AI検出器は神経多様性のある書き手をより頻繁に判定するのか？研究が示すこと

はい。2025年の査読付き研究では、AI検出器が自閉症傾向のある書き手をより頻繁に誤って判定した。300語の投稿あたりで、一般群の1.2%に対して、その投稿の1.7%が対象となった。これは、AI検出における偽陽性に関する神経多様性研究の主要なものです。また、大学はADHDとディスレクシアについても注意を促しています。

これらはAIテキスト検出器であり、文章を人間作成か機械作成かとして採点します。自閉症の人をふるい分けるためのツールは、しばしば同じ検索結果に現れますが、別の विषयです。これらの研究は、診断についての主張は一切なく、検出器がどの程度の頻度でテキストを誤って判定するかを測定しています。

AI検出における偽陽性の神経多様性研究の概観

2025年の自閉症傾向のある書き手に関する研究は、これまでで最もよいデータを提供しています。これは、1つのAI検出器について判定率を測定しました。大学の教育支援センターも、ADHDとディスレクシアのある学生について教員に注意を促しています。2024年のニュースによる検証では、スペルチェックと書き換えツールがAIスコアにどのような影響を与えるかを測定しました。非英語母語話者の書き手に関する他の大規模研究では、異なる検出器の結果がどのように変動するかが示されています。

群	所見または指針	出典
自閉症傾向のある書き手	1つのAI検出器で、300語あたり、一般群の1.2%に対して1.7%が判定対象となった	Chambers & Kelley, AIED 2025
ADHDのある書き手	「偽陽性の評価を受けやすい」学生の中に挙げられている	University of Nebraska-Lincoln teaching center
ディスレクシアのある書き手	同じ指針の中で挙げられている	University of Nebraska-Lincoln teaching center
神経多様性のある学生全般	「誤って判定される可能性が高い」	Northern Illinois University teaching center
編集ツールを使う書き手	スペルチェックと文法提案はAIスコアをほとんど変えず、全文の書き換えは大きく変えた	Bloomberg Businessweek test, 2024
非英語母語話者の書き手	13の検出器全体で、偽陽性率は0.0から100.0%まであった	Park, Jeong & Kim, EMNLP 2026

450人を超える講師を対象とした調査によれば、教師のおよそ3分の2は、AI検出ツールを定期的に使用していると答えている。Center for Democracy & Technologyはこれを2024年3月に公表した。Bloomberg Businessweekは、低い誤り率であっても、学生が毎年書く論文の数が積み重なると影響が大きくなりうると報じた。

自閉症とAI検出器の研究：著者が見いだしたこと

この論文の題名は「The Misclassification of Autistic Writing as AI-Generated」で、Summer Chambers と Matthew C. Kelley による George Mason University の研究です。査読済みで、Springer が Artificial Intelligence in Education (AIED 2025) に掲載しました。arXiv で 無料版 を入手できます。研究者たちは、自閉症の書き手がより頻繁に誤認されるという逸話は「正式には調査されてこなかった」と書いています。彼らはこれらの主張を検証したかったのです。

彼らのデータセットは、1人の利用者につき1件の投稿として、約60,000件のReddit投稿から成る。短い投稿, 1,000文字未満, は除外した。自閉症の可能性が高い群は、自閉症に関する13のサブレディットから得た。一般群は、文体が似るように選ばれた12の人気サブレディットから得たもので、メンタルヘルス、社会的状況、助言に関する長い一人称の語りを含んでいた。自閉症に関するキーワードを含む一般投稿は除外した。

投稿はReddit APIから取得され、約2021年から2024年までの投稿に加え、より古い投稿のコレクション, 2010年から2020年, も含まれていた。自閉症に関するキーワードと、「my daughter」や「my nephew」のような語句の両方を含む投稿も、自閉症の書き手による投稿を保つために除外された。

著者らは、診断を確認していないため、また誰でもどのサブレディットにも投稿できるため、最初の群を「likely-autistic」と呼んでいる。自閉症の人の中には一般のサブレディットにも投稿する者がいるので、著者らは、自閉症の書き手と非自閉症の書き手の実際の差は、測定したものよりも大きい可能性があると考えている。

検出器はOpenAIのRoBERTa GPT-2検出器であり、2019年に公開され、無料でダウンロードできた。投稿が「Fake」ラベルを付与されると、ここではそれをフラグと数えるが、これは検出器がそのAI確率を0.5より上にしたときであった。第1の実験では、短い投稿のほうが長い投稿よりもより頻繁にフラグされ、オートスティックである可能性が高い投稿は平均してより短かった。長さがこの差の一部を説明し得たため、第2の実験では著者らは300語を超える投稿のみを残し、それぞれをちょうど300語に切り詰めた。

指標	実験1	実験2
分析した投稿数	59,947	33,216
使用したテキスト	1,000文字以上の投稿	ちょうど300語に切り詰めた投稿
オートスティックである可能性が高い群でフラグされた割合	1.9%	1.7%
一般群でフラグされた割合	1.5%	1.2%
調整済みオッズ比	1.246 (p = 0.001)	1.501 (p below 0.001)
より高いperplexity	フラグされる可能性が低い	有意ではない

この差は、長さを等しくしても残った。実験2では、1.7%と1.2%は、およそ1,000投稿あたり17件対12件に相当するため、両群の大半の投稿はフラグされなかった。

また彼らは、文の長さ、語の長さ、perplexity、burstiness、および投稿日時を統制した回帰分析から得られたオッズも報告している。彼らは、実験1では「25% greater chance」のフラグ、実験2では「50% greater chance」のフラグについて述べている。これらは小さな基準値に対する相対的な数値である。実験2における差は、実数の割合では0.5パーセントポイントである。フラグされた投稿が何件あったかを知りたい場合は、割合を用いるべきである。

なぜ検出器は神経多様性のある文章にフラグを付ける可能性があるのか

大学の指針と研究者は、語の選択を指摘している。「The Challenge of AI Checkers」は、University of Nebraska-Lincoln の教員向けガイドであり、神経多様性のある学生が誤検出を受ける理由は一つではないと述べている。このガイドは、それらが反復的な語句、用語、語への依存としばしば関連していると述べている。同じガイドは、I、me、we のような代名詞の欠如が、検出器によっては AI による文章と誤解されうるとも述べている。

2024年10月の Bloomberg Businessweek の報告によれば、最も影響を受けやすい学生は、神経多様性のある学生を含め、より一般的な書き方をする「可能性が高い」とされる。記者たちはこれを学生、学術関係者、AI 開発者から聞いた。Stanford の James Zou は、非母語話者の著者に関する2023年の研究の筆頭著者であった。同じ報告は彼の次の言葉を引用している。「語の選択がより一般的で定型的である傾向があるなら、その文章は AI 検出器によってフラグを立てられる可能性が高くなる。」

自閉症に関する研究では、フラグの割合が高いことは、perplexity や burstiness の低下がないことと関連していた。両群の両スコアはほぼ同一であったが、可能性の高い自閉症群ではわずかに高い傾向があった。著者らは、自閉症である可能性が高い著者の文章の特徴と AI 生成テキストの特徴との関係は「単純ではなかった」と指摘している。

AI検出器の仕組み に関する当方のガイドでは、perplexity と burstiness について、初めての方にも分かるように説明している。

ADHD の文章が AI と判定された場合, 大学が教員に伝えていること

大学の教育センターは、ADHD のある学生について教員への注意喚起を始めている。Nebraska のガイドは、「神経多様性のある学生, 自閉症, ADHD, ディスレクシアなど, は、誤って陽性と判定される傾向もある」と述べている。Northern Illinois University の2024年12月の「AI検出器s: An ethical minefield」は、「神経多様性のある学生も、AI 生成の文章として誤ってフラグを立てられる可能性が高い」と述べている。

Whitney Gegg-Harrison と Claire Quarterman は、Academic Integrity in the Age of Artificial Intelligence（IGI Global）の 2024年の書籍章 を執筆しました。少数のコーパスを使った研究では、一般的な検出ツール全体で、広告よりはるかに高い false positive rate が見つかりました。その研究、ニュース報道、学生の証言を踏まえて、この章は「神経多様な書き手は、L2 の書き手と同様に、false positive の影響を受けやすい可能性がある」ことを示しています。L2 は第二言語を意味します。

自閉症研究の一つの知見は、討論投稿のような短い文章を書く人なら誰にでも当てはまる。実験1では、短い投稿のほうが長い投稿よりも頻繁にフラグが立てられた。検出器が長さについて何を述べているかは、AI検出器の最小語数に関する記事で扱っている。下書きやメモを執筆中に保存しておくことは、自分の執筆過程の記録を残すよい方法である。これは、どのスコアよりもフラグへの対応として有効である。

ディスレクシアに関するAI検出と編集ツール

Nebraskaのガイドは、偽陽性に関する警告の中で、ディスレクシアのある学生を含めている。多くの書き手は、下書きの段階でスペルチェック、文法提案、または書き換えツールを使用しており、2件の研究は、そうしたツールがAIスコアをどのように変化させるかを示している。

2024年のBloomberg Businessweekのテストでは、ある人気の執筆支援ツールのスペルチェッカーと文法提案は、文書をよりAI生成らしく見せるうえで、影響はごくわずかであった。全文の書き換えは異なっていた。同じ支援ツールにエッセイを「改善する」よう求めるか、「学術的に聞こえるようにする」よう求めると、100パーセント人間が書いたと判定された作品が、100パーセントAIが書いたと判定されるようになった。

Hyeonchu Park, Gahye Jeong & Bugeun Kimは、EMNLP 2026で発表された「Style as a Confound」において、専門的な編集を研究した。彼らは、2018年から2025年までの学術英語編集サービスから得た135,389組の文書を用いた。各組は、非母語話者の著者による原稿の、母語話者の編集者が編集する前と後のものである。13個の検出器全体で、同じ編集がある検出器ではスコアを上げ、別の検出器では下げ、スコアの変化は編集量が増えるほど大きくなった。

次に彼らは、OpenAI RoBERTaモデルである検出器の1つについて、編集を種類ごとに分解した。文法の編集はそのスコアに小さな負の変化を生じさせた一方、統語的な編集, すなわち文の構造を変える編集は、最も大きな正の変化を生じさせた。彼らは、検出器の出力はAI使用の決定的な証拠として扱うべきではなく、特に編集が一般的な場合にはそうであると結論づけている。全文を書き換えるツールを使う場合は、以前の版を保存し、所属する授業で何が許可されているかを確認すべきである。

偽陽性率は検出器によって異なる

偽陽性率は検出器ごとに異なる。この率は、その研究が検証していた特定の検出器に対するものである。Liangと共同研究者による2023年のPatternsでの研究は、米国の8年生のエッセイについてほぼ完全な精度を示した。これに対して、これらの検出器は非母語話者によるTOEFLエッセイの半数以上を判定した。詳細は、非母語話者に対する検出器の偏りに関する当ブログ記事を参照されたい。

TextPulse Researchによる2026年の非母語話者と偽陽性に関する作業論文では、現代のAIツール以前に書かれた5,600本のICNALEエッセイを評価した。研究用分類器の1つであるロジスティック回帰は、学習者のエッセイの2.7パーセントと母語話者のエッセイの3.3パーセントを検出対象として示した。同じ特徴量とエッセイで学習した勾配ブースティングモデルは、学習者を12.5パーセント、母語話者を3.8パーセントとして示した。したがって、どちらの集団がより頻繁に検出対象となるかは、検出器によって異なる。

Parkの研究では、13の検出器の偽陽性率は、人間が書いたテキストに対して大きくばらつき、0.0パーセントから100.0パーセントまでの範囲でした。2つの著名な検出器は、ChatGPT以前の2022年夏にTexas A&Mへ提出された500本の大学出願エッセイの無作為サンプルについて、Bloomberg Businessweekによって検証されました。これらのサービスは、エッセイの1パーセントから2パーセントを、AIである可能性が高いものとして誤って分類しました。

同じ報告書で、Turnitinは文書レベルの偽陽性率が1パーセント未満であり、文レベルの率は4パーセントであると述べました。したがって、学生にとって重要なのは、その学校が使用する検出器についての数値です。

フラグが付けられた場合、またはフラグを確認する場合

学生向け

まず確認すべきなのは、下書きの履歴です。そこには以前の下書きと、テキストがどのように発展したかに関する注記が示されますが、スコアは示されません。全文の報告書と、適用される方針を文書で求めてください。手順については、AIを使ったと आरोपされた場合に最初に何をすべきかと、AI検出に対する異議申立書の書き方に関する記事で扱っています。

フラグへの最善の対応は、自分の作業を示すことです。自分が書いた内容の記録を残してください。Google DocsまたはMicrosoft Wordを使い、版の履歴を有効にしたうえで、下書きを作成し、メモ、アウトライン、読んだ資料の出典を追跡してください。スペルチェック、音声入力、テキスト読み上げのような支援技術を使う場合は、どれをどのように使っているかを教員またはアクセシビリティ担当窓口に伝えることができます。

また、大学の障害支援窓口またはアクセシビリティ担当窓口に連絡したいと思うかもしれません。診断について、教員や審査委員会に伝えるかどうかを決めてください。例えば、次のように言うことができます。率は検出器ごとに異なります。査読付き研究では、そのうちの1つで、自閉傾向のある書き手とみなされる人に対するフラグ率がより高いことが示されました。あなたの下書きは、集団に関する研究よりも重要です。なぜなら、集団に関する研究では、あなた自身のエッセイがどのように書かれたかを示すことができないからです。

職員向け

スコアはあくまで推定値にすぎません。これは、執筆過程について尋ねる理由になります。下書きやメモが存在するなら、それらを見せてもらうよう求めてください。学生がその文章をどのように書いたのかを尋ねてください。診断名や文体は、AIの使用を示す証拠でも、否定する証拠でもありません。スペルチェックや音声入力のように、学生がどのツールを使ったのかを尋ねてください。Bloombergの2024年のテストでは、スペルチェックと文法提案はAIスコアをほとんど変えませんでしたが、全文の書き換えは大きく変えました。同じBloombergの報告書では、検出器の作成者は、自分たちのスコアは教師の判断を導くための一つのデータ点にすぎないと述べているとされています。ChambersとKelleyは、これらのモデルとその学術的文脈での使用について、さらなる批判的検討を行うよう勧めています。

このサイト上のツール

無料のperplexity checkerは、下書きにおける語の変動性を推定し、無料のburstiness checkerは、文の長さを可視化します。どちらの数値も、その文章を書いたのが誰かについて何も証明しません。TextPulseのAI humanizerは、引用と用語を保持しながら、自分で書いた下書きのAIスコアを下げるよう設計されています。これを使用する場合は、所属する授業でそのようなツールが認められているかを確認し、出力を読んでください。この研究のどこにも、書き方を変える必要があるとは書かれていません。