क्या Turnitin मानवीकृत AI पाठ का पता लगा सकता है?
Turnitin कहता है कि उसका AI लेखन संकेतक पहले से ही humanizer से गुज़रे पाठ को कवर करता है। उस दावे का क्या अर्थ है और क्या नहीं, मानवीकृत दस्तावेज़ कभी-कभी फिर भी उच्च स्कोर क्यों करता है और कभी-कभी क्यों नहीं, और किसी छात्र के लिए उस संख्या का क्या मूल्य है, दोनों ही स्थितियों में.
Turnitin इस प्रश्न का उत्तर अपनी स्वयं की सहायता साइट पर देता है, और उत्तर सामान्य तर्क के दोनों पक्षों की तुलना में अधिक विशिष्ट है। इसका AI लेखन संकेतक, Turnitin says, पहले से ही AI-जनित सामग्री का पता लगाने को शामिल करता है, जिसे पहचान से बचने के लिए मानवीकृत किया गया हो या किसी bypasser से गुजारा गया हो। यह एक विक्रेता द्वारा अपने ही उत्पाद का वर्णन है। यह आरंभ करने के लिए भी सही स्थान है, क्योंकि यह बताता है कि मॉडल किस दायरे को कवर करने का दावा करता है।
तो, क्या Turnitin मानवीकृत पाठ का पता लगा सकता है? प्रश्न का एक अधिक संकीर्ण और उपयोगी रूप है। Turnitin का मॉडल किसी humanizer के fingerprint की खोज नहीं करता और tools की कोई सूची नहीं रखता। यह गद्य को वाक्य दर वाक्य इस आधार पर अंक देता है कि लेखन मशीन-जनित पाठ के सांख्यिकीय पैटर्न से कितना मेल खाता है, फिर उन अंकों का पूरे दस्तावेज़ में औसत निकालता है। कोई मानवीकृत अंश अभी भी उच्च अंक पाता है या नहीं, यह इस बात पर निर्भर करता है कि पुनर्लेखन ने उस पैटर्न को कितना बदला, और इस पर भी कि दस्तावेज़ का कितना भाग वास्तव में पुनर्लिखित किया गया था।
क्या Turnitin मानवीकृत पाठ का पता लगा सकता है? Turnitin क्या दावा करता है
उनका प्रकाशित रुख स्पष्ट रूप से हाँ है। यह पूछे जाने पर कि क्या वह ऐसी सामग्री का पता लगा सकता है जिसे humanizer से गुजारा गया हो, उनका मार्गदर्शन कहता है: "Yes, Turnitin's AI indicator includes detection of AI-generated content that may have been humanized or passed through a bypasser to avoid detection." उसी पृष्ठ पर AI paraphrasing tools के लिए भी यही उत्तर दिया गया है।
यह दावा रिपोर्ट में कहीं दूसरे अंक के रूप में प्रकट नहीं होता। Turnitin इसे एक ही AI लेखन प्रतिशत में सम्मिलित करता है, और उस प्रतिशत की प्रकाशित परिभाषा यह सीधे कहती है: इसमें वह पाठ शामिल है जिसे मॉडल के अनुसार संभवतः AI द्वारा उत्पन्न किया गया था, या संभवतः उत्पन्न किया गया था और फिर किसी AI paraphraser या bypasser द्वारा संशोधित किया गया था। एक ही स्कोर है, और जहाँ तक मॉडल सक्षम है, वह पहले से ही पुनर्लेखन को ध्यान में रखता है।
ध्यान से पढ़ें, यह सटीकता के बजाय कवरेज के बारे में एक कथन है। Turnitin कह रहा है कि जब मॉडल बनाया गया था, तब humanized पाठ दायरे में था। यह यह कहने से बहुत दूर रुकता है कि हर humanized दस्तावेज़ का स्कोर उच्च होगा, और इसके अपने प्रकाशित आँकड़े, आगे नीचे, एक ऐसे मॉडल का वर्णन करते हैं जो अलग-अलग वाक्यों को अनिश्चित मानता है।
AI Writing Indicator वास्तव में किसका स्कोर कर रहा है
यह प्रतिशत नहीं है। यह पाठ का एक अंश है, इसलिए यह confidence level नहीं है। यह इस बात का माप है कि आपके दस्तावेज़ के भीतर कितना पाठ हमारे मॉडल के अनुसार संभवतः AI generated है। हम इसे qualified text कहते हैं, जिसका अर्थ है कि यह long-form writing format में गद्य वाक्य हैं। इसमें bullet lists, code, tables या छोटे अंश शामिल नहीं होते। और इसी कारण आपको उसी paper के लिए अलग-अलग संख्याएँ दिख सकती हैं, इस पर निर्भर करते हुए कि उसका कितना भाग running prose है।
इसके नीचे का mechanism समझने के लिए पर्याप्त सरल है। Turnitin एक दस्तावेज़ को लगभग कुछ सौ शब्दों के overlapping segments में विभाजित करता है, प्रत्येक में लगभग पांच से दस वाक्य होते हैं, और उन्हें इस तरह overlap किया जाता है कि हर वाक्य को context में score मिले। प्रत्येक वाक्य को 0 और 1 के बीच एक value मिलती है। फिर segment scores को पूरे दस्तावेज़ में औसत किया जाता है ताकि वह एक संख्या प्राप्त हो जिसे instructor देखता है। Turnitin AI का पता कैसे लगाता है का step-by-step विवरण प्रत्येक चरण को अधिक विस्तार से समझाता है।
यह averaging step humanized text के लिए pipeline की किसी भी अन्य चीज़ से अधिक महत्वपूर्ण है, और यही वह हिस्सा है जिसे लगभग कोई भी ध्यान में नहीं रखता। instructor जो figure पढ़ता है, वह segment-level judgements का arithmetic mean होता है। एक दस्तावेज़ आधा पुनर्लिखित हो सकता है और फिर भी बीच के किसी बिंदु पर पहुँच सकता है, ऐसे कारणों से जिनका पुनर्लेखन कितना अच्छा था, उससे बहुत कम संबंध होता है।
Humanized Output कभी-कभी फिर भी उच्च स्कोर क्यों करता है
सबसे सामान्य कारण कवरेज है। किसी परिचय और निष्कर्ष पर लागू किया गया humanizer साहित्य समीक्षा और चर्चा को अपरिवर्तित छोड़ देता है, और वे खंड अपने मूल स्कोर सीधे औसत में ले आते हैं। किसी लंबे अध्याय में, आरंभिक पृष्ठों को फिर से लिखने से कुछ ही खंड बदलते हैं और शेष बिल्कुल वैसे ही रहते हैं, जिससे उस कार्य की तुलना में एक छोटा परिवर्तन होता है जितना लेखक को अपेक्षित होता है, जबकि वह कार्य पर्याप्त लगा था।
दूसरा कारण पुनर्लेखन की गहराई है। ऐसा पास जो शब्दावली को बदलता है, लेकिन वाक्य लंबाई, उपवाक्य क्रम और संक्रमण विकल्पों को यथावत रखता है, उस पैटर्न को काफी हद तक अपरिवर्तित छोड़ देता है जिस पर classifier को प्रशिक्षित किया गया था। मॉडल गद्य के आकार को स्कोर करता है, इसलिए उस आकार को भरने वाले शब्दों को बदलना अधिकांश लोगों की धारणा से कम प्रभाव डालता है। एक free perplexity checker यह दिखाएगा कि पुनर्लेखन के बाद कोई अंश कितना पूर्वानुमेय अभी भी पढ़ा जाता है, जो पहले और बाद की शब्द-स्तरीय तुलना से अधिक सूचनात्मक संकेत है।
तीसरा कारण यह है कि पुनर्लेखन अपनी स्वयं की नियमितता स्थापित कर सकता है। ऐसा software जो हर अनुच्छेद पर एक ही रूपांतरण लागू करता है, एक नया पैटर्न उत्पन्न करेगा जो पुराने जितना ही नियमित होगा। यदि हर वाक्य में उसी प्रकार का joint cut किया गया हो, या यदि हर वाक्य में hedging clause जोड़कर उसे उसी स्थान पर रखा गया हो, तो classifier द्वारा उन वाक्यों को उतनी ही समानता से देखा जाएगा जितनी समानता से उन्हें तब देखा जाता यदि वे शुरू से ही सभी एक ही लंबाई के होते।
| स्थिति | AI स्कोर क्या करता है | क्यों |
|---|---|---|
| दस्तावेज़ का केवल एक भाग पुनर्लिखित किया गया था | अपेक्षा से कम गिरता है | अछूते खंड अपने मूल स्कोर औसत में बनाए रखते हैं |
| शब्दावली बदली गई, वाक्य संरचना रखी गई | बहुत कम बदलता है | वर्गीकारक उन वाक्य-स्तरीय प्रतिरूपों को स्कोर करता है जिन्हें अदला-बदली ने यथावत छोड़ दिया |
| वाक्य वास्तव में पूरे दस्तावेज़ में पुनर्गठित किए गए | अधिक बदलता है | मॉडल को पहचानने के लिए प्रशिक्षित की गई एकसमान लय टूट जाती है |
| 300 शब्दों से कम गद्य प्रस्तुत किया गया | कोई स्कोर बिल्कुल उत्पन्न नहीं होता | Turnitin प्रतिशत रिपोर्ट करने से पहले 300 शब्दों के योग्य गद्य की आवश्यकता रखता है |
| परिणाम 20 प्रतिशत से नीचे आता है | आकृति के बजाय एक तारांकन चिह्न | Turnitin इस सीमा के परिणामों को कम विश्वसनीय मानता है |
एक ही पुनर्लेखन कभी-कभी कम स्कोर क्यों देता है
एक मानवीकृत दस्तावेज़ ऐसे कारणों से कम स्कोर के साथ वापस आ सकता है जिनका पुनर्लेखन से कोई संबंध नहीं होता। Turnitin को AI प्रतिशत उत्पन्न करने से पहले कम से कम 300 शब्दों के योग्य गद्य की आवश्यकता होती है, जो उसने मूल 150 शब्दों से बढ़ाई गई एक न्यूनतम सीमा है, इस घोषित आधार पर कि थोड़े अधिक पाठ के साथ सटीकता बेहतर होती है। एक संक्षिप्त चिंतनात्मक अंश कोई संख्या उत्पन्न नहीं करता, और अनुपस्थित स्कोर साफ स्कोर के समान नहीं होता।
Turnitin 20 प्रतिशत से नीचे की सीमा को सटीक प्रतिशत देने के बजाय एक तारांकन चिह्न से चिह्नित करता है, क्योंकि इस सीमा के भीतर false positives की अधिक घटना होती है। लॉन्च के समय, शिक्षा रिपोर्टिंग ने भी इस व्यवहार का उल्लेख किया था, यह कहते हुए कि 20 प्रतिशत से कम AI-written बताए गए परिणामों में false positives की अधिक घटना थी और इसलिए Turnitin ने अस्वीकरण जोड़े। उस बैंड में स्थित किसी दस्तावेज़ को ऐसी सीमा के रूप में चिह्नित किया गया है जिसे Turnitin सटीक रूप से रिपोर्ट करने से इनकार करता है, और यह cleared होने से अलग बात है।
इसके ऊपर एक संस्थागत नियंत्रण भी होता है। Turnitin किसी AI लेखन पहचान के लिए प्रस्तुतिकरण को केवल तभी संसाधित करता है जब संस्था ने इस सुविधा को चालू किया हो, और प्रशासक इसे पूरे खाते के स्तर पर निष्क्रिय कर सकते हैं। Vanderbilt University ने अगस्त 2023 में ठीक यही किया, Turnitin की तब प्रकाशित 1 प्रतिशत false-positive दर का हवाला देते हुए, जो लगभग 75,000 वार्षिक प्रस्तुतिकरणों के संदर्भ में थी, गैर-देशी अंग्रेज़ी लेखकों के विरुद्ध पक्षपात, और मॉडल कैसे काम करता है, इस बारे में पारदर्शिता की कमी का उल्लेख करते हुए। जिस संस्था में यह सुविधा बंद हो, वहाँ किसी भी प्रस्तुतिकरण पर कोई AI स्कोर नहीं होता, चाहे वह humanized हो या नहीं।
और जहाँ पुनर्लेखन वास्तव में संरचनात्मक था, वहाँ स्कोर घट सकता है क्योंकि मापा गया पैटर्न बदल गया। Turnitin लेखन पैटर्नों से गणना किया गया एक अनुमान रिपोर्ट करता है, इसलिए जिन पाठों के पैटर्न अलग होते हैं, उनके स्कोर भी अलग होते हैं। यह तंत्र दोनों दिशाओं में काम करता है, और यही इसका असहज पक्ष है, मूल मानव लेखन कभी-कभी ठीक उसी कारण से उच्च स्कोर करता है।
अपने पेपर को मानवीय बनाइए
अपने AI-सहायता प्राप्त पाठ को रूपांतरित करें और उसे मानवीय ध्वनि दें, महत्वपूर्ण शब्दों या उद्धरणों को छेड़े बिना।
प्रत्येक humanizer विक्रेता क्या दावा करता है, और क्या दस्तावेजीकृत है
तालिका पर एक नियम लागू होता है। मध्य स्तंभ विक्रेता की अपनी विपणन भाषा है, जो उसकी अपनी साइट से ली गई है, जहाँ भी वह साइट ऐसा करने के लिए उपयुक्त हो। दायाँ स्तंभ यह दर्ज करता है कि प्रत्येक दावे के पीछे वास्तव में क्या है, जो अधिकांश मामलों में कोई डेटासेट, तिथि या विधि बिल्कुल नहीं है। इन ब्रांडों के लिए कोई सार्वजनिक प्रत्यक्ष तुलना परीक्षण मौजूद नहीं है।
| ब्रांड | विक्रेता क्या दावा करता है | क्या दस्तावेज़ित है |
|---|---|---|
| Undetectable.ai | AI डिटेक्टरों को पास करना एक उत्पाद विशेषता के रूप में सूचीबद्ध करता है, बिना किसी आंकड़े के, और यदि आउटपुट को मानव नहीं माना जाता है तो मानवीकरण की लागत वापस करने की पेशकश करता है | रिफंड एक वाणिज्यिक शर्त है, दावे के समर्थन में कोई डेटासेट, तिथि या डिटेक्टर-वार परिणाम नहीं दिया गया है |
| QuillBot | अपनी अलग AI डिटेक्टर को केवल AI-जनित सामग्री का पता लगाने वाला बताता है, लेकिन अपनी वेबसाइटों पर humanizer सुविधा के लिए कोई detection या bypass दावा नहीं करता | QuillBot humanizer को एक सामान्य लेखन सूट के भीतर बेचता है और उसके लिए कोई Turnitin-विशिष्ट दावा नहीं करता |
| WriteHuman | Humanizer Leaderboard पर नंबर एक स्थान पर रखा गया है, और इसे गंभीर लेखन के लिए प्रीमियम AI humanizer के रूप में वर्णित किया गया है | लीडरबोर्ड में कोई कार्यप्रणाली या नमूना नहीं दिया गया है, और WriteHuman रैंकिंग के साथ कोई संख्यात्मक सटीकता आंकड़ा नहीं जोड़ता |
| Walter Writes AI | Turnitin-विशिष्ट दावा किए बिना 80+ भाषाओं में व्यापक मानवीकरण का विपणन करता है | किसी भी दिशा में कोई परीक्षण डेटा नहीं |
| HIX Bypass | डिटेक्टर-वार bypass पृष्ठों का विपणन करता है, लेकिन Turnitin-विशिष्ट आंकड़ा नहीं देता | HIX Bypass और BypassGPT अलग डोमेन पर अलग उत्पाद हैं, इसलिए यह पुष्टि करें कि कोई दावा किसके बारे में है |
| StealthGPT | Turnitin पर 98% मानव औसत और GPTZero पर 95%, प्रत्येक 30 नमूनों के बताए गए रन से, शून्य detections के साथ, साथ ही यदि किसी subscriber का पता चलता है तो money-back guarantee | स्व-रिपोर्ट किया गया। आंकड़ों के साथ कोई डेटासेट, नमूना चयन, तिथि या विधि प्रकाशित नहीं की गई है, और 30 दस्तावेज़ लाखों submissions को स्कोर करने वाले model के बारे में दावे के लिए एक छोटा रन है |
| Phrasly | अपने आप को AI detection remover के रूप में प्रस्तुत करता है, कोई परीक्षण डेटा प्रकाशित नहीं करता | किसी भी दिशा में कोई सार्वजनिक दावा नहीं। समीक्षाओं में प्रसारित आंकड़े द्वितीयक स्रोतों से हैं और सिद्धांततः यहाँ शामिल नहीं किए गए हैं |
| Grammarly | अपनी rewriting को किसी भी तरह detection bypass के रूप में विपणन नहीं करता। इसका AI detector पृष्ठ 99% detection accuracy और RAID के स्वतंत्र benchmark पर नंबर एक रैंकिंग का दावा करता है | वही Grammarly पृष्ठ कहता है कि कोई भी AI detector 100% accurate नहीं है। इसकी Authorship सुविधा पाठ को मानव द्वारा टाइप किया गया, AI के साथ बनाया गया, या Grammarly के साथ संपादित किया गया के रूप में लेबल करती है |
| TextPulse | Turnitin AI पर 92.33% pass rate, Originality.ai पर 89.12% और GPTZero पर 87.91%, 2,000-document academic corpus पर मापा गया | TextPulse द्वारा मापा और प्रकाशित किया गया, इसलिए ऊपर दिए गए हर आंकड़े की तरह स्व-रिपोर्ट किया गया है। corpus का आकार और detectors का नाम दिया गया है, किसी भी individual document के लिए किसी detector outcome का वादा नहीं किया गया है |
उस तालिका से तीन बातें निकलती हैं। इनमें से अधिकांश उपकरण कोई भी डिटेक्टर दावा प्रकाशित नहीं करते, जिसे जाँचने की बात ही अलग हो। कुछ एक संख्या के साथ नमूना आकार जोड़ते हैं, जो इस श्रेणी के बाकी उपकरणों की तुलना में अधिक है। और इनमें से कोई भी ऐसा डेटासेट प्रकाशित नहीं करता जिसे कंपनी के बाहर का कोई व्यक्ति स्वयं चला सके। फिर भी, जहाँ-जहाँ प्रत्येक ब्रांड का श्रेय बनता है, वहाँ उसे दिया जाना चाहिए। Undetectable.ai अपने दावे के पीछे धनवापसी रखता है, जो एक विशेषण के बजाय एक ठोस प्रतिबद्धता है। WriteHuman प्रति-स्तर अनुरोध और शब्द सीमाएँ ठीक-ठीक प्रकाशित करता है, इसलिए खरीदार को पता होता है कि उसे क्या मिल रहा है। Grammarly उसी पृष्ठ पर अपनी सटीकता की संख्या को सीमित करता है जिस पर वह उसे प्रस्तुत करता है, जो अधिकांश डिटेक्टर विक्रेताओं से अधिक है। और QuillBot का किसी bypass दावा को बिल्कुल न करना सूची में सबसे अधिक बचाव योग्य स्थिति है।
विक्रेता के बाहर कोई भी इन संख्याओं की जाँच क्यों नहीं कर सकता
Turnitin पास दर का दावा करने वाला एक humanizer विक्रेता उन रन का वर्णन कर रहा होता है जो उसके नियंत्रित खाते के माध्यम से, उसके चुने हुए दस्तावेज़ों पर, ऐसी तारीख पर किए गए होते हैं जिसे वह सामान्यतः नहीं बताता, और ऐसे वर्गीकारक के विरुद्ध किए गए होते हैं जिसे Turnitin नए भाषा मॉडल जारी होने पर संशोधित करता रहता है। यह StealthGPT के 30-नमूना आंकड़े के लिए भी सत्य है और इस साइट द्वारा प्रकाशित 2,000-दस्तावेज़ आंकड़े के लिए भी उतना ही सत्य है। कॉर्पस का आकार यह बदलता है कि किसी संख्या में कितना शोर मौजूद है। यह किसी स्व-रिपोर्ट को ऑडिट में नहीं बदल देता।
समस्या का दूसरा आधा भाग यह है कि Turnitin की उन मॉडलों की अपनी सूची, जिन्हें वह पहचानने का दावा करता है, नए संस्करण आने पर संपादित की जाती रहती है। पिछले तिमाही के वर्गीकारक के विरुद्ध मापी गई वह पास दर केवल पिछले तिमाही के वर्गीकारक का वर्णन करती है, और कुछ नहीं। इसका अर्थ यह है कि कोई भी Turnitin को bypass करने के लिए सर्वोत्तम AI humanizer का नाम नहीं दे सकता, इसे अलग से समझाया गया है। हर humanizer होमपेज पर मौजूद हर संख्या, इस साइट की भी, एक स्नैपशॉट है जो ऐसी तारीख साथ लिए होता है जिसे विक्रेता ने शायद कभी प्रकाशित ही न किया हो।
भुगतान करने से पहले bypass दावे को कैसे पढ़ें
चार प्रश्न किसी विचारणीय दावे को अनदेखा किए जाने योग्य दावे से अलग करते हैं, और वे ऊपर की तालिका की हर पंक्ति पर लागू होते हैं, अंतिम पंक्ति सहित।
- कितने दस्तावेज़ों का परीक्षण किया गया, और उन्हें किसने चुना? बिना नमूना आकार के दिया गया प्रतिशत एक संख्या पहने हुए नारे जैसा है।
- किस तारीख को, और किस detector version के विरुद्ध? Detection models नए language models के जारी होने के साथ संशोधित किए जाते हैं, और बिना तारीख वाला pass rate जल्दी पुराना हो जाता है।
- क्या गारंटी refund है या परिणाम? money-back promise एक छोटा वित्तीय जोखिम स्थानांतरित करता है और academic integrity panel के बारे में बिल्कुल कुछ नहीं करता।
- विक्रेता क्या कहता है कि किसी citation, किसी technical term या किसी block quotation का क्या होता है? अधिकांश humanizer pages कुछ नहीं कहते, और यही स्वयं एक उत्तर है।
वह अंतिम प्रश्न detector arithmetic से अधिक तय करता है, किसी भी ऐसे व्यक्ति के लिए जो academic work जमा कर रहा हो। एक ऐसा rewrite जो अच्छा score करता है और methods sentence को चुपचाप generalise कर देता है, उसने आपसे वह चीज़ छीन ली है जिस पर आपका मूल्यांकन हो रहा था। TextPulse's academic humanizer APA, MLA, IEEE, Chicago, Harvard और Vancouver में citation preservation का दस्तावेज़ीकरण करता है, exact vocabulary को lock करने से पहले pass चलने हेतु terms को freeze करता है, और peer-reviewed academic text पर training के साथ output को Flesch-Kincaid grade 13 to 18 पर रखा जाता है। ये text के साथ क्या होता है, इस बारे में दावे हैं, जो detector के बारे में किसी percentage से अलग प्रकार का दावा है, और एक पाठक इन्हें output में एक minute के भीतर सत्यापित कर सकता है।
किसी भी स्थिति में छात्र के लिए Score का क्या अर्थ है
Turnitin यह स्पष्ट रूप से कहता है कि AI writing indicator misconduct का निष्कर्ष नहीं है। Turnitin's product page स्पष्ट रूप से कहता है कि Turnitin Originality "does not make a determination of misconduct through our AI writing detection (or similarity checking) technology." यह भी स्पष्ट करता है कि Turnitin शिक्षकों को उनकी institution's policies के आधार पर informed decision लेने में सक्षम बनाने के लिए information प्रदान करता है। इसे इस चेतावनी के साथ दोहराया गया है कि model "may not always be accurate (it may misidentify human-written, AI-generated, and AI-paraphrased text), so it should not be used as the sole basis for adverse actions against a student."
छात्रों को डिफ़ॉल्ट रूप से स्कोर नहीं दिखता। Turnitin स्पष्ट रूप से कहता है कि AI लेखन पहचान संकेतक और रिपोर्ट छात्रों को दिखाई नहीं देते, और उन्हें देखने का एकमात्र तरीका यह है कि कोई प्रशिक्षक रिपोर्ट को PDF के रूप में डाउनलोड करे और उसे सौंप दे। जो छात्र अपना स्वयं का मसौदा जाँचता है, वह एक अलग उपकरण की जाँच कर रहा होता है, जिसे अलग डेटा पर प्रशिक्षित किया गया है, और इन दोनों संख्याओं के एक समान होने की कोई बाध्यता नहीं है।
यहीं वह भाग रह जाता है जिसे कोई स्कोर तय नहीं करता। क्या AI सहायता की अनुमति थी या नहीं, यह पाठ्यक्रम और संस्थान का प्रश्न है, और एक AI उपयोग नीति इसका उत्तर उस तरह देती है जैसा कोई प्रतिशत कभी नहीं देता। अनुमत, प्रकट उपयोग पर उच्च स्कोर, प्रमाण के साथ एक चर्चा है। उस अप्रकट उपयोग पर निम्न स्कोर, जिसे नीति निषिद्ध करती है, फिर भी अप्रकट उपयोग ही है।
अपने स्वयं के मसौदे का संपादन करने वाले लेखक के लिए, इन सबका व्यावहारिक अर्थ यह है कि स्कोर लेखन के साथ चलता है। Turnitin का मॉडल पूरे दस्तावेज़ में वाक्य-स्तरीय पैटर्न को मापता है, इसलिए आंशिक पुनर्लेखन आंशिक परिवर्तन उत्पन्न करते हैं और शब्दावली के परिवर्तन लगभग कोई परिवर्तन नहीं लाते। AI पाठ को humanize कैसे करें का पूर्ण विवरण उन संरचनात्मक संपादनों को क्रमवार समझाता है जो पैटर्न को बदलते हैं, उस क्रम में जो उसे सबसे अधिक बदलता है।
TextPulse का AI humanizer इन संरचनात्मक संपादनों को एक पूरे दस्तावेज़ पर एक साथ लागू करता है और पाठ से ही गणना किया गया एक अनुमानित Human Score रिपोर्ट करता है, कभी भी किसी नामित detector के बारे में यह पूर्वानुमान नहीं देता कि वह क्या कहेगा। कोई भी उपकरण Turnitin के परिणाम की गारंटी नहीं दे सकता, क्योंकि कोई भी उपकरण Turnitin के मॉडल के भीतर नहीं देख सकता। जो भी उत्पाद इसके विपरीत दावा करता है, वह ऐसे परिणाम का वर्णन कर रहा है जिसे देखने का उसके पास कोई तरीका नहीं है।
humanizer और paraphraser के बीच का अंतर यहाँ महत्वपूर्ण है, और यह कारण भी कि paraphrased text फिर भी flag क्यों होता है।
इसमें संख्या सबसे कम रोचक हिस्सा है। परिणाम का निर्णय उस बीस मिनट में होता है जो एक परीक्षक के उसे देखने के बाद आते हैं: क्या पेपर अपना कार्य-प्रक्रिया, एक मसौदा इतिहास, नोट्स का एक सेट, ऐसे स्रोत दिखा सकता है जिनके बारे में लेखक उन्हें खोले बिना बात कर सके। यह साक्ष्य उस किसी भी व्यक्ति के लिए उपलब्ध है जिसने काम किया है, और यह उस अंक से बचा रहता है जिसे पुनर्लेखन हिला नहीं सका।
अक्सर पूछे जाने वाले प्रश्न
Turnitin के अपने मार्गदर्शन में कहा गया है कि उसका AI संकेतक ऐसे सामग्री का पता लगाने को शामिल करता है जिसे humanized किया गया हो या bypasser से गुज़ारा गया हो। उत्पाद वास्तव में जो आउटपुट देता है, वह योग्य पाठ का एक प्रतिशत है, न कि लेखन-स्वामित्व पर कोई निर्णय। इसलिए, क्या Turnitin मानवीकृत पाठ का पता लगा सकता है, इसका व्यावहारिक उत्तर यह है कि स्कोर यह दर्शाता है कि मशीन लेखन पैटर्न का कितना भाग पुनर्लेखन के बाद भी बचा रहा.
Content strategist at TextPulse, here since the company started. Mark writes the product and technical coverage: how the humanizer works under the hood, what changes in each release, and what a specification actually means for your writing. His reviews of writing software come from using them on real documents rather than reading a feature list.
