เครื่องมือตรวจจับ AI ระบุผู้เขียนที่มีความหลากหลายทางระบบประสาทบ่อยกว่าหรือไม่ สิ่งที่งานวิจัยกล่าว

ใช่ ในการศึกษาที่ผ่านการตรวจสอบโดยผู้ทรงคุณวุฒิในปี 2025 เครื่องมือตรวจจับ AI ระบุผู้เขียนที่น่าจะเป็นออทิสติกบ่อยกว่า, 1.7 เปอร์เซ็นต์ของโพสต์ของพวกเขา เทียบกับ 1.2 เปอร์เซ็นต์สำหรับกลุ่มทั่วไป, ที่ 300 คำต่อโพสต์ เป็นการศึกษาหลักเกี่ยวกับผลบวกลวงของการตรวจจับ AI ในกลุ่มผู้มีความหลากหลายทางระบบประสาท และมหาวิทยาลัยก็เตือนเกี่ยวกับ ADHD และดิสเล็กเซียด้วย

สิ่งเหล่านี้เป็นเครื่องมือตรวจจับข้อความ AI ซึ่งให้คะแนนงานเขียนว่าเป็นมนุษย์หรือสร้างโดยเครื่องจักร เครื่องมือที่คัดกรองผู้คนเพื่อหาออทิซึมมักปรากฏในผลการค้นหาเดียวกันและเป็นประเด็นที่แตกต่างกัน การศึกษาเหล่านี้วัดว่าเครื่องมือตรวจจับระบุข้อความบ่อยเพียงใด โดยไม่มีการอ้างว่ามีการวินิจฉัยใด ๆ

งานวิจัยเกี่ยวกับผลบวกลวงของการตรวจจับ AI ในกลุ่มผู้มีความหลากหลายทางระบบประสาทโดยสรุป

การศึกษาในปี 2025 ของผู้เขียนออทิสติกให้ข้อมูลที่ดีที่สุดจนถึงตอนนี้ มันวัดอัตราการระบุสำหรับเครื่องมือตรวจจับ AI หนึ่งตัว ศูนย์การสอนของมหาวิทยาลัยยังเตือนผู้สอนเกี่ยวกับนักศึกษาที่มี ADHD และดิสเล็กเซียด้วย การทดสอบข่าวในปี 2024 วัดว่าเครื่องมือตรวจการสะกดและเครื่องมือเขียนใหม่ส่งผลต่อคะแนน AI อย่างไร การศึกษาขนาดใหญ่เรื่องผู้เขียนภาษาอังกฤษที่ไม่ใช่เจ้าของภาษาชิ้นอื่น ๆ แสดงให้เห็นว่าผลลัพธ์ของเครื่องมือตรวจจับต่าง ๆ แตกต่างกันอย่างไร

กลุ่ม	ข้อค้นพบหรือคำแนะนำ	แหล่งที่มา
ผู้เขียนออทิสติก	ถูกระบุ 1.7 เปอร์เซ็นต์ เทียบกับ 1.2 เปอร์เซ็นต์ของกลุ่มทั่วไป ที่ 300 คำ บนเครื่องมือตรวจจับ AI หนึ่งตัว	Chambers & Kelley, AIED 2025
ผู้เขียนที่มี ADHD	ระบุอยู่ในบรรดานักศึกษาที่ "มีแนวโน้มจะได้รับการให้คะแนนผลบวกลวง"	ศูนย์การสอนของ University of Nebraska-Lincoln
ผู้เขียนที่มีดิสเล็กเซีย	ระบุไว้ในคำแนะนำเดียวกัน	ศูนย์การสอนของ University of Nebraska-Lincoln
นักศึกษาที่มีความหลากหลายทางระบบประสาทโดยทั่วไป	"มีแนวโน้มที่จะถูกระบุอย่างผิดพลาดมากกว่า"	ศูนย์การสอนของ Northern Illinois University
ผู้เขียนที่ใช้เครื่องมือแก้ไข	การตรวจการสะกดและข้อเสนอแนะด้านไวยากรณ์แทบไม่เปลี่ยนคะแนน AI และการเขียนใหม่ทั้งข้อความเปลี่ยนคะแนนมาก	การทดสอบของ Bloomberg Businessweek, 2024
ผู้เขียนภาษาอังกฤษที่ไม่ใช่เจ้าของภาษา	อัตราผลบวกลวงตั้งแต่ 0.0 ถึง 100.0 เปอร์เซ็นต์ ในเครื่องมือตรวจจับ 13 ตัว	Park, Jeong & Kim, EMNLP 2026

ประมาณสองในสามของครูระบุว่าพวกเขาใช้ตัวตรวจจับ AI เป็นประจำ ตามผลสำรวจของผู้สอนมากกว่า 450 คน Center for Democracy & Technology เผยแพร่ผลสำรวจนี้ในเดือนมีนาคม 2024 แม้อัตราความผิดพลาดที่ต่ำก็อาจสะสมเมื่อพิจารณาจำนวนบทความที่นักศึกษาเขียนในแต่ละปี Bloomberg Businessweek รายงาน

การศึกษาตัวตรวจจับ AI สำหรับออทิซึม, สิ่งที่ผู้เขียนพบ

บทความนี้มีชื่อว่า "การจำแนกงานเขียนของผู้มีออทิสติกผิดว่าเป็นงานที่ AI สร้างขึ้น" โดย Summer Chambers และ Matthew C. Kelley จาก George Mason University เป็นบทความที่ผ่านการพิจารณาโดยผู้ทรงคุณวุฒิ และ Springer ตีพิมพ์ใน Artificial Intelligence in Education (AIED 2025) คุณสามารถดาวน์โหลด ฉบับฟรี ได้บน arXiv นักวิจัยเขียนว่าเรื่องเล่าที่ว่าผู้เขียนที่เป็นออทิสติกถูกระบุผิดบ่อยกว่า "ยังไม่เคยได้รับการตรวจสอบอย่างเป็นทางการ" พวกเขาต้องการทดสอบข้ออ้างเหล่านี้

ชุดข้อมูลของพวกเขาประกอบด้วยโพสต์ Reddit ประมาณ 60,000 โพสต์ โดยหนึ่งโพสต์ต่อผู้ใช้หนึ่งคน พวกเขาคัดออกโพสต์ที่สั้น, ต่ำกว่า 1,000 ตัวอักษร กลุ่ม likely-autistic มาจาก 13 ซับเรดดิตเกี่ยวกับออทิซึม กลุ่มทั่วไปมาจาก 12 ซับเรดดิตยอดนิยมที่คัดเลือกให้มีลักษณะคล้ายกันในด้านรูปแบบ โดยมีเรื่องเล่าบุคคลที่หนึ่งที่ยาวเกี่ยวกับสุขภาพจิต สถานการณ์ทางสังคม และคำแนะนำ โพสต์ทั่วไปที่มีคำสำคัญเกี่ยวกับออทิซึมถูกนำออก

โพสต์เหล่านี้ได้มาจาก Reddit API และครอบคลุมโพสต์ตั้งแต่ประมาณ 2021 ถึง 2024 รวมทั้งชุดของโพสต์เก่ากว่า, จาก 2010 ถึง 2020 โพสต์ที่มีทั้งคำสำคัญเกี่ยวกับออทิซึมและวลี เช่น "my daughter" หรือ "my nephew" ก็ถูกนำออกด้วย เพื่อคงไว้ซึ่งโพสต์ที่เขียนโดยผู้เขียนออทิสติก

ผู้เขียนเรียกกลุ่มแรกว่า "likely-autistic" เพราะไม่มีการตรวจสอบการวินิจฉัย และใครก็สามารถโพสต์ในซับเรดดิตใดก็ได้ บางคนออทิสติกก็โพสต์ในซับเรดดิตทั่วไปเช่นกัน ดังนั้นผู้เขียนจึงสงสัยว่าช่องว่างที่แท้จริงระหว่างผู้เขียนออทิสติกกับผู้เขียนที่ไม่ใช่ออทิสติกอาจใหญ่กว่าที่พวกเขาวัดได้

ตัวตรวจจับคือเครื่องตรวจจับ RoBERTa GPT-2 ของ OpenAI ซึ่งเผยแพร่ในปี 2019 และดาวน์โหลดได้ฟรี โพสต์หนึ่งจะได้รับป้ายกำกับ "Fake" ซึ่งนับเป็นการถูกธงในที่นี้ เมื่อเครื่องตรวจจับให้ความน่าจะเป็นของ AI สูงกว่า 0.5 ในการทดลองครั้งแรก โพสต์ที่สั้นกว่าจะถูกธงบ่อยกว่าโพสต์ที่ยาวกว่า และโพสต์ที่น่าจะเป็นออทิสติกมีความยาวเฉลี่ยสั้นกว่า ความยาวอาจอธิบายความแตกต่างบางส่วนได้ ดังนั้นในการทดลองครั้งที่สอง ผู้เขียนจึงคงไว้เฉพาะโพสต์ที่มีมากกว่า 300 คำ และตัดแต่ละโพสต์ให้เหลือ 300 คำพอดี

ตัววัด	การทดลอง 1	การทดลอง 2
โพสต์ที่วิเคราะห์	59,947	33,216
ข้อความที่ใช้	โพสต์ที่มี 1,000 ตัวอักษรหรือมากกว่า	โพสต์ที่ตัดให้เหลือ 300 คำพอดี
กลุ่มที่น่าจะเป็นออทิสติกถูกธง	1.9 เปอร์เซ็นต์	1.7 เปอร์เซ็นต์
กลุ่มทั่วไปถูกธง	1.5 เปอร์เซ็นต์	1.2 เปอร์เซ็นต์
อัตราส่วนออดส์ที่ปรับแล้ว	1.246 (p = 0.001)	1.501 (p ต่ำกว่า 0.001)
ความเพอร์เพลกซิตีสูงกว่า	โอกาสที่จะถูกธงต่ำกว่า	ไม่เป็นนัยสำคัญ

ความแตกต่างยังคงอยู่เมื่อความยาวเท่ากัน ในการทดลอง 2, 1.7 และ 1.2 เปอร์เซ็นต์ เท่ากับประมาณ 17 เทียบกับ 12 โพสต์ต่อ 1,000 ดังนั้นโพสต์ส่วนใหญ่ในทั้งสองกลุ่มจึงไม่ถูกธง

พวกเขายังรายงานออดส์ ซึ่งนำมาจากการถดถอยเชิงสถิติที่ควบคุมความยาวประโยค ความยาวคำ ความเพอร์เพลกซิตี ความเบิร์สซิเนส และวันที่โพสต์ พวกเขากล่าวถึง "โอกาสที่มากกว่า 25%" ของการถูกธงในการทดลอง 1 และ "โอกาสที่มากกว่า 50%" ในการทดลอง 2 ตัวเลขเหล่านี้เป็นตัวเลขสัมพัทธ์บนฐานที่เล็ก ความแตกต่างในการทดลอง 2 คือครึ่งเปอร์เซ็นต์พอยต์ในเปอร์เซ็นต์ดิบ ใช้เปอร์เซ็นต์หากต้องการทราบว่ามีโพสต์ที่ถูกธงกี่โพสต์

เหตุใดเครื่องตรวจจับอาจธงงานเขียนของผู้มีความหลากหลายทางระบบประสาท

แนวทางของมหาวิทยาลัยและนักวิจัยชี้ไปที่การเลือกใช้คำ "The Challenge of AI Checkers", คู่มือสำหรับผู้สอนจาก University of Nebraska-Lincoln ระบุว่าไม่มีเหตุผลเพียงข้อเดียวที่ทำให้นักศึกษาที่มีความหลากหลายทางระบบประสาทได้รับผลบวกลวง โดยระบุว่ามักเกี่ยวข้องกับการพึ่งพาวลี คำศัพท์ และคำที่ซ้ำกัน คู่มือฉบับเดียวกันระบุว่าการไม่มีสรรพนาม เช่น ฉัน, ผม และ เรา อาจถูกตีความผิดว่าเป็นงานเขียนของ AI ได้ ทั้งนี้ขึ้นอยู่กับตัวตรวจสอบ

รายงานของ Bloomberg Businessweek จากเดือนตุลาคม 2024 ระบุว่านักศึกษาที่มีแนวโน้มจะถูกตรวจพบมากที่สุดคือผู้ที่เขียนในลักษณะที่เป็นแบบแผนมากกว่า "likely" รวมถึงนักศึกษาที่มีความหลากหลายทางระบบประสาท ผู้รายงานได้รับข้อมูลนี้จากนักศึกษา นักวิชาการ และนักพัฒนา AI James Zou แห่ง Stanford เป็นผู้เขียนหลักของการศึกษาปี 2023 เกี่ยวกับผู้เขียนที่ไม่ใช่เจ้าของภาษา รายงานฉบับเดียวกันอ้างคำพูดของเขาว่า "หากการเลือกใช้คำมีแนวโน้มที่จะเป็นแบบแผนและเป็นสูตรสำเร็จมากกว่า งานนั้นก็มีโอกาสสูงขึ้นที่จะถูกระบุโดยตัวตรวจจับ AI"

ในการศึกษาวิจัยเกี่ยวกับออทิซึม อัตราการถูกระบุที่สูงขึ้นสัมพันธ์กับการไม่มีการลดลงของ perplexity หรือ burstiness คะแนนทั้งสองแทบจะเหมือนกันสำหรับสองกลุ่ม แต่มีแนวโน้มว่าจะสูงกว่าเล็กน้อยสำหรับกลุ่มที่น่าจะเป็นออทิซึม ผู้เขียนระบุว่าความสัมพันธ์ระหว่างลักษณะของข้อความจากผู้เขียนที่มีแนวโน้มจะมีออทิซึมกับข้อความที่สร้างโดย AI "ไม่ตรงไปตรงมา"

คู่มือของเราเกี่ยวกับ วิธีการทำงานของเครื่องมือตรวจจับ AI อธิบาย perplexity และ burstiness หากคำเหล่านี้ยังใหม่สำหรับคุณ

งานเขียนของผู้ที่มี ADHD ถูกระบุว่าเป็น AI: มหาวิทยาลัยบอกอะไรแก่ผู้สอน

ศูนย์การสอนในมหาวิทยาลัยต่างๆ เริ่มแจ้งเตือนอาจารย์เกี่ยวกับนักศึกษาที่มี ADHD แล้ว คู่มือของ Nebraska ระบุว่า: "นักศึกษาที่มีความหลากหลายทางระบบประสาท (ออทิสติก, ADHD, ดิสเล็กเซีย ฯลฯ...) ก็มีแนวโน้มที่จะได้รับคะแนนบวกลวงเช่นกัน" "AI detectors: An ethical minefield" ของ University of Nebraska-Lincoln ซึ่งเผยแพร่เมื่อเดือนธันวาคม 2024 ระบุว่า: "นักศึกษาที่มีความหลากหลายทางระบบประสาทก็มีแนวโน้มที่จะถูกระบุว่ามีงานเขียนที่สร้างโดย AI โดยผิดพลาดมากกว่าเช่นกัน"

Whitney Gegg-Harrison และ Claire Quarterman เขียน บทหนึ่งในหนังสือปี 2024 เรื่อง Academic Integrity in the Age of Artificial Intelligence (IGI Global) การศึกษาคลังข้อความขนาดเล็กของพวกเขาพบว่าอัตราบวกลวงสูงกว่าที่โฆษณาไว้มากในเครื่องมือตรวจจับยอดนิยมหลายตัว อาศัยการศึกษานั้น รายงานข่าว และคำบอกเล่าของนักศึกษา บทนี้ "เสนอความเป็นไปได้ว่าผู้เขียนที่มีความหลากหลายทางระบบประสาท รวมถึงผู้เขียน L2 มีแนวโน้มที่จะได้รับผลกระทบจากผลบวกลวงมากกว่า" L2 หมายถึงภาษาที่สอง

ข้อค้นพบหนึ่งจากการศึกษาด้านออทิซึมใช้ได้กับทุกคนที่เขียนข้อความสั้น เช่น โพสต์อภิปราย ในการทดลอง 1 โพสต์ที่สั้นกว่าถูกตั้งธงบ่อยกว่าโพสต์ที่ยาวกว่า เราอธิบายว่าเครื่องตรวจจับกล่าวอย่างไรเกี่ยวกับความยาวในโพสต์ของเราเรื่อง จำนวนคำขั้นต่ำของเครื่องตรวจจับ AI การบันทึกร่างและบันทึกของคุณไว้ขณะเขียนเป็นวิธีที่ดีในการมีบันทึกกระบวนการเขียนของคุณ สิ่งนี้ตอบสนองต่อการตั้งธงได้ดีกว่าคะแนนใด ๆ

เครื่องมือการตรวจจับ AI และการแก้ไขสำหรับภาวะดิสเล็กเซีย

คู่มือของ Nebraska รวมถึงนักศึกษาที่มีภาวะดิสเล็กเซียไว้ในการเตือนเกี่ยวกับผลบวกเท็จ นักเขียนจำนวนมากใช้การตรวจสะกด คำแนะนำด้านไวยากรณ์ หรือเครื่องมือเขียนใหม่ขณะร่าง และการศึกษาสองชิ้นแสดงให้เห็นว่าเครื่องมือเหล่านั้นเปลี่ยนคะแนน AI อย่างไร

ในการทดสอบของ Bloomberg Businessweek ปี 2024 ตัวตรวจสะกดและคำแนะนำด้านไวยากรณ์ของผู้ช่วยการเขียนยอดนิยมมีผลกระทบเพียงเล็กน้อยต่อการทำให้เอกสารดูเหมือนเขียนโดย AI มากขึ้น การเขียนใหม่ทั้งข้อความแตกต่างออกไป, การขอให้ผู้ช่วยคนเดียวกัน "ปรับปรุง" เรียงความ หรือ "ทำให้ฟังดูเป็นวิชาการ" ทำให้งานที่ได้คะแนนว่าเขียนโดยมนุษย์ 100 เปอร์เซ็นต์ กลายเป็นเขียนโดย AI 100 เปอร์เซ็นต์

Hyeonchu Park, Gahye Jeong และ Bugeun Kim ศึกษาการแก้ไขเชิงวิชาชีพใน "Style as a Confound", ซึ่งนำเสนอในการประชุม EMNLP 2026 พวกเขาใช้คู่เอกสาร 135,389 คู่จากบริการแก้ไขภาษาอังกฤษเชิงวิชาการ ตั้งแต่ปี 2018 ถึง 2025 แต่ละคู่เป็นต้นฉบับของผู้เขียนที่ไม่ใช่เจ้าของภาษาก่อนและหลังที่บรรณาธิการเจ้าของภาษาได้แก้ไขให้ ในบรรดาเครื่องตรวจจับ 13 ตัว การแก้ไขแบบเดียวกันทำให้คะแนนของเครื่องตรวจจับบางตัวสูงขึ้น และทำให้ของบางตัวต่ำลง และการเปลี่ยนแปลงของคะแนนเพิ่มขึ้นตามปริมาณการแก้ไข

จากนั้นพวกเขาแยกการแก้ไขตามประเภทบนเครื่องตรวจจับตัวหนึ่ง ซึ่งเป็นโมเดล OpenAI RoBERTa การแก้ไขไวยากรณ์ทำให้คะแนนของมันลดลงเล็กน้อย ในขณะที่การแก้ไขเชิงวากยสัมพันธ์, ซึ่งเปลี่ยนโครงสร้างประโยค, ทำให้เกิดการเพิ่มขึ้นเชิงบวกมากที่สุด พวกเขาสรุปว่าผลลัพธ์ของเครื่องตรวจจับไม่ควรถูกมองว่าเป็นหลักฐานชี้ขาดของการใช้ AI โดยเฉพาะในบริบทที่การแก้ไขเป็นเรื่องปกติ หากคุณใช้เครื่องมือที่เขียนเรียบเรียงข้อความทั้งตอน ให้เก็บฉบับก่อนหน้าไว้ และตรวจสอบว่านโยบายของรายวิชาของคุณอนุญาตอะไรบ้าง

อัตราบวกเท็จขึ้นอยู่กับเครื่องตรวจจับ

อัตราบวกเท็จแตกต่างกันไปตามเครื่องตรวจจับแต่ละตัว อัตรานี้เป็นของเครื่องตรวจจับเฉพาะตัวที่การศึกษานั้นกำลังทดสอบ Liang และคณะในการศึกษาปี 2023 ใน Patterns พบความแม่นยำเกือบสมบูรณ์แบบในเรียงความของนักเรียนชั้นประถมศึกษาปีที่ 8 ในสหรัฐอเมริกา ตรงกันข้าม เครื่องตรวจจับระบุเรียงความ TOEFL ของผู้เขียนที่ไม่ใช่เจ้าของภาษามากกว่าครึ่งหนึ่ง ดูโพสต์ของเราเกี่ยวกับอคติของเครื่องตรวจจับต่อผู้เขียนที่ไม่ใช่เจ้าของภาษาเพื่อดูรายละเอียด

เอกสารวิจัยฉบับร่างของเราเกี่ยวกับผู้เขียนที่ไม่ใช่เจ้าของภาษาและผลบวกเท็จ, จาก TextPulse Research ในปี 2026 ประเมินเรียงความ ICNALE จำนวน 5,600 ฉบับที่เขียนขึ้นก่อนเครื่องมือ AI สมัยใหม่ เครื่องจำแนกประเภทเพื่อการวิจัยตัวหนึ่ง ซึ่งเป็นการถดถอยโลจิสติก ระบุว่าเรียงความของผู้เรียน 2.7 เปอร์เซ็นต์ และเรียงความของเจ้าของภาษา 3.3 เปอร์เซ็นต์ โมเดล gradient boosting ที่ฝึกด้วยคุณลักษณะและเรียงความชุดเดียวกันระบุผู้เรียนที่ 12.5 เปอร์เซ็นต์ และเจ้าของภาษาที่ 3.8 เปอร์เซ็นต์ ดังนั้นว่ากลุ่มใดจะถูกระบุมากกว่าบ่อยเพียงใดจึงขึ้นอยู่กับเครื่องตรวจจับ

ในการศึกษา Park อัตราบวกเท็จของเครื่องตรวจทั้ง 13 เครื่องแตกต่างกันอย่างมากสำหรับข้อความที่มนุษย์เขียน โดยอยู่ในช่วงตั้งแต่ 0.0 เปอร์เซ็นต์ถึง 100.0 เปอร์เซ็นต์ เครื่องตรวจที่โดดเด่นสองเครื่องได้รับการทดสอบโดย Bloomberg Businessweek บนตัวอย่างแบบสุ่มของเรียงความสมัครเข้ามหาวิทยาลัย 500 ฉบับที่ส่งไปยัง Texas A&M ในฤดูร้อน 2022 ก่อน ChatGPT บริการเหล่านี้จัดประเภทเรียงความผิดพลาดว่าเป็น AI ที่น่าจะเป็นไปได้ 1 เปอร์เซ็นต์ถึง 2 เปอร์เซ็นต์

ในรายงานเดียวกัน Turnitin ระบุว่าอัตราบวกเท็จระดับเอกสารของตนต่ำกว่า 1 เปอร์เซ็นต์ และอัตราระดับประโยคของตนอยู่ที่ 4 เปอร์เซ็นต์ ดังนั้นตัวเลขที่สำคัญสำหรับนักศึกษาคือค่าของเครื่องตรวจที่โรงเรียนของตนใช้

หากคุณถูกระบุ หรือหากคุณกำลังตรวจสอบการระบุ

สำหรับนักศึกษา

ประวัติฉบับร่างของคุณคือจุดเริ่มต้นของคุณ มันแสดงฉบับร่างก่อนหน้าและบันทึกเกี่ยวกับพัฒนาการของข้อความของคุณ และคะแนนไม่สามารถแสดงสิ่งนั้นได้ ขอรายงานฉบับเต็มเป็นลายลักษณ์อักษร และขอนโยบายที่ใช้ ขั้นตอนต่าง ๆ ครอบคลุมไว้ในโพสต์ของเราเกี่ยวกับ สิ่งที่ควรทำก่อนหากคุณถูกกล่าวหาว่าใช้ AI ในเรียงความ และเกี่ยวกับการเขียน จดหมายอุทธรณ์การตรวจจับ AI

การตอบสนองที่ดีที่สุดต่อการระบุคือการแสดงกระบวนการทำงานของคุณ เก็บบันทึกสิ่งที่คุณเขียน ใช้ Google Docs หรือ Microsoft Word (โดยเปิดใช้ประวัติรุ่น) เพื่อร่างและติดตามบันทึก โครงร่าง และแหล่งข้อมูลที่คุณอ่าน หากคุณใช้เทคโนโลยีช่วยเหลือ เช่น การตรวจสะกด การพิมพ์ตามคำบอก หรือการแปลงข้อความเป็นเสียง คุณสามารถบอกอาจารย์หรือสำนักงานด้านการเข้าถึงของคุณได้ว่าคุณใช้รายการใดและอย่างไร

คุณอาจต้องการติดต่อสำนักงานด้านความพิการหรือการเข้าถึงของมหาวิทยาลัยของคุณด้วย ตัดสินใจว่าคุณต้องการบอกอาจารย์หรือคณะกรรมการเกี่ยวกับการวินิจฉัยของคุณหรือไม่ คุณอาจพูดได้ประมาณนี้: อัตราแตกต่างกันไปตามเครื่องตรวจ งานวิจัยที่ผ่านการทบทวนโดยผู้ทรงคุณวุฒิแสดงอัตราการระบุที่สูงกว่าสำหรับผู้เขียนที่น่าจะเป็นออทิสติกในเครื่องหนึ่ง ฉบับร่างของคุณสำคัญกว่างานวิจัยเกี่ยวกับกลุ่ม เพราะงานวิจัยเกี่ยวกับกลุ่มไม่สามารถแสดงได้ว่าเรียงความของคุณเองถูกเขียนอย่างไร

สำหรับเจ้าหน้าที่

คะแนนเป็นเพียงการประมาณค่าเท่านั้น เป็นเหตุผลให้สอบถามเกี่ยวกับกระบวนการเขียน ขอให้ดูร่างและบันทึก หากมีอยู่ ถามนักศึกษาว่าเขาเขียนชิ้นงานนั้นอย่างไร การวินิจฉัยหรือรูปแบบการเขียนไม่ใช่หลักฐานที่สนับสนุนหรือคัดค้านการใช้ AI ขอให้ถามว่า นักศึกษาใช้เครื่องมือใดบ้าง เช่น การตรวจสะกดหรือการถอดเสียง การตรวจสะกดและข้อเสนอแนะด้านไวยากรณ์แทบไม่ทำให้คะแนน AI เปลี่ยนแปลงในการทดสอบของ Bloomberg ปี 2024 แต่การเขียนใหม่ทั้งข้อความทำให้คะแนนเปลี่ยนแปลงมาก รายงานของ Bloomberg ฉบับเดียวกันระบุว่า ผู้พัฒนาเครื่องตรวจกล่าวว่าคะแนนของตนเป็นเพียงจุดข้อมูลหนึ่งเพื่อใช้ชี้นำครู Chambers และ Kelley แนะนำให้มีการตรวจสอบเชิงวิพากษ์เพิ่มเติมต่อแบบจำลองเหล่านี้และการใช้ของมันในบริบททางวิชาการ

เครื่องมือบนเว็บไซต์นี้

เครื่องมือตรวจ perplexity ฟรี ประมาณความหลากหลายของคำในร่างของคุณ และ เครื่องมือตรวจ burstiness ฟรี แสดงความยาวของประโยคของคุณเป็นกราฟ ตัวเลขทั้งสองไม่พิสูจน์สิ่งใดเกี่ยวกับผู้ที่เขียนข้อความ TextPulse AI humanizer ออกแบบมาเพื่อลดคะแนน AI ของร่างที่คุณเขียนเอง ขณะคงการอ้างอิงและคำศัพท์ไว้ หากคุณใช้เครื่องมือนี้ ให้ตรวจสอบว่าหลักสูตรของคุณอนุญาตให้ใช้เครื่องมือดังกล่าวหรือไม่ และอ่านผลลัพธ์ ไม่มีสิ่งใดในงานวิจัยนี้บอกว่าคุณจำเป็นต้องเปลี่ยนวิธีการเขียนของคุณ