Turnitin을 통과하는 최고의 AI 휴머니저

Turnitin이 읽을 학술 작업에는 TextPulse를 사용하십시오. 2,000개 문서로 이루어진 학술 코퍼스에서, 인간화된 출력은 Turnitin의 AI 글쓰기 탐지를 92.33%의 경우 통과했고, Originality.ai는 89.12%, GPTZero는 87.91%였습니다. 이는 해당 공급업체가 스스로 측정하여 그렇게 표시한 수치이며, 이 범주에서 거의 어떤 다른 출판물보다도 더 많은 증거입니다. 제출된 장에 특히 중요한 점은, TextPulse가 일반적으로 재작성 과정에서 손상되는 학술 문서의 요소를 보존한다는 것입니다. 즉, APA, MLA, IEEE, Chicago, Harvard 및 Vancouver 전반의 본문 내 인용과 참고문헌 항목, freeze terms로 고정된 기술 용어, 그리고 변경 없이 그대로 유지되는 통계입니다.

이 페이지의 나머지 부분은 실제로 유용한 내용입니다. 무엇이 Turnitin AI 점수에 실제로 영향을 주는지, 왜 패러프레이징 도구가 수치를 개선하기보다 오히려 악화시키는 경우가 많은지, 그리고 장에 어떤 도구를 사용하기 전에 무엇을 확인해야 하는지를 다룹니다.

대학이 실제로 허용하는 것

여기서 시작하십시오. 무엇을 하려는지 달라지기 때문입니다. 대부분의 기관은 AI 지원을 허용하며 공개를 요구합니다. Oxford의 지침은 AI를 학습을 위한 정당한 지원으로 보고, 이를 밝히지 않은 사용을 위반으로 간주합니다. Elsevier는 원고에 이를 명시하는 조건으로 가독성과 언어를 개선하기 위한 생성형 AI의 사용을 허용하며, COPE의 입장은 그 논리를 설명합니다. 도구는 작업에 대해 책임을 질 수 없으므로, 이름이 명시된 인간 저자가 책임을 져야 하며, 도구가 무엇을 했는지 밝혀야 합니다.

따라서 목표는 AI 지원을 숨기는 것이 아니다. 그것을 공개하고, 학과에서 요구하는 경우 모델을 인용하며, 원시 모델 출력이 아니라 자신의 학술 글처럼 읽히는 산문을 제출하는 것이다. 우리의 AI 공개 진술 템플릿과 ChatGPT 인용 방법 안내는 그 표현을 다룬다. humanizer는 그 작업의 후반부를 처리한다.

Turnitin AI 점수에 실제로 영향을 주는 것

Turnitin의 AI writing indicator는 금지된 구문을 찾지 않으며, 어떤 도구가 텍스트를 생성했는지도 알지 못한다. 그것은 글이 얼마나 예측 가능한지를 측정한다. 이 모델은 문서를 수백 단어 정도가 겹치도록 나눈 구간으로 읽고, 각 문장을 인간은 0, AI는 1인 척도로 점수화한 뒤, 문서 전체의 점수를 평균낸다. 그것이 문장마다 실제로 묻는 것은, 언어 모델이 다음 단어를 얼마나 자신 있게 예측했을 것인가이다.

생성된 산문은 각 단계에서 모델이 가능성이 높은 단어를 선택했기 때문에 이 지표에서 높은 점수를 받는다. 여기서 두 가지 특성이 도출되며, 다시 쓰기는 바로 이 두 가지를 바꿔야 한다.

• 단어 선택의 예측 가능성. 모델은 인식 가능한 어휘를 과도하게 선택한다. moreover, furthermore, delve, underscore, plays a crucial role 같은 표현이 그것이다. 이를 해당 분야의 연구자가 실제로 사용할 단어로 바꾸면 단어별 점수가 낮아진다. 우리의 AI 글쓰기의 흔적을 드러내는 단어와 표현 목록이 그 구체적인 목록이다.
• 문장 구조의 균일성. 이것은 사람들이 과소평가하는 부분이다. 모델 출력은 반복적인 절 구조와 함께 놀랄 만큼 고른 문장 길이로 나타난다. 며칠에 걸쳐 서로 다른 속도로 작성되는 인간의 학술 글은 훨씬 더 큰 변이를 보인다. 그 균일성을 깨고, 일부 문장은 나누고 다른 문장은 합쳐서 길이와 리듬이 실제로 달라지게 하면, 분산이 직접 측정되기 때문에 어휘를 바꾸는 것보다 점수에 더 큰 영향을 준다.

두 가지 중 첫 번째만 수행하는 도구는 패러프레이저이며, 이 구분이 이 범주에서 실망이 가장 많이 발생하는 지점이다. 전체 작동 방식은 AI 탐지기가 작동하는 방식에 있다.

패러프레이징이 점수를 더 나쁘게 만드는 이유

Turnitin의 보고서에는 하나의 AI 범주만 있는 것이 아니다. 두 개가 있다. AI가 생성한 것으로 표시된 텍스트와 함께, Turnitin의 문서는 "AI 패러프레이즈 도구 또는 워드 스피너를 사용하여 수정되었을 가능성이 높은" 텍스트를 별도로 표시하며, 그 지표에는 "탐지를 피하기 위해 인간화되었거나 바이패서를 거쳤을 수 있는" 콘텐츠의 탐지가 포함된다고 밝힌다.

이 두 사실을 함께 읽으면 실패 양상은 분명하다. AI 텍스트를 동의어 치환 패러프레이저에 통과시키면 어떤 단어가 나타나는지는 바뀌지만, 문장의 리듬과 예측 가능성은 대체로 그대로 남는다. 초안은 표시된 영역을 벗어나지 않고, 한 표시된 범주에서 다른 범주로 이동할 뿐이며, 여기에 기계적 패러프레이징의 추가적인 흔적이 더해진다. 이것이 패러프레이즈된 텍스트도 여전히 표시되는 이유이며, humanizer와 패러프레이저의 차이를 도구를 선택하기 전에 이해해야 할 가장 실용적인 단일 사항으로 만드는 이유다.

Turnitin의 보고서가 실제로 보여 주는 것

보고서 자체의 몇 가지 작동 방식은 알아 둘 만한데, 이는 숫자를 읽는 방식이 달라지기 때문이다.

퍼센트는 적격 텍스트를 포함하는데, 이는 장문 글쓰기의 산문 문장을 의미하며, 어떤 점수도 생성되기 전에 파일에는 최소한 300단어의 해당 텍스트가 있어야 한다. 20% 미만으로 떨어질 점수는 숫자 대신 별표로 표시되는데, 그 범위에서 Turnitin이 측정 가능하게 더 높은 오류율을 보고하기 때문이다. AI 지표는 유사도 점수와 별개이며 둘은 서로 독립적이므로, 어떤 보고서가 어떤 비난을 가리키는지 아는 것이 중요하다. 학생은 기본 설정에서는 AI 지표를 보지 못하고, 강사와 관리자는 본다.

정확성에 관해 Turnitin은 20% 이상의 AI 작성이 있는 문서에 대해 문서 수준의 위양성률이 1% 미만이라고 공표하며, 개별 강조 문장 수준에서는 약 4%라고 밝힌다. 또한 이 모델은 "may not always be accurate"하고 "should not be used as the sole basis for adverse actions against a student"라고 분명히 말한다. 퍼센트는 논의할 근거이지 판결이 아니며, 비난을 받았을 때 어떻게 대응할지가 그 대화를 다룬다.

왜 인용이 재작성문의 생존 여부를 결정하는가

재작성문이 문서를 망가뜨린다면 낮은 점수는 무의미하다. 이것은 대부분의 사람이 자신에게 실제로 일어나기 전까지는 결코 고려하지 않는 실패이다.

인용 규칙이 없는 humanizer는 "(Nguyen et al., 2024, p. 213)"을 재작성 가능한 일반 텍스트로 취급한다. 성은 미끄러지듯 바뀌고, 괄호 안 표기는 문장 속으로 흡수되며, 페이지 번호는 사라진다. 각 수정은 유창하게 읽히지만, 각각은 채점자가 당신의 목록과 대조할 참고문헌을 훼손한다. 용어도 같은 방식으로 실패한다. "randomly assigned"가 조용히 "randomly distributed"로 바뀌면 다른 방법을 설명하게 되며, 검증된 도구 이름은 정확히 하나의 올바른 형태만 가진다. 통계는 세 번째 문제로, 소수점이 이동하면 결과가 달라진다.

그 어떤 것도 detector에 의해 포착되지 않으며, 그 모든 것은 supervisor에 의해 포착된다. TextPulse는 각 경우를 명명된 행위로 처리한다. 즉, 여섯 가지 인용 형식에서 괄호형과 서술형 모두에 걸쳐 인용을 원문 그대로 보존하고, freeze terms는 실행 전에 어떤 개념이나 도구 이름도 고정하며, 통계와 효과 크기는 자동으로 보존되고, 문체는 학술 독자가 기대하는 Flesch-Kincaid 13에서 18 등급 범위에 유지된다. 문서도 조각이 아니라 전체로 처리되므로, 용어가 각 패스 사이에서 흔들리는 이음새가 없다.

왜 어떤 vendor도 Turnitin 결과를 약속할 수 없는가

이 점은 분명히 한 번 말할 필요가 있다. Turnitin의 분류기는 귀하의 기관 내부에서, 귀하가 제출한 파일에 대해, 귀하가 제출한 그날 실행되며, 새로운 언어 모델이 배포될 때마다 재학습된다. 어떤 재작성 도구도 그 보고서를 보지 못하며, 그 도구의 vendor도 그것을 볼 수 없다. 보장된 통과를 약속하는 어떤 제품도, 자기 계정으로 수행한 실행, 자신이 선택한 문서들, 그리고 그 뒤로 이동한 분류기의 버전을 대상으로 한 결과를 설명하고 있을 뿐이다.

vendor가 신뢰성 있게 할 수 있는 일은 대규모로 측정하고, 말뭉치를 명시한 채 결과를 공개하는 것이다. 이것이 TextPulse의 2,000문서 벤치마크가 충족하려는 기준이며, 다른 모든 주장에 대해서도 마땅히 적용해야 할 기준이다.

대안을 어떻게 판단할 것인가

다른 도구들을 검토하고 있다면, 네 가지 점검이 그것들을 빠르게 구분하며, 이는 우리의 AI humanizers에 대한 전체 비교에서 사용한 네 가지와 같다.

• 자신의 문단으로 시험해 보십시오. 실제 텍스트에 두세 개의 인용과 몇 개의 정의된 용어를 붙여 넣은 뒤, 출력 결과를 줄 단위로 읽어 보십시오. 성, 연도, 페이지 번호가 원래 두었던 정확한 위치에 있는지, 그리고 어떤 기술 용어도 비슷한 동의어로 친절하게 바뀌지 않았는지 확인하십시오.
• 월간 총량이 아니라, 한 번의 처리당 단어 상한을 확인하십시오. 요청당 600 또는 750단어로 제한된 도구는 한 장을 여러 조각으로 나누며, 그 이음새를 맞추는 일은 가격표에 결코 언급되지 않는 수작업입니다.
• 문체 목표가 무엇인지 물어보십시오. 더 인간적으로 들리도록 다시 쓰는 것은 대개 더 대화체처럼 들리도록 다시 쓰는 것을 뜻하며, 이는 뉴스레터에는 맞지만 방법론 절에는 맞지 않습니다.
• 형용사보다 증거를 우선하십시오. 명시된 말뭉치 크기와 명시된 탐지기는 검증 가능한 주장입니다. 환불 정책은 고객 서비스 절차이며, 그것은 장이 이미 제출된 뒤에 도착합니다.

판정

Turnitin이 읽을 문서라면, TextPulse가 사용할 도구입니다. 이 도구는 구호가 아니라 측정된 통과율을 제시하고, 특정 탐지기를 이기는 데가 아니라 학술 문서를 중심으로 설계되었으며, 점수보다 더 중요한 인간 독자가 당신의 작업을 통과로 볼지 여부를 좌우하는 인용, 용어, 통계를 보호합니다.

정직한 방식으로, 그리고 실제로도 견딜 수 있는 방식으로 사용하십시오. 학과가 허용한다면 AI 지원을 받아 초안을 작성하고, 기관이 요구하는 문구로 그 지원을 공개하며, 필요할 경우 모델을 인용하고, TextPulse 학술 humanizer를 통해 초안을 돌려 문장이 모델의 것이 아니라 자신의 글처럼 읽히게 하십시오. 그런 다음 제출하기 전에 직접 읽어 보십시오. 마지막 검토를 대신해 주는 도구는 없기 때문입니다.