Czy Turnitin wykrywa sparafrazowany tekst?

Tak. Turnitin wykrywa sparafrazowany tekst i zostało do tego stworzone. Dwa systemy w obrębie tego samego raportu to wychwytują. Similarity Report oznacza fragmenty, które nadal pokrywają się z opublikowanymi pracami lub wcześniej złożonymi tekstami po zmianie brzmienia, co jest zadaniem, które pełni od dawna, jeszcze zanim istniało pisanie z użyciem AI. AI Writing Report zawiera własną, oznaczoną kategorię dla tekstu wygenerowanego przez AI, który został przepuszczony przez narzędzie do parafrazowania lub word spinner. Zastąpienie słów synonimami nie usuwa wykrycia przez żaden z tych systemów.

To, który system wychwyci dany fragment, zależy od tego, skąd pochodzi tekst. Przeredagowany materiał zaczerpnięty ze źródła jest problemem podobieństwa. Przeredagowany materiał wygenerowany przez ChatGPT jest problemem pisania z użyciem AI. Wiele zgłoszeń jest jednocześnie jednym i drugim, a oba systemy i tak odczytują każde zgłoszenie.

Turnitin Oznacza Sparafrazowany Tekst AI jako Własną Kategorię

Nie jest to wniosek wyprowadzony z ogólnego sposobu działania detektorów. AI Writing Report w Turnitin dzieli swój procent na dwie oznaczone kategorie, a druga z nich to sparafrazowany tekst AI.

Raport definiuje swoją główną liczbę jako "the combined amount of likely AI-generated text as well as likely AI-generated text that was also likely AI-paraphrased". Druga pozycja jest oznaczona jako "AI-generated text that was AI-paraphrased" i opisana jako "likely AI-generated text that was likely revised using an AI-paraphrase tool or word spinner".

Dokumentacja pomocy Turnitin odpowiada na to pytanie wprost. Zapytana bezpośrednio, czy może wykrywać treści sparafrazowane za pomocą narzędzia do parafrazowania AI, podaje: "Yes, Turnitin's AI indicator includes detection of AI-generated content that may have been paraphrased using a word spinner/AI paraphrasing tool." Prawie identyczna odpowiedź dotyczy tekstu przepuszczonego przez narzędzie bypasser zbudowane specjalnie po to, aby przepisywać wynik AI tak, by ominąć detektor. Żadne z nich nie tworzy osobnego wyniku. Oba zasilają ten sam pojedynczy procent, który widzi instruktor.

Co wykrywa każdy system

	Raport podobieństwa	Raport pisania AI
Co sprawdza	Czy tekst pokrywa się ze źródłami już znajdującymi się w bazie Turnitin obejmującej treści internetowe, publikacje i prace studenckie	Czy proza brzmi statystycznie typowo dla pisania generowanego maszynowo
Wykrywa parafrazowanie	Cudzego opublikowanego lub złożonego do oceny tekstu	Projektów wygenerowanych przez AI, w tym takich, które zostały poprawione przez narzędzie do parafrazowania lub bypasser
Skutek przejścia przez synonimy	Obniża procent, ale pozostawia dopasowanie charakterystycznych terminów, cytatów i struktury zdań	W dużej mierze pozostawia wynik bez zmian, ponieważ klasyfikator odczytuje wzorzec zdań, a nie dobór słów
Gdzie się pojawia	Procent oraz grupy dopasowań wskazujące każde źródło	Jeden procent, podzielony na tylko AI-generated i AI-paraphrased

Te dwa raporty są odrębnymi produktami z odrębnymi liczbami, a praca może być czysta w jednym i oznaczona w drugim. TextPulse omawia to rozróżnienie w pełni w swoim porównaniu wyniku podobieństwa Turnitin z wynikiem AI, a sam mechanizm klasyfikatora w jak Turnitin wykrywa pisanie AI.

Strona podobieństwa, przepisany tekst nadal się pokrywa

Sprawdzanie podobieństwa jest ćwiczeniem dopasowywania. Turnitin porównuje zgłoszenie z własnym repozytorium treści internetowych, publikacji i wcześniej złożonych prac, a następnie raportuje, jaka część pokrywa się z czymś już zaindeksowanym. Zmień wystarczająco dużo sformułowań, a dokładne ciągi znaków poddawane porównaniu się zmniejszą, więc procent spadnie. To jest rzeczywiste i dlatego istnieją narzędzia do parafrazowania.

To, co pozostaje po zamianie, to część, którą studenci niedoszacowują. Terminy techniczne, nazwy własne, cytowane dane i bezpośrednie cytaty przechodzą bez zmian, ponieważ nie mają synonimów. Tak samo jest ze strukturą zdań, gdy zmieniają się tylko słowa łączące. Turnitin raportuje nakładanie się jako grupy dopasowań, z których każda wskazuje swoje źródło, a to odróżnia poprawnie zacytowany fragment od przeredagowanego.

Przeredagowanie źródła przy zachowaniu kolejności zdań i materiału wspierającego nazywa się patchwriting i w większości regulaminów uniwersyteckich jest traktowane jako forma plagiatu, niezależnie od tego, czy procent podobieństwa spada. Osoby oceniające, przeszkolone w rozpoznawaniu tego zjawiska, często dostrzegają je na pierwszy rzut oka, ponieważ argument, który podąża za akapitem źródłowym zdanie po zdaniu, brzmi jak ten sam argument, niezależnie od słownictwa. Niska liczba nie jest tym samym co praca bez zarzutu, i właśnie o tym mówi przewodnik TextPulse dotyczący tego, co liczy się jako dobry wynik Turnitin.

Strona AI: Przejście przez synonimy nie zmienia wyniku

Wskaźnik pisania AI nigdy nie porównywał twojego akapitu z żadnym źródłem, więc nie ma dopasowania, które można by przerwać za pomocą synonimu. Ocenia on prozę zdanie po zdaniu pod kątem tego, jak ściśle odpowiada statystycznemu wzorcowi tekstu generowanego maszynowo: przewidywalności słów, rytmowi zdań oraz ogólnikowym sformułowaniom, po które model językowy sięga domyślnie.

Zastąpienie słów pozostawia niemal wszystko to bez zmian. Zdanie zachowuje długość, kolejność i tę samą utartą tkankę łączącą między zdaniami składowymi. Dlatego przepuszczenie szkicu AI przez narzędzie do parafrazowania i obserwowanie, że wynik AI pozostaje bez zmian, jest tak częstym doświadczeniem. Słownictwo się zmieniło. Wzorzec, który klasyfikator ocenia, nie, więc tekst nadal jest odczytywany jako napisany maszynowo, dokładnie tak, jak mówi kategoria parafrazy Turnitin.

Rozkład długości zdań przetrwa przeredagowanie

Proza tworzona maszynowo układa się w wąski zakres długości zdań, ponieważ model przewidujący jeden token naraz nie ma powodu, by zdanie czwarte było krótsze niż zdanie trzecie. Pismo ludzkie rozprasza się natomiast inaczej: zdanie dziewiętnastowyrazowe, potem sześciowyrazowe, potem trzydziestodwuwyrazowe, które łączy w sobie tezę i jej zastrzeżenie. Własne objaśnienie GPTZero nazywa to wprost, definiując burstiness jako miarę tego, jak bardzo wzorce pisania i perplexities tekstu różnią się w obrębie dokumentu.

Podmiana synonimów zmienia długość zdania o jedno lub dwa słowa, i zmienia każde zdanie o podobnie niewielką wartość, więc rozkład zachowuje swój kształt. Akapit, który przed przeróbką ma osiemnaście, dziewiętnaście, siedemnaście i dwadzieścia słów, po niej nadal będzie mieścił się w obrębie jednego lub dwóch słów od tego samego płaskiego profilu.

Da się to zmierzyć bez zbliżania się do detektora. Darmowy checker burstiness pokazuje, ile zróżnicowania na poziomie zdań zawiera dany fragment, a przepuszczenie tego samego akapitu przez niego przed i po parafrazie pokazuje, że liczba ledwie się porusza, podczas gdy słownictwo zmienia się całkowicie.

Kolejność zdań składowych i przejścia również to przetrwają

Kolejność zdań podrzędnych jest drugą cechą strukturalną, której parafrazator nie zmienia, a dla czytelnika jest ona bardziej widoczna niż długość zdania. Proza generowana przez maszynę ma tendencję do wysuwania tematu na początek, następnie do formułowania tezy, a potem dołączania na końcu zdania podrzędnego zawierającego zastrzeżenie, i tak w kółko. „While the sample size was limited, the results suggest” oraz „Although further research is needed, the findings indicate” to to samo zdanie ubrane w inne słowa.

Narzędzie do parafrazowania przekształci „while” w „although”, a „suggest” w „show”. Nie zdecyduje jednak, że zastrzeżenie powinno znaleźć się we własnym krótkim zdaniu trzy linie dalej, ani że osłabienie wypowiedzi należy całkowicie usunąć. To jest decyzja redakcyjna dotycząca tego, co argumentuje akapit, a silnik podstawiający nie ma żadnego stanowiska wobec argumentu.

Łączniki są trzecią cechą, a zarazem najbardziej widoczną. Modele sięgają po niewielki, stabilny zestaw spójników w miejscach połączeń: however, additionally, furthermore, in addition. Parafrazator zamienia jeden z nich na innego członka tego samego zestawu, więc klasyfikator nadal widzi typowy łącznik z oczekiwanego rozkładu w oczekiwanej pozycji. To jest sygnał, który odczytywał jeszcze przed rozpoczęciem przepisywania.

Cecha odczytywana przez klasyfikator	Zmiana po przejściu parafrazy	Dlaczego
Dobór pojedynczych słów	Tak, w znacznym stopniu	Jedyna cecha, którą silnik podstawiający został zbudowany po to, by ją zmieniać
Długość zdania i jej zmienność	Ledwie	Podstawione słowa mają zbliżoną długość, więc profil pozostaje zachowany
Kolejność zdań podrzędnych w obrębie zdania	Rzadko	Przestawienie zmienia akcent, a ograniczenie znaczenia to zniechęca
Spójniki w miejscach połączeń	Zamieniane w obrębie tego samego małego zestawu	Jeden typowy łącznik zastępuje inny typowy łącznik
Przewidywalność następnego słowa	Nieznacznie	Rzadszy synonim jest mniej oczekiwany, ale rama wokół niego pozostaje tak samo przewidywalna jak wcześniej
Konkretny materiał dowodowy i szczegół	Nie	Przepisanie nie może dodać materiału, którego nigdy nie było w szkicu

Co właściwie zmienia wynik

Oba systemy reagują na różne symptomy tego samego powierzchownego przeredagowania, więc naprawa jest taka sama w obu przypadkach: zmienić pisanie, nie słowa. Oznacza to przebudowę zdań zamiast przestawiania ich treści, świadome zróżnicowanie długości zdań, usunięcie ogólnych spójników, po które model sięga domyślnie, oraz dodanie szczegółów wspierających, na tyle konkretnych, że mogły pochodzić wyłącznie z materiału źródłowego, który rzeczywiście przeczytałeś. Podobieństwo spada, ponieważ struktura nie śledzi już źródła. Wynik AI spada, ponieważ znika wzorzec, który klasyfikator ocenia.

Narzędzie do parafrazowania nie może wykonać takiej pracy, a różnica między tymi dwiema kategoriami narzędzi jest warta zrozumienia przed zapłatą za którekolwiek z nich, co TextPulse omawia w AI humanizer versus paraphraser. Sprawdzenie własnej przewidywalności słów w szkicu za pomocą free perplexity checker pokazuje wzorzec, na który reaguje klasyfikator, w sposób bardziej użyteczny niż sam wynik.

AI humanizer for students TextPulse działa po strukturalnej stronie problemu, przebudowując rytm zdań, zróżnicowanie długości i kolejność zdań podrzędnych zamiast zamieniać pojedyncze słowa, co pozostawia szeroko otwartą lukę po przejściu opartym wyłącznie na synonimach. W przypadku prac zaliczeniowych humanizing an AI essay for college opisuje cały przebieg pracy od początku do końca, a whether Turnitin detects DeepSeek odpowiada na to samo pytanie w odniesieniu do innego modelu.

Nic z tego nie zmienia tego, co polityka użycia AI na kursie dopuszcza, i żadne podejście do przeredagowania nie rozstrzyga wyniku po fakcie. Warto przed oddaniem czegokolwiek zadać sobie pytanie, czy potrafiłbyś wyjaśnić, zdanie po zdaniu, dlaczego tekst przed tobą mówi to, co mówi.