Czy detektory AI częściej oznaczają piszących neuroatypowych? Co mówią badania

Tak. W recenzowanym badaniu z 2025 roku detektor AI częściej oznaczał jako prawdopodobnie autystycznych autorów: 1.7 procent ich wpisów wobec 1.2 procent w grupie ogólnej, przy 300 słowach na wpis. To główne badanie dotyczące fałszywie dodatnich wyników wykrywania AI u osób neuroatypowych, a uniwersytety ostrzegają także przed ADHD i dysleksją.

Są to detektory tekstu AI, które oceniają pisanie jako ludzkie albo wygenerowane przez maszynę. Narzędzia, które przesiewają ludzi pod kątem autyzmu, często pojawiają się w tych samych wyszukiwaniach i stanowią odmienny temat. Badania te mierzą, jak często detektory oznaczają tekst, bez żadnych twierdzeń dotyczących diagnozy.

Fałszywie dodatnie wyniki wykrywania AI, badania nad osobami neuroatypowymi w skrócie

Badanie z 2025 roku dotyczące autorów autystycznych dostarcza jak dotąd najlepszych danych. Zmierzono w nim odsetki oznaczeń dla jednego detektora AI. Uniwersyteckie centra dydaktyczne ostrzegają również wykładowców przed studentami z ADHD i dysleksją. Test prasowy z 2024 roku mierzył, jak narzędzia do sprawdzania pisowni i parafrazowania wpływają na wyniki AI. Inne duże badania autorów piszących po angielsku jako w języku obcym pokazują, jak różnią się wyniki poszczególnych detektorów.

Grupa	Wynik lub wskazówka	Źródło
Autorzy autystyczni	1.7 procent oznaczonych wobec 1.2 procent grupy ogólnej przy 300 słowach, w jednym detektorze AI	Chambers & Kelley, AIED 2025
Autorzy z ADHD	Wymienieni wśród studentów "prone to receive false positive ratings"	University of Nebraska-Lincoln teaching center
Autorzy z dysleksją	Wymienieni w tych samych wytycznych	University of Nebraska-Lincoln teaching center
Studenci neuroatypowi ogólnie	„Bardziej prawdopodobne, że zostanie błędnie oznaczone”	Northern Illinois University teaching center
Autorzy korzystający z narzędzi do edycji	Sprawdzanie pisowni i sugestie gramatyczne ledwie zmieniły wyniki AI, a pełne przepisywanie tekstu zmieniło je znacznie	Bloomberg Businessweek test, 2024
Autorzy piszący po angielsku jako w języku obcym	Odsetki fałszywie dodatnich wyników od 0.0 do 100.0 procent w 13 detektorach	Park, Jeong & Kim, EMNLP 2026

Około dwóch trzecich nauczycieli twierdzi, że regularnie korzysta z narzędzia do sprawdzania AI, wynika z ankiety przeprowadzonej wśród ponad 450 wykładowców. Center for Democracy & Technology opublikowało ją w marcu 2024 roku. Nawet niski wskaźnik błędu może się kumulować wraz z liczbą prac, które studenci piszą każdego roku, jak podał Bloomberg Businessweek.

Badanie detektora AI dotyczące autyzmu: co ustalili autorzy

Artykuł nosi tytuł "The Misclassification of Autistic Writing as AI-Generated" i został napisany przez Summer Chambers oraz Matthew C. Kelley z George Mason University. Jest recenzowany przez ekspertów, a Springer opublikował go w Artificial Intelligence in Education (AIED 2025). Bezpłatny egzemplarz można pobrać na arXiv. Badacze piszą, że anegdoty o tym, iż teksty osób autystycznych są częściej błędnie identyfikowane, "nie zostały formalnie zbadane". Chcieli przetestować te twierdzenia.

Ich zbiór danych składa się z około 60.000 postów z Reddit, po jednym poście na użytkownika. Wykluczyli krótkie posty, poniżej 1.000 znaków. Grupa prawdopodobnie autystyczna pochodziła z 13 subredditów poświęconych autyzmowi. Grupa ogólna pochodziła z 12 popularnych subredditów wybranych tak, aby były podobne stylistycznie, z długimi narracjami w pierwszej osobie dotyczącymi zdrowia psychicznego, sytuacji społecznych i porad. Usunięto ogólne posty zawierające słowa kluczowe związane z autyzmem.

Posty pozyskano za pośrednictwem Reddit API i obejmowały wpisy z okresu od około 2021 do 2024 roku, a także zbiór starszych postów, z lat 2010 do 2020. Usunięto również posty zawierające zarówno słowa kluczowe związane z autyzmem, jak i zwroty takie jak "my daughter" lub "my nephew", aby zachować posty napisane przez autystycznych autorów.

Autorzy nazywają pierwszą grupę "likely-autistic", ponieważ nie sprawdzano diagnozy, a każdy może publikować w dowolnym subreddicie. Niektóre osoby autystyczne publikują także w ogólnych subredditach, więc autorzy podejrzewają, że rzeczywista różnica między autorami autystycznymi i nieautystycznymi może być większa niż ta, którą zmierzyli.

Detektorem był detektor OpenAI RoBERTa GPT-2, wydany w 2019 roku i dostępny do bezpłatnego pobrania. Post otrzymywał etykietę "Fake", która liczy się tutaj jako oznaczenie, gdy detektor podnosił prawdopodobieństwo AI powyżej 0.5. W pierwszym eksperymencie krótsze posty były oznaczane częściej niż dłuższe, a posty prawdopodobnie autystyczne były średnio krótsze. Długość mogła wyjaśniać część tej różnicy, więc w drugim eksperymencie autorzy zachowali tylko posty powyżej 300 słów i skrócili każdy do dokładnie 300.

Miara	Eksperyment 1	Eksperyment 2
Przeanalizowane posty	59,947	33,216
Użyty tekst	Posty o długości 1,000 znaków lub więcej	Posty skrócone do dokładnie 300 słów
Oznaczona grupa prawdopodobnie autystyczna	1.9%	1.7%
Oznaczona grupa ogólna	1.5%	1.2%
Skorygowany iloraz szans	1.246 (p = 0.001)	1.501 (p below 0.001)
Wyższa perplexity	Mniejsze prawdopodobieństwo oznaczenia	Nieistotne

Różnica utrzymała się po wyrównaniu długości. W Eksperymencie 2, 1.7 i 1.2% to około 17 wobec 12 postów na 1,000, więc większość postów w obu grupach nie została oznaczona.

Autorzy podają także ilorazy szans, zaczerpnięte z regresji (modelu statystycznego) kontrolującej długość zdań, długość słów, perplexity, burstiness oraz datę posta. Mówią o "o 25% większym prawdopodobieństwie" oznaczenia w Eksperymencie 1 oraz "o 50% większym prawdopodobieństwie" w Eksperymencie 2. Są to wartości względne oparte na małej bazie. Różnica w Eksperymencie 2 wynosi pół punktu procentowego w surowych procentach, użyj procentów, jeśli chcesz wiedzieć, ile było oznaczonych postów.

Dlaczego detektory mogą oznaczać pisanie osób neurodywergentnych

Wytyczne uniwersyteckie i badacze wskazują na dobór słów. "The Challenge of AI Checkers", przewodnik dla wykładowców z University of Nebraska-Lincoln, stwierdza, że nie ma jednej przyczyny, dla której studenci neuroróżnorodni otrzymują fałszywie dodatnie wyniki. Podaje, że często wiąże się to z poleganiem na powtarzających się frazach, terminach i słowach. Ten sam przewodnik mówi, że brak zaimków takich jak I, me i we może zostać błędnie uznany za tekst napisany przez AI, zależnie od detektora.

Raport Bloomberg Businessweek z października 2024 roku podaje, że najbardziej podatni są "prawdopodobnie" ci, którzy piszą w bardziej ogólny sposób, w tym studenci neuroróżnorodni. Reporterzy usłyszeli to od studentów, akademików i twórców AI. James Zou ze Stanford był głównym autorem badania z 2023 roku dotyczącego piszących osób niebędących rodzimymi użytkownikami języka. Ten sam raport cytuje go: "Jeśli dobór słów ma tendencję do bycia bardziej ogólnym i schematycznym, taka praca ma większą szansę zostać oznaczona przez detektory AI."

W badaniu dotyczącym autyzmu wyższy odsetek oznaczeń wiązał się z brakiem spadku perplexity lub burstiness. Oba wyniki były niemal identyczne dla obu grup, ale miały tendencję do bycia nieco wyższymi w grupie prawdopodobnie autystycznej. Autorzy zauważają, że zależności między cechami tekstu autorów, u których prawdopodobne jest występowanie autyzmu, a cechami tekstu generowanego przez AI "nie były jednoznaczne".

Nasz przewodnik po tym, jak działają detektory AI wyjaśnia perplexity i burstiness, jeśli są dla Ciebie nowe.

Pisanie osób z ADHD oznaczane jako AI: co uniwersytety mówią wykładowcom

Uniwersyteckie centra dydaktyczne zaczęły informować wykładowców o studentach z ADHD. Przewodnik z Nebraska mówi: "Students that are neurodivergent (autism, ADHD, dyslexia, etc...) are also prone to receive false positive ratings". Northern Illinois University's "AI detectors: An ethical minefield", z grudnia 2024 roku, stwierdza: "Neurodiverse students are also more likely to be falsely flagged for AI-generated writing".

Whitney Gegg-Harrison i Claire Quarterman napisały rozdział książki z 2024 roku w Academic Integrity in the Age of Artificial Intelligence (IGI Global). Ich niewielkie badanie korpusu wykazało znacznie wyższe niż reklamowane wskaźniki fałszywie dodatnich wyników wśród popularnych narzędzi detekcyjnych. Opierając się na tym badaniu, doniesieniach prasowych i relacjach studentów, rozdział "presents the possibility that neurodivergent writers, along with L2 writers, are more likely to be impacted by false positives". L2 oznacza drugi język.

Jedno z ustaleń badania nad autyzmem odnosi się do każdego, kto pisze krótkie teksty, takie jak wpisy na forum dyskusyjnym. W Eksperymencie 1 krótsze wpisy były oznaczane częściej niż dłuższe. Omawiamy, co detektory mówią o długości, w naszym wpisie o minimalnej liczbie słów wymagana przez detektor AI. Zapisywanie wersji roboczych i notatek podczas pisania to dobry sposób na zachowanie dokumentacji procesu pisania. Odpowiada to na oznaczenie lepiej niż jakikolwiek wynik.

Narzędzia do wykrywania AI i edycji w przypadku dysleksji

Przewodnik z Nebraski uwzględnia studentów z dysleksją w ostrzeżeniu o fałszywie dodatnich wynikach. Wielu autorów korzysta z korekty pisowni, sugestii gramatycznych lub narzędzi do przepisywania podczas tworzenia tekstu, a dwa badania pokazują, jak te narzędzia zmieniają wyniki AI.

W teście Bloomberg Businessweek z 2024 roku korektor pisowni i sugestie gramatyczne popularnego asystenta pisania miały jedynie marginalny wpływ na to, że dokumenty wydawały się bardziej napisane przez AI. Przepisywanie całych tekstów było czymś innym: poproszenie tego samego asystenta, aby "improve" esej lub "make it sound academic", sprawiło, że praca oceniona jako w 100 procentach napisana przez człowieka została oceniona jako w 100 procentach napisana przez AI.

Hyeonchu Park, Gahye Jeong i Bugeun Kim badali profesjonalną redakcję w "Style as a Confound", przedstawionym na EMNLP 2026. Wykorzystali 135,389 par dokumentów z akademickiej usługi edycji tekstów angielskich, z lat 2018 do 2025. Każda para to manuskrypt autora niebędącego native speakerem przed i po redakcji dokonanej przez redaktora będącego native speakerem. W 13 detektorach te same poprawki podnosiły wyniki w niektórych detektorach i obniżały je w innych, a zmiany wyników rosły wraz z zakresem redakcji.

Następnie rozłożyli poprawki na typy w jednym z detektorów, modelu OpenAI RoBERTa. Poprawki gramatyczne powodowały niewielkie ujemne przesunięcie jego wyniku, natomiast poprawki składniowe, które zmieniają strukturę zdań, powodowały największe dodatnie przesunięcie. Dochodzą do wniosku, że wyników detektorów nie należy traktować jako rozstrzygającego dowodu użycia AI, zwłaszcza tam, gdzie redakcja tekstu jest powszechna. Jeśli używasz narzędzia, które przepisuje całe fragmenty, zachowuj wcześniejsze wersje i sprawdzaj, na co pozwala Twój kurs.

Wskaźniki fałszywie dodatnich wyników zależą od detektora

Wskaźnik fałszywie dodatnich wyników różni się w zależności od detektora. Wskaźnik dotyczy konkretnego detektora, który badanie testowało. Badanie Liang i współpracowników z 2023 roku w Patterns wykazało niemal doskonałą dokładność w przypadku esejów uczniów ósmej klasy w USA. Natomiast detektory oznaczyły ponad połowę esejów TOEFL napisanych przez autorów niebędących native speakerami. Zobacz nasz wpis o stronniczości detektorów wobec autorów niebędących native speakerami, aby poznać szczegóły.

Nasz working paper o autorach niebędących native speakerami i wynikach fałszywie dodatnich, przygotowany przez TextPulse Research w 2026, objął 5,600 esejów ICNALE napisanych przed pojawieniem się nowoczesnych narzędzi AI. Jeden klasyfikator badawczy, regresja logistyczna, oznaczył 2.7 procent esejów uczących się i 3.3 procent esejów native speakerów. Model gradient boosting wytrenowany na tych samych cechach i esejach oznaczył uczących się na poziomie 12.5 procent i native speakerów na poziomie 3.8 procent. To, czy jedna grupa jest oznaczana częściej, zależy więc od detektora.

W badaniu Park wskaźniki fałszywie dodatnich wyników 13 detektorów dla tekstów pisanych przez ludzi znacznie się różniły, od 0.0 procent do 100.0 procent. Dwa znane detektory zostały przetestowane przez Bloomberg Businessweek na losowej próbie 500 esejów aplikacyjnych na studia wysłanych do Texas A&M latem 2022, przed ChatGPT. Usługi błędnie zaklasyfikowały od 1 procent do 2 procent esejów jako prawdopodobnie AI.

W tym samym raporcie Turnitin podał, że jego wskaźnik fałszywie dodatnich wyników na poziomie dokumentu był poniżej 1 procent, a na poziomie zdania wynosił 4 procent. Zatem dla studenta istotna jest ta wartość, która dotyczy detektora używanego przez jego szkołę.

Jeśli zostaniesz oznaczony, albo jeśli oceniasz oznaczenie

Dla studentów

Twoja historia wersji roboczych to punkt wyjścia. Pokazuje wcześniejsze wersje robocze i notatki o tym, jak rozwijał się Twój tekst, a wynik nie może tego pokazać. Poproś na piśmie o pełny raport oraz o obowiązującą politykę. Kroki te opisujemy w naszych wpisach o tym, co zrobić najpierw, jeśli zostaniesz oskarżony oraz o napisaniu odwołania od wykrycia AI.

Najlepszą reakcją na oznaczenie jest pokazanie swojej pracy. Zachowuj zapis tego, co napisałeś. Używaj Google Docs lub Microsoft Word, z włączoną historią wersji, aby tworzyć szkice i śledzić notatki, konspekty oraz źródła, które czytasz. Jeśli korzystasz z technologii wspomagających, takich jak sprawdzanie pisowni, dyktowanie lub zamiana tekstu na mowę, możesz poinformować instruktora lub biuro ds. dostępności, z których narzędzi korzystasz i w jaki sposób.

Możesz też skontaktować się z uczelnianym biurem ds. niepełnosprawności lub dostępności. Zdecyduj, czy chcesz poinformować nauczyciela lub komisję o swojej diagnozie. Możesz powiedzieć coś takiego: Wskaźniki różnią się w zależności od detektora. Recenzowane badanie wykazało wyższy wskaźnik oznaczeń dla piszących, u których prawdopodobne jest spektrum autyzmu, w jednym z nich. Twoje wersje robocze są ważniejsze niż badania nad grupami, ponieważ badania nad grupami nie mogą pokazać, jak został napisany Twój własny esej.

Dla pracowników

Wynik jest jedynie szacunkiem. To powód, by zapytać o proces pisania. Poproś o pokazanie wersji roboczych i notatek, jeśli istnieją. Zapytaj studenta, jak napisał ten tekst. Diagnoza ani styl pisania nie stanowią dowodu za lub przeciw użyciu AI. Zapytaj, jakich narzędzi użył student, na przykład sprawdzania pisowni lub dyktowania. Sprawdzanie pisowni i sugestie gramatyczne tylko nieznacznie zmieniły wyniki AI w teście Bloomberg z 2024 roku, ale przepisywanie całego tekstu zmieniło je znacznie. Ten sam raport Bloomberg podaje, że twórcy detektorów mówią, iż ich wyniki są jednym z danych, które mają pomóc nauczycielowi. Chambers i Kelley zalecają dalsze krytyczne badanie tych modeli oraz ich użycia w kontekstach akademickich.

Narzędzia na tej stronie

bezpłatny checker perplexity szacuje zróżnicowanie słów w Twoim szkicu, a bezpłatny checker burstiness przedstawia długości Twoich zdań. Żadna z tych wartości nie dowodzi niczego o tym, kto napisał tekst. TextPulse AI humanizer został zaprojektowany tak, aby obniżać wyniki AI w szkicu napisanym przez Ciebie, przy zachowaniu cytowań i terminów. Jeśli z niego korzystasz, sprawdź, czy Twój kurs dopuszcza takie narzędzie, i przeczytaj wynik. Nic w tych badaniach nie mówi, że musisz zmienić sposób pisania.