیشبینی کند.
آشکارساز هوش مصنوعی Scribbr در سطح رایگان، بهترین اعداد تیتر را دارد: 78 درصد دقت برای بررسیکننده رایگان و 84 درصد برای نسخه پریمیوم. هر دو رقم واقعی، منتشرشده و بهروز هستند. هر دو نیز از آزمونی آمدهاند که Scribbr خود آن را طراحی، اجرا و نمرهدهی کرده است، و همین یک واقعیت باید تعیین کند که پیش از چسباندن یک فصل در کادر، چه اندازه به آنها وزن میدهید.
Scribbr یک استارتاپ تصادفیِ آشکارساز نیست. این سرویس در 2012 بهعنوان یک خدمت ویرایش پایاننامه آغاز شد، و مولد ارجاع و راهنماهای APA آن، سالها پیش از آنکه تشخیص هوش مصنوعی وجود داشته باشد، آن را به نامی آشنا برای دانشجویان تبدیل کرد. همین اعتبار دقیقاً دلیل آن است که بررسیکننده هوش مصنوعی آن اغلب نخستین ابزاری است که دانشجویان امتحان میکنند، و نیز دلیل آن است که امتیاز آن بیش از یک عدد از یک سایت ناشناخته، اعتماد خودکار دریافت میکند. پرسش مفید محدودتر از «آیا Scribbr خوب است» است: آن 78 درصد دقیقاً بر چه چیزی استوار است، و آیا یک پیشبررسی Scribbr آنچه Turnitin بعداً به استاد شما نشان میدهد را پیشبینی میکند؟ پاسخها بهترتیب «یک بنچمارک کوچکِ خوداجرا» و «نه» هستند، و هر دو ارزش آن را دارند که بهتفصیل فهمیده شوند.
آشکارساز هوش مصنوعی Scribbr چیست، و چه کسانی واقعاً از آن استفاده میکنند
آشکارساز رایگان هوش مصنوعی Scribbr در مرورگر و بدون حساب کار میکند. صفحه محصول Scribbr بررسیهای نامحدود تا سقف 1,200 واژه برای هر ارسال، پشتیبانی از انگلیسی، اسپانیایی، آلمانی و فرانسوی، و یک طبقهبندی سهگانه را تبلیغ میکند که بخشها را بهصورت نوشتهشده توسط انسان، پالایششده با هوش مصنوعی، یا تولیدشده با هوش مصنوعی برچسب میزند، همراه با بازخورد در سطح پاراگراف. با این حال، مقاله مقایسهای خود Scribbr سقف رایگان را بهجای آن 500 واژه برای هر بررسی ذکر میکند، که یکی از چند جایی است که صفحات شرکت در حال حاضر با یکدیگر اختلاف دارند.
پرسشهای متداول محصول بهطور غیرمعمولی درباره سقف سطح رایگان صریح هستند. در آن آمده است که آشکارساز رایگان متنهای نوشتهشده با GPT-2، GPT-3 و GPT-3.5 را «با دقت متوسط» تشخیص میدهد، در حالی که تشخیص با دقت بالا، از جمله GPT-4، برای نسخه پریمیوم محفوظ است. این دستهبندی اهمیت دارد، زیرا بیشتر متنی که هر کسی در 2026 بررسی میکند از مدلهایی جدیدتر از GPT-3.5 میآید. کاربران اصلی ابزار رایگان، دانشجویانی هستند که یک بررسی پیش از ارسال را روی یک مقاله انجام میدهند.
آنچه Scribbr ادعا میکند: 78 درصد رایگان، 84 درصد پریمیوم
عدد 78 درصد از مقایسه خود Scribbr میان 12 آشکارساز AI میآید که در April 2026 منتشر و در July 2026 بازبینی شد. به سود آن، روششناسی با جزئیات افشا شده است: 30 متن آزمایشی در شش دسته، کاملا انسانی، GPT-3.5، GPT-4، ترکیبی از انسان و AI، و دو مجموعه بازنویسیشده، هر متن 1,000 تا 1,500 نویسه، با امتیازدهی جزئی برای موارد نزدیک به خطا. در آن آزمون، آشکارساز پریمیوم Scribbr با 84 درصد در صدر قرار گرفت، و آشکارساز رایگان Scribbr با آشکارساز رایگان QuillBot با 78 درصد برابر شد، و برای هر سه، هیچ مثبت کاذبی ثبت نشد.
همان مقاله حاشیهنویسیهای کمقابلاستنادتری هم دارد. ابزار پریمیوم، که بهترین عملکرد را در آزمون داشت، همچنان فقط 60 درصد از متن AI را که با نوشتار انسانی آمیخته شده بود یا از یک ابزار بازنویسی عبور داده شده بود، شناسایی کرد، و این همان نوع متنی است که ارسالهای واقعی بیشترین اوقات شامل آن میشوند. و پرسشهای متداول صفحه محصول Scribbr هنوز با مقایسه خود آن هماهنگ نشده است: هنوز به بازدیدکنندگان میگوید که "بالاترین دقتی که یافتیم 84% در یک ابزار پریمیوم یا 68% در بهترین ابزار رایگان بود"، همراه با این پذیرش که "هیچ مدل AI در بازار نمیتواند 100% دقت را تضمین کند، از جمله مدل ما."
مسئله آزمون خوداجرا
همه آنچه در بالا آمده یک معیارسنجی فروشنده است. Scribbr متنها را انتخاب کرد، بازههای امتیازدهی را تعریف کرد، اسکنها را اجرا کرد، و محصول خود را ارزیابی کرد، سپس رتبهبندیای منتشر کرد که در آن محصول خودش در جایگاه نخست قرار گرفت. این امر اعداد را نادرست نمیکند، و روش افشا شده از آنچه بیشتر صنعت ارائه میدهد شفافتر است. اما آن را به یک آزمون خوداجرا تبدیل میکند، و باید آن را همانگونه خواند که ارقام داخلی هر شرکت را میخوانید: بهعنوان ادعایی که باید راستیآزمایی شود، نه نتیجهای که شخص دیگری راستیآزمایی کرده باشد.
دو نکته این احتیاط را روشنتر میکند. نخست، نمونه کوچک است: در مجموع 30 متن، که فقط پنج متن از آنها کاملا به دست انسان نوشته شدهاند، بنابراین خطِ «بدون مثبتِ کاذب» بر پنج سند استوار است. دوم، دو ابزار رایگان که در رتبهبندی Scribbr در جایگاه نخست مساوی شدند، از یک خانواده شرکتیاند. صفحه «درباره ما»ی Scribbr میگوید این شرکت «بخشی از QuillBot، در چارچوب گستردهتر خانواده کسبوکارهای Learneo» است، در کنار LanguageTool، و صفحه محصول خودِ آشکارساز نیز بررسیکننده هوش مصنوعی QuillBot را به عنوان گزینهای دیگر توصیه میکند. «تساوی برای مقام اول» در سطح رایگان، درون یک خانواده شرکتی رخ داد، در آزمونی که همان خانواده منتشر کرده بود.
شواهد مستقل اندک است، عمدتا به این دلیل که سنجههای داوریشده توسط همتایان به ندرت Scribbr را دربر میگیرند. پرارجاعترین آزمون دانشگاهی این دسته، یک مطالعه چنددانشگاهی در 2023 از سوی Weber-Wulff و همکاران که 14 سامانه تشخیص، از جمله Turnitin، را پوشش میداد, نتیجه گرفت که ابزارهای آزمودهشده «نه دقیق بودند و نه قابل اعتماد»، سوگیری نظاممندی به سوی برچسبزدن متن به عنوان نوشتهشده توسط انسان نشان دادند، و به محض آنکه متن ویرایش یا بازنویسی شد، بخش بزرگی از دقت خود را از دست دادند. Scribbr در میان ابزارهای آزمودهشده نبود، و این موضوع دو معنا دارد: از نمرههای مردودی آن مطالعه گریخت، اما همچنین به این معناست که نیرومندترین اعداد منتشرشده درباره آشکارساز Scribbr همچنان همان اعدادی هستند که Scribbr درباره خودِ آن تولید کرده است. این همان شکاف میان ادعاهای فروشنده و شواهد مستقل است که در سراسر این دسته محصول جریان دارد.
مقاله خود را انسانیسازی کنید
متنِ کمکگرفته از AI خود را دگرگون کنید و کاری کنید طبیعی به نظر برسد، بدون دست زدن به واژههای مهم یا ارجاعها.
مثبتهای کاذب، و این که چه کسانی آسیب میبینند
در آزمون خود Scribbr، هیچیک از پنج متنِ نوشتهشده توسط انسان، چه در ابزار رایگان و چه در ابزار پریمیوم، علامتگذاری نشدند. پنج متن نمیتواند نرخ مثبت کاذب را تعیین کند؛ در بهترین حالت، نتیجه فقط با یک نرخ پایین سازگار است. یافته مطالعه Weber-Wulff که نشان میدهد آشکارسازها تمایل دارند متن را انسانی تشخیص دهند، حاکی از آن است که این دسته بیشتر با نادیده گرفتن AI خطا میکند تا با متهم کردن افراد، اما خطاهای اتهامی همان خطاهایی هستند که برای کسی پیامد جلسه رسیدگی دارند، و این خطاها بهطور یکنواخت رخ نمیدهند. نثر دانشگاهی قالبی و متنِ نویسندگانی که به زبان دوم کار میکنند، سهمی نامتناسب از پرچمها را در میان آشکارسازها دریافت میکند، الگویی که بهتفصیل در صفحه ما درباره چرا AI detectors علیه گویشوران غیربومی سوگیری دارند پوشش داده شده است. یک پیشبررسی Scribbr که عدد صفر درصد را نشان میدهد، اطمینانبخش است، نه شاهد: این فقط برآورد یک فروشنده است، از ابزاری که مؤسسه شما از آن استفاده نمیکند، و هیچ چیزی درباره آنچه یک طبقهبند متفاوت خواهد گفت ثابت نمیکند.
واقعیت قیمتگذاری و دسترسی
بررسیکننده رایگان واقعاً رایگان است: مبتنی بر تبلیغات، بدون ثبتنام، با اجرای نامحدود. آشکارساز AI پریمیوم بهتنهایی فروخته نمیشود. مقاله مقایسهای Scribbr آن را بهعنوان یک افزونه برای بررسی سرقت ادبی پریمیوم توصیف میکند که بسته به اندازه سند، بین $19.95 و $39.95 هزینه دارد و برای بارگذاریها محدودیت واژه ندارد.
بستهبندی، تمایزی را پنهان میکند که دانستن آن ارزشمند است. این دو محصول سامانههایی جداگانهاند. پرسشهای متداول Scribbr بیان میکند که بخش سرقت ادبی آن از "فناوری مشابه نرمافزاری که بیشتر دانشگاهها و ناشران استفاده میکنند" بهره میبرد، در حالی که "افزونه آشکارساز AI با نرمافزار اختصاصی Scribbr تغذیه میشود." امتیاز شباهت و امتیاز AI که در یک گزارش واحد ظاهر میشوند، از سازوکارهایی نامرتبط میآیند، و اطمینان به یکی هیچ چیزی درباره دیگری نمیگوید.
چرا امتیاز Scribbr شما با Turnitin مطابقت نخواهد داشت
رایجترین شیوهای که دانشجویان از این ابزار استفاده میکنند، بهعنوان تمرین برای Turnitin است، و این کمترین کاربردی است که از آن پشتیبانی میشود. هر آشکارساز AI یک طبقهبند است که توسط تیمی متفاوت، بر روی پیکرهای متفاوت، با آستانههای تصمیمگیری متفاوت و تحملی متفاوت برای مثبتهای کاذب آموزش دیده است. تفاوتهای کالیبراسیون یعنی همان مقاله میتواند در یک ابزار 2 درصد و در ابزاری دیگر 60 درصد بگیرد، بیآنکه هیچیک از ابزارها دچار نقص شده باشند، و مطالعه Weber-Wulff دقیقاً همین نوع اختلاف را میان سامانهها مستند کرده است. مدل Turnitin، که بهگونهای متفاوت کار میکند و فقط برای مؤسسات قابل مشاهده است, با اولویتهایی تنظیم شده بود که تیم Scribbr هیچ دیدی نسبت به آنها نداشت، و خطاهای آن الگوی خاص خود را دنبال میکنند، که جداگانه در تحلیل ما از نرخ مثبت کاذب Turnitin پوشش داده شده است. یک امتیاز پایین Scribbr در شب پیش از مهلت تحویل، دادهای درباره Scribbr است، نه پیشبینیای درباره Turnitin.
حکم نهایی، و مقایسه کامل
بررسیکننده رایگان AI در Scribbr یکی از ابزارهای بهتر مستندشده در سطح رایگان است، از شرکتی با سابقه واقعی دانشگاهی، و روششناسی منتشرشده آن از آنچه بیشتر رقبا ارائه میکنند بازتر است. با این حال، دقتی که در عنوان آن آمده هنوز یک امتیاز خودارزیابیشده از یک آزمون داخلی 30 متنی است که در آن شرکت همخانوادهاش جایگاه برتر دیگر را به دست آورد، سطح رایگان آن بنا بر گفته خود فروشنده بهطور صریح در برابر مدلهای جدیدتر ضعیفتر است، و خروجی آن را نمیتوان با ابزار نهادیای که در عمل کار شما را داوری خواهد کرد، کالیبره کرد. از آن بهعنوان یک سیگنال اولیه و تقریبی روی پیشنویس استفاده کنید، و هر درصد منفرد را، از هر آشکارساز، بهعنوان یک برآورد در نظر بگیرید نه یک حکم. برای دیدن اینکه اعداد Scribbr در مقایسه با GPTZero، ZeroGPT، Copyleaks، و دیگر ابزارهای این حوزه زیر یک چارچوب واحد چگونه قرار میگیرند، از مقایسه کامل آشکارسازهای AI ما شروع کنید.
سؤالات متداول
در مقایسه منتشرشده خود Scribbr، که در July 2026 بازبینی شد، نسخه رایگان 78 درصد از 30 متن آزمایشی را بهدرستی شناسایی کرد و نسخه پریمیوم 84 درصد را، که بالاترین امتیازها در آن آزمون بودند. هر دو رقم از یک معیارسنجی میآیند که Scribbr خود آن را طراحی، اجرا و نمرهدهی کرد، بنابراین ادعاهای فروشنده هستند نه نتایج مستقل. هیچ معیارسنجی عمده و داوریشدهای برای آشکارسازها، Scribbr را دربرنگرفته است، و پرسشهای متداول خود شرکت نیز میگوید هیچ مدل AI نمیتواند دقت 100 درصد را تضمین کند.
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.
