क्या Turnitin ChatGPT का पता लगा सकता है? यह क्या पकड़ता है और क्या चूकता है

हाँ, लेकिन केवल AI के एक विशिष्ट प्रकार के उपयोग के लिए, और एक ऐसी रिपोर्ट के भीतर जिसे अधिकांश छात्र कभी नहीं देखते। Turnitin का AI लेखन संकेतक उस गद्य को चिह्नित करता है जो सांख्यिकीय रूप से किसी भाषा मॉडल के लिए सामान्य पढ़ाई देता है, और यह उन निबंधों के बढ़ते हिस्से पर ऐसा करता है जिन्हें वह स्कैन करता है: अक्टूबर 2025 से फरवरी 2026 के बीच लगभग 15 प्रतिशत में 80 प्रतिशत या उससे अधिक AI-जनित लेखन दिखा, जो अप्रैल 2023 में उपकरण के लॉन्च के समय लगभग 3 प्रतिशत था। यह आपके विशिष्ट सबमिशन को चिह्नित करेगा या नहीं, यह उन विवरणों पर निर्भर करता है जिन्हें can Turnitin detect ChatGPT के अधिकांश उत्तर छोड़ देते हैं: AI रिपोर्ट प्लेज़रिज़्म रिपोर्ट से कैसे भिन्न है, संख्या वास्तव में किसे दिखाई जाती है, और वह संख्या कितनी बार गलत निकलती है।

यह पोस्ट सामान्य रूप से अकादमिक अखंडता के बजाय केवल उस एक उत्पाद की कार्यप्रणाली को कवर करती है। यह बताती है कि AI लेखन रिपोर्ट क्या मापती है, स्वतंत्र परीक्षणों ने इसमें क्या सही और क्या गलत पाया है, और क्यों समान कार्य जमा करने वाले दो छात्रों को इस आधार पर अलग परिणाम मिल सकते हैं कि वे किस विश्वविद्यालय में पढ़ते हैं। इनमें से कोई भी बात आपके अपने पाठ्यक्रम हैंडबुक में स्वीकार्य AI उपयोग के बारे में कही गई बात को नहीं बदलती। यह ब्लैक बॉक्स के बारे में एक अनुमान को उसके भीतर वास्तव में क्या है, उसके वर्णन से बदल देती है।

Can Turnitin Detect ChatGPT? रिपोर्ट वास्तव में क्या दिखाती है

Turnitin AI लेखन रिपोर्ट, प्लेज़रिज़्म की जाँच करने वाली similarity report से एक अलग उत्पाद है। ये अलग मॉडलों पर चलते हैं और उसी इंटरफ़ेस में अलग टैबों पर प्रदर्शित होते हैं। similarity score आपके सबमिशन को देखता है और उसे पहले प्रकाशित स्रोतों तथा अन्य छात्र पत्रों के डेटाबेस से तुलना करके वह प्रतिशत लौटाता है जो मेल खाता है। AI score पूरी तरह कुछ और करता है: यह एक classifier है जो आपके गद्य को वाक्य दर वाक्य पढ़ता है, प्रत्येक वाक्य को AI-जनित होने की संभावना देता है, और फिर उन वाक्य-स्तरीय scores को जोड़कर एकल दस्तावेज़ प्रतिशत बनाता है। क्योंकि ये अलग चीजें मापते हैं, किसी सबमिशन का similarity score 2 percent और AI score 60 percent हो सकता है, या इसके विपरीत।

यह प्रतिशत वास्तव में जितना सुनाई देता है, उससे अधिक संकीर्ण है। यह पात्र गद्य का वह अनुपात है जिसे मॉडल AI द्वारा लिखा गया मानता है, पूरे दस्तावेज़ का नहीं, क्योंकि स्कोर की गणना करते समय वे कोड ब्लॉक, बुलेट बिंदु, शीर्षक और संक्षिप्त लेखन जैसी चीज़ें हटा देते हैं। यह डिटेक्टर केवल उन दस्तावेज़ों पर लागू किया जा सकता है जिनमें कम से कम 300 शब्दों का दीर्घ-रूप गद्य हो, और इस लेखन के समय यह केवल अंग्रेज़ी, स्पेनिश और जापानी पाठ के लिए है। जैसा कि अपेक्षित हो सकता है, सामान्य रूप से AI डिटेक्टर उस स्कोर की गणना कैसे करते हैं के साथ रखने पर यहाँ का पैटर्न परिचित है, एक दस्तावेज़-स्तरीय संख्या जो सटीक दिखती है, पाठ के उस संकरे हिस्से से बनाई जाती है जितना शीर्षक आंकड़ा संकेत देता है।

AI के रूप में क्या दिखाई देता है: ChatGPT और शेष

Turnitin कहता है कि उसका वर्गीकारक किसी ब्रांड नाम के बजाय लेखन पैटर्न की खोज करता है, और 2023 में मूल GPT-3.5 और GPT-4 लॉन्च के बाद से इसकी कवरेज बार-बार विस्तृत हुई है। वर्तमान मार्गदर्शन GPT-5 श्रृंखला, Gemini और Claude को उन प्रणालियों में नामित करता है जिनके विरुद्ध इसे प्रशिक्षित किया गया है, और नए मॉडल रिलीज़ निरंतर आधार पर जोड़े जा रहे हैं। इसमें वह पाठ भी शामिल है जिसने विशेष रूप से ChatGPT को कभी नहीं छुआ। जिस छात्र ने इसके बजाय Gemini, Claude या DeepSeek का उपयोग किया, वह केवल किसी अलग कंपनी को चुनकर डिटेक्टर को चकमा नहीं दे रहा है, Turnitin के अपने मॉडल विवरण में स्पष्ट है कि वह इस पर आधारित नहीं है कि पाठ किस विक्रेता ने उत्पन्न किया, बल्कि केवल इस पर कि पाठ कैसा पढ़ा जाता है।

पैराफ़्रेज़ किया गया AI पाठ मुक्त पास के बजाय अपनी अलग श्रेणी प्राप्त करता है। Turnitin का दस्तावेज़ीकरण केवल AI-जनित माने गए पाठ को उस पाठ से अलग करता है जिसे वह AI-जनित और फिर AI-पैराफ़्रेज़ किया गया मानता है, और अगस्त 2025 में उसने विशेष रूप से AI बायपासर उपकरणों को लक्षित करते हुए पहचान जोड़ी, जो मशीन आउटपुट को डिटेक्टर से बचाकर पुनर्लेखन के लिए बनाए गए हैं। इसका अर्थ यह नहीं है कि पैराफ़्रेज़िंग निरर्थक है या हर पुनर्लिखित अंश पकड़ा जाता है। इसका अर्थ यह है कि यह मान्यता कि पैराफ़्रेज़िंग डिफ़ॉल्ट रूप से Turnitin के लिए अदृश्य है, कुछ समय से पुरानी हो चुकी है।

Turnitin का AI स्कोर कितना सटीक है?

Turnitin का सटीकता संबंधी दावा एक मुख्य संख्या पर आकर टिकता है, यह कहता है कि जब 20 percent से अधिक पाठ को चिह्नित किया जाता है, तब यह 1 percent से कम की false positive दर बनाए रखता है। कंपनी यह भी कहती है कि वह अपने मॉडलों के प्रत्येक नए संस्करण को ChatGPT के अस्तित्व में आने से पहले लिखे गए 700,000 शैक्षणिक पत्रों के विरुद्ध परखती है, ताकि इस सटीकता की पुष्टि की जा सके। यह किसी विशिष्ट परिस्थिति-समूह के बारे में एक विशिष्ट, परीक्षण योग्य दावा है। इसे ठीक उसी रूप में पढ़ना उचित है। Turnitin ने 2023 में, अपने लॉन्च के तुरंत बाद, सटीकता के बारे में अन्य दावे भी किए हैं। कंपनी के chief product officer ने सार्वजनिक रूप से स्वीकार किया कि प्रयोगशाला परीक्षण यह अनुमान नहीं लगा पाए कि वास्तविक उपयोग में कितनी false positives सामने आएंगी, विशेषकर छोटे submissions में, और उन्होंने कहा कि false positives का प्रतिशत परीक्षण की तुलना में वास्तविक उपयोग में अधिक था। उन्होंने sentence-level false positive दर को लगभग 4 percent बताया और यह भी नोट किया कि इसके परिणामस्वरूप Turnitin ने उन submissions की न्यूनतम लंबाई, जिनका स्कोर किया जा सकता है, 150 से बढ़ाकर 300 words कर दी। वर्तमान न्यूनतम अभी भी 300 words है।

स्वतंत्र परीक्षण vendor के आंकड़े में वह विवरण जोड़ता है जो उसमें नहीं होता। Temple University's Center for the Advancement of Teaching ने उपलब्ध अधिक सावधानीपूर्ण परीक्षणों में से एक किया, उसी भावना में जैसे AI detectors का स्वतंत्र परीक्षण, जो प्रयोगशाला स्थितियों और वास्तविक submissions के बीच अंतर को बार-बार सामने लाता है। शोधकर्ताओं ने 120 लेखन नमूने प्रस्तुत किए, जिन्हें समान रूप से पूरी तरह मानव लेखन, पूरी तरह AI-generated लेखन, paraphrasing tool से गुजारा गया AI-generated लेखन, और मानव तथा AI योगदानों को मिलाने वाले hybrid texts में विभाजित किया गया था, और प्रत्येक के लिए Turnitin ने क्या लौटाया, इसे दर्ज किया। इस tool ने पूरी तरह मानव नमूनों में से 93 percent और पूरी तरह AI-generated नमूनों में से 77 percent को सही ढंग से पहचाना।

कठिन प्रश्नों पर, सटीकता और भी कम हो गई। Turnitin ने केवल 63 प्रतिशत पैराफ्रेज़ किए गए AI नमूनों को सही ढंग से AI-जनित के रूप में पहचाना और केवल 43 प्रतिशत हाइब्रिड नमूनों को न तो पूरी तरह मानव और न ही पूरी तरह AI के रूप में, जो वे श्रेणियाँ हैं जो इस बात के सबसे निकट हैं कि AI-सहायता प्राप्त लेखन वास्तव में कैसे तैयार होता है। विशेष रूप से, हाइब्रिड पाठ शोधकर्ताओं के लिए रुचिकर था क्योंकि उनका मानना है कि आगे चलकर, जैसे-जैसे अधिक पाठ्यक्रम छात्रों से काम के एक भाग के लिए AI का उपयोग करने को कहते हैं, यह वास्तविक प्रस्तुतियों के एक बड़े हिस्से, संभवतः बहुमत, का प्रतिनिधित्व करेगा।

क्या परीक्षण किया गया	Turnitin का परिणाम
100% मानव-लिखित नमूने	93% को सही ढंग से मानव के रूप में पहचाना गया
100% AI-जनित नमूने	77% को सही ढंग से AI के रूप में पहचाना गया
पैराफ्रेज़िंग टूल से गुजारा गया AI पाठ	63% को सही ढंग से AI के रूप में पहचाना गया
हाइब्रिड नमूने, आंशिक मानव और आंशिक AI	43% को सही ढंग से न तो 0% और न ही 100% के रूप में पहचाना गया
20% से अधिक चिह्नित दस्तावेज़, (Turnitin का अपना आंकड़ा)	1% से कम false positive दर

जहाँ यह तब भी विफल हो जाता है जब संख्या सही दिखती है

दस्तावेज़-स्तरीय स्कोर ही वह एकमात्र चीज़ नहीं है जिसे कोई प्रशिक्षक देख सकता है, और दूसरा दृष्टिकोण कम विश्वसनीय है। कुछ इंटरफ़ेस प्रशिक्षक को एक flag report खोलने देते हैं, जो विशिष्ट वाक्यों को संभावित रूप से AI-लिखित के रूप में उजागर करती है। Temple के शोधकर्ताओं ने उन highlights की तुलना इस बात से की कि उनके हाइब्रिड नमूनों में कौन से वाक्य वास्तव में AI-लिखित थे, और दोनों के बीच कोई संबंध नहीं पाया। यह तब महत्वपूर्ण है जब कोई प्रोफेसर आपको सारांश प्रतिशत के बजाय highlighted अनुच्छेद का screenshot भेजता है, दस्तावेज़ का समग्र स्कोर वाक्य-स्तरीय highlights की तुलना में काफी बेहतर प्रदर्शन करता था।

कम स्कोरों को अब अलग तरीके से, और पहले की तुलना में अधिक सावधानी से संभाला जाता है। जुलाई 2024 से, Turnitin ने जब भी उसका मॉडल यह अनुमान लगाता है कि किसी दस्तावेज़ का 20 percent से कम भाग AI-written है, तब संख्या के स्थान पर एक तारांकन चिह्न प्रदर्शित किया है, क्योंकि यही वह सीमा है जहाँ यह उपकरण दोनों दिशाओं में गलत होने की सबसे अधिक संभावना रखता है। हल्का AI-assisted संपादन, एक अनुच्छेद को सहायता लेकर पुनर्लिखना और शेष को बिना सहायता के लिखना, अक्सर किसी छोटे प्रतिशत के बजाय बिल्कुल कोई दृश्य प्रतिशत नहीं उत्पन्न करेगा, और किसी संख्या की अनुपस्थिति को किसी बात का प्रमाण मानने से पहले यह जानना उपयोगी है।

संख्या वास्तव में कौन देखता है

AI score डिफ़ॉल्ट रूप से छात्र-उन्मुख रिपोर्ट का भाग नहीं होता। यह अपने अलग टैब पर रहता है, जो प्रशिक्षकों और प्रशासकों को दिखाई देता है, और छात्र इसे केवल तभी देखते हैं जब प्रशिक्षक रिपोर्ट साझा करने या उसे सीधे दिखाने का विकल्प चुनता है। यह similarity score से एक वास्तविक संरचनात्मक अंतर है, जिसे छात्र सामान्यतः उसी प्रणाली के भीतर स्वयं देख सकते हैं, एक बार जब प्रस्तुति संसाधित हो जाती है।

यही बात इस पर भी लागू होती है कि किसी विशेष पाठ्यक्रम के लिए यह सुविधा बिल्कुल मौजूद है या नहीं, जो प्रशिक्षक से ऊपर एक संस्थागत निर्णय है। खाता-स्तर के प्रशासक पूरे संस्थान के लिए Turnitin की AI detection को चालू या बंद कर सकते हैं। यदि किसी विश्वविद्यालय ने इसे बंद कर दिया है, तो एक व्याख्याता इसे चालू नहीं कर सकता, और इसके विपरीत भी। एक विश्वविद्यालय का छात्र, जो किसी अन्य विश्वविद्यालय के दूसरे छात्र के समान कार्य प्रस्तुत करता है, इस उपकरण का बहुत भिन्न अनुभव कर सकता है, ऐसे कारणों से जिनका उन दोनों में से किसी ने क्या लिखा, इससे कोई संबंध नहीं है।

कुछ विश्वविद्यालयों ने इसे क्यों बंद कर दिया है

University of Waterloo ने September 2025 में Turnitin की AI detection feature को बंद कर दिया, और उसके प्रकाशित कारण असामान्य रूप से सीधे हैं। विश्वविद्यालय ने इस tool की documented unreliability, उन छात्रों के प्रति इसके bias का उल्लेख किया जिनकी पहली भाषा English नहीं है, और अपनी internal testing का हवाला दिया, जिसमें कम से कम एक मामला ऐसा था जहाँ पूरी तरह human-written text को 100 percent AI-generated के रूप में score किया गया था। tool की लागत को देखते हुए, विश्वविद्यालय ने निष्कर्ष निकाला कि costs, benefits से अधिक थे, और इसके बजाय प्रयास को assessment redesign तथा AI literacy training की ओर मोड़ दिया।

Waterloo एक व्यापक विभाजन का एक स्पष्ट उदाहरण है, कोई अपवाद नहीं। जो universities इस feature को चालू रखती हैं, उन्होंने सामान्यतः score को अपने आप में verdict मानने के बजाय guardrails जोड़े हैं, formal प्रक्रिया शुरू होने से पहले student के साथ बातचीत की आवश्यकता रखी है, और number को उस बातचीत को शुरू करने का कारण माना है, उसे समाप्त करने का नहीं। universities AI policy को कैसे संभाल रही हैं इस पर व्यापक रूप से पढ़ने से यह pattern और स्पष्ट हो जाता है: कोई score आपको मिलता भी है या नहीं, यह उस निर्णय पर निर्भर करता है जो आपके seminar room से बहुत ऊपर लिया गया है, न कि technology की किसी स्थिर विशेषता पर।

एक उच्च score क्या सिद्ध करता है, और क्या नहीं

एक उच्च AI score evidence है, verdict नहीं। Turnitin स्वयं percentage को instructor के judgment के लिए एक data point के रूप में प्रस्तुत करता है, misconduct के निष्कर्ष के रूप में नहीं, और ऊपर दिए गए accuracy figures बताते हैं कि यह framing क्यों महत्वपूर्ण है: document-level score, जो reasonably well perform करता है, भी भारी रूप से edited, paraphrased या hybrid writing के एक महत्वपूर्ण हिस्से को गलत पढ़ता है, और sentence-level highlights summary number की तुलना में स्पष्ट रूप से कम reliable हैं। इनमें से कोई भी बात यह guarantee नहीं करती कि कोई individual score गलत है। इसका अर्थ है कि एक percentage प्रश्न पूछने का कारण है, न कि sight पर स्वीकार करने योग्य निष्कर्ष। यदि आप यह देखना चाहते हैं कि आपकी अपनी writing किसी और के score करने से पहले कहाँ स्थित है, तो वही low-variation, generic-phrasing patterns जिन पर classifier प्रतिक्रिया देता है, सीधे एक free perplexity checker से जाँचे जा सकते हैं।

TextPulse का छात्रों के लिए AI humanizer उसी सांख्यिकीय आधार पर काम करता है, और उसका मुफ़्त burstiness checker भी उसी माप के वाक्य-लय वाले आधे हिस्से के लिए ऐसा ही करता है। यह आपको आपके अपने प्रारूप के आधार पर एक अनुमानित Human Score देता है, न कि इस बात का पूर्वानुमान कि Turnitin इसके बारे में क्या कहेगा। कोई भी उपकरण उस प्रणाली के बारे में, जिस पर उसका नियंत्रण नहीं है, ऐसा वादा जिम्मेदारी से नहीं कर सकता। इसे अपनी ही लेखन-रचना की दूसरी पढ़त के रूप में लें, इससे अधिक नहीं।

इनमें से कई प्रश्नों के अपने अलग पृष्ठ हैं। क्या कोई प्रोफेसर बिना किसी detector के भी यह बता सकता है कि आपने ChatGPT का उपयोग किया था, और इसका अधिक सीधा रूप, क्या मैं पकड़ा जाऊँगा, अलग से उत्तरित हैं। पैराफ़्रेज़ किए गए पाठ पर Turnitin का व्यवहार, और विशेष रूप से क्या Turnitin DeepSeek आउटपुट का पता लगाता है, भी अलग से दिए गए हैं। विशिष्ट परिस्थितियों के लिए नर्सिंग कार्यक्रमों में AI detection और क्या कॉलेज प्रवेश कार्यालय ये जाँचें करते हैं पर लेख हैं। व्यापक रूपरेखा academic integrity और AI पर एक अलग लेख में दी गई है।

इनमें से कुछ भी अंतिम संस्करण होने की संभावना नहीं है। 2023 के बाद से Turnitin ने अपनी thresholds, अपनी visibility rules और अपने model coverage को एक से अधिक बार पुनर्लेखित किया है, और August 2026 भी अंतिम शब्द नहीं होगा। जो स्थिर रहता है, वह वह आदत है जो इस बात से परे भी उपयोगी है कि कोई विशेष detector किसी पाठ्यक्रम में उपयोग किया जा रहा है या नहीं, पर्याप्त विशिष्ट, असमान, सचमुच आपका अपना विवरण लेकर लिखिए, ताकि classifier जो भी सोचे, वह गौण हो जाए।