Turnitin Similarity Score กับ AI Score: รายงานสองแบบที่แตกต่างกัน
คะแนนความคล้ายคลึงและคะแนน AI ตอบคำถามคนละข้อ ดังนั้นงานเขียนชิ้นหนึ่งอาจได้คะแนนต่ำในอย่างหนึ่งและสูงในอีกอย่างหนึ่ง โดยที่ตัวเลขทั้งสองไม่ผิด อะไรที่แต่ละคะแนนวัด อะไรเป็นตัวกระตุ้น และคะแนนสูงพิสูจน์อะไรได้และไม่ได้
รายงานฉบับหนึ่งปรากฏพร้อมตัวเลขสองค่า คือคะแนนความคล้ายคลึง 3 เปอร์เซ็นต์ และคะแนน AI 88 เปอร์เซ็นต์ การอ่านตามธรรมชาติคือทั้งสองค่าน่าจะวัดสิ่งเดียวกัน ดังนั้นตัวเลขที่ต่ำจึงควรหมายความว่าตัวเลขที่สูงก็น่าจะผิดเช่นกัน แต่ไม่เป็นเช่นนั้น Turnitin similarity vs AI score เป็นการเปรียบเทียบระหว่างสองระบบที่แยกจากกัน ซึ่งตรวจสอบคนละสิ่งกัน และงานที่ส่งสามารถได้คะแนนต่ำในระบบหนึ่งและสูงในอีกระบบหนึ่งได้ โดยที่ตัวเลขใดตัวเลขหนึ่งไม่จำเป็นต้องเป็นความผิดพลาด
ระบบนี้เก่ากว่าระบบ AI ถูกสร้างขึ้นเพื่อจับข้อความที่ตรงกับสิ่งที่มีอยู่แล้ว ระบบ AI ใหม่กว่า ถูกเพิ่มเข้าไปใน Similarity Report เดียวกันในฐานะการวัดที่เป็นอิสระของตนเอง ถูกสร้างขึ้นเพื่อประเมินว่าร้อยแก้วมีลักษณะเหมือนข้อความที่สร้างโดยเครื่องหรือไม่ โดยไม่คำนึงว่ามันจะตรงกับสิ่งใดเลยหรือไม่ ทั้งสองระบบเป็นอิสระต่อกันโดยสิ้นเชิง และไม่ส่งผลต่อกัน ตามเอกสารของ Turnitin เอง ส่วนอื่นทั้งหมดในบทความนี้
Turnitin Similarity vs AI Score: ตัวเลขแต่ละค่ารายงานอะไร
Turnitin ถือว่าทั้งสองเป็นการวัดที่แตกต่างกันซึ่งถูกรวมไว้ในผลิตภัณฑ์เดียว มากกว่าจะเป็นสองมุมมองของผลลัพธ์เดียวกัน Similarity Report เปรียบเทียบงานที่ส่งกับฐานข้อมูลของเนื้อหาเว็บ สิ่งพิมพ์ทางวิชาการ และบทความของนักศึกษาที่เคยส่งมาก่อน แล้วส่งกลับเป็นเปอร์เซ็นต์ของข้อความในงานที่ตรงกับสิ่งที่มีอยู่แล้วในฐานข้อมูลนั้น การตรวจจับการเขียนด้วย AI ใช้แบบจำลองอีกชุดหนึ่งโดยสิ้นเชิง ซึ่งถูกเพิ่มเข้าไปในรายงานเดียวกันนั้นในฐานะคะแนนอิสระของตนเอง แบบจำลองนี้ได้รับการฝึกเพื่อประเมินว่าร้อยแก้วของข้อความช่วงหนึ่งมีลักษณะคล้ายการเขียนที่สร้างโดยเครื่องมากเพียงใด โดยไม่อ้างอิงฐานข้อมูลภายนอกใด ๆ เลย กลไกที่ละเอียดกว่าของ วิธีที่ตัวจำแนก AI ของ Turnitin ไปถึงตัวเลขนั้น ได้อธิบายแยกไว้แล้ว สิ่งที่สำคัญที่นี่คือมันตอบคำถามคนละข้อกับเครื่องมือความคล้ายคลึงที่อยู่ภายในรายงานเดียวกันนั้น
คะแนนความคล้ายคลึงวัดอะไรจริง ๆ
ความคล้ายคลึงเป็นการจับคู่ ไม่ใช่การตัดสิน Turnitin เองระบุไว้อย่างชัดเจนว่าเครื่องมือนี้ไม่ได้ตรวจหาการลอกเลียนผลงาน มันตรวจหาความทับซ้อนและปล่อยให้ผู้สอนที่อ่านรายงานเป็นผู้ตีความ การอ้างอิงที่จัดวางอย่างถูกต้อง วลีในส่วนวิธีการที่ใช้ร่วมกันทั่วทั้งสาขาย่อยหนึ่ง ๆ รายการอ้างอิงที่จัดรูปแบบตามแบบที่บทความทุกชิ้นในวารสารนั้นจัดรูปแบบรายการอ้างอิงของตน ทั้งหมดนี้สามารถถูกนับเป็นการจับคู่ได้ เพราะระบบนับสตริงข้อความที่ทับซ้อนกัน มากกว่าจะตัดสินว่าความทับซ้อนนั้นชอบธรรมหรือไม่
นั่นจึงเป็นเหตุผลด้วยว่าเหตุใดคะแนนความคล้ายคลึงเป็นศูนย์จึงพิสูจน์ได้น้อยกว่าที่ดูเหมือน มันหมายความว่างานที่ส่งไม่มีช่วงข้อความยาวต่อเนื่องที่พบในแหล่งข้อมูลที่ Turnitin จัดทำดัชนีไว้ที่อื่น แต่ไม่ได้บอกอะไรเกี่ยวกับวิธีที่ประโยคที่มีอยู่นั้นถูกสร้างขึ้น เพราะการสร้างประโยคที่ไม่ตรงกับสิ่งใดในฐานข้อมูล ไม่ใช่ทักษะเดียวกับการสร้างประโยคที่แบบจำลองภาษาไม่น่าจะทำนายได้
ทำให้บทความของคุณเป็นธรรมชาติมากขึ้น
ปรับข้อความที่ช่วยโดย AI ของคุณให้ฟังดูเป็นธรรมชาติ, โดยไม่แตะต้องคำสำคัญหรือการอ้างอิง
คะแนน AI วัดอะไรจริง ๆ
คะแนน AI ไม่มีฐานข้อมูลให้ตรวจสอบเทียบ ตัวจำแนกอ่านข้อความที่ส่งมาและประเมินจากรูปแบบที่มันเรียนรู้จากตัวอย่างงานเขียนของมนุษย์และงานเขียนที่สร้างโดย AI ว่าข้อความนั้นมีแนวโน้มมาจากแบบจำลองมากกว่ามนุษย์เพียงใด ไม่มีสิ่งใดในค่าประเมินนั้นขึ้นอยู่กับว่าประโยคที่ตรงตัวเคยปรากฏที่ใดมาก่อนหรือไม่ ประโยคหนึ่งอาจมีลักษณะเฉพาะโดยสิ้นเชิง ไม่เคยมีใครพิมพ์มาก่อนจนถึงการส่งครั้งนี้ และยังคงถูกอ่านว่าเป็นแบบอย่างทางสถิติของผลลัพธ์จาก AI หากการเลือกคำและจังหวะของมันเป็นไปตามรูปแบบที่แบบจำลองภาษามักสร้างขึ้น
นี่คือพื้นที่ทางสถิติเดียวกันกับที่อธิบายไว้อย่างครบถ้วนในภาพรวมที่กว้างขึ้นของ how AI detectors actually work, คือความคาดเดาได้ในระดับคำและจังหวะในระดับประโยค รวมเข้าเป็นคะแนนของเอกสารหนึ่งฉบับ Turnitin ในเวอร์ชันของตัวจำแนกนั้นเป็นกรรมสิทธิ์เฉพาะ แต่สมมติฐานพื้นฐานที่ว่า ข้อความที่สร้างขึ้นมักมีลักษณะทางสถิติที่เป็นแบบฉบับมากกว่างานเขียนของมนุษย์ เป็นสมมติฐานเดียวกันที่ทำงานอยู่เบื้องหลังเครื่องมือทุกชนิดในหมวดนี้
| คะแนนความคล้ายคลึง | คะแนน AI | |
|---|---|---|
| สิ่งที่วัด | สัดส่วนของข้อความในงานที่ส่งซึ่งตรงกับเอกสารอื่นที่ถูกจัดทำดัชนีไว้ | ระดับที่ร้อยแก้วมีลักษณะคล้ายงานเขียนที่สร้างโดย AI ซึ่งเป็นแบบแผนทางสถิติ |
| สิ่งที่ทำให้ตัวเลขสูง | ข้อความอ้างอิงยาว, ถ้อยคำเฉพาะสาขาที่ใช้กันทั่วไป, เนื้อหาที่นำกลับมาใช้ซ้ำ, หรือการตรงกับงานที่ส่งมาก่อนหน้า | จังหวะประโยคที่สม่ำเสมอและการเลือกคำที่คาดเดาได้อย่างต่อเนื่องตลอดทั้งเอกสาร |
| สิ่งที่ตัวเลขสูงไม่ได้พิสูจน์ | ว่าข้อความที่ตรงกันนั้นถูกนำมาใช้อย่างไม่เหมาะสม เนื้อหาที่อ้างอิงอย่างถูกต้องก็ยังอาจแสดงผลเป็นการตรงกันได้ | ว่าประโยคใดประโยคหนึ่งถูกสร้างโดย AI เอกสารจำแนกดูรูปแบบโดยรวมของเอกสาร ไม่ได้พิจารณาเพียงบรรทัดเดียวแยกจากบริบท |
งานเขียนหนึ่งชิ้นจะมีความคล้ายคลึง 0 Percent และคะแนน AI 90 Percent ได้หรือไม่?
ได้ และการที่ทั้งสองคะแนนเกิดร่วมกันไม่ใช่ความผิดปกติ คะแนนทั้งสองตอบคำถามคนละแบบ ดังนั้นการจับคู่ทั้งสี่แบบของค่าสูงและค่าต่ำจึงเป็นไปได้ และแต่ละแบบบ่งชี้สิ่งที่แตกต่างกันเกี่ยวกับวิธีที่ข้อความถูกสร้างขึ้น
- ความคล้ายคลึงต่ำ, คะแนน AI ต่ำ, คือการเขียนต้นฉบับตามปกติที่ยังอ่านได้ด้วยความแปรผันตามแบบมนุษย์ทั่วไป กรณีที่พบบ่อยสำหรับงานของนักศึกษาที่เป็นของแท้ส่วนใหญ่
- ความคล้ายคลึงต่ำ, คะแนน AI สูง, คือประโยคต้นฉบับที่ไม่ได้คัดลอกจากที่ใด แต่มีลักษณะอ่านได้อย่างคาดเดาได้ในเชิงสถิติในแบบที่ข้อความที่สร้างขึ้นมักเป็น ลักษณะเฉพาะของงานเขียน AI ที่ยังไม่ได้แก้ไขและไม่มีใครถอดความจากแหล่งที่มีอยู่เดิม
- ความคล้ายคลึงสูง, คะแนน AI ต่ำ, คือข้อความที่ตรงกับแหล่งที่เขียนโดยมนุษย์ที่มีอยู่เดิมอย่างใกล้ชิด โดยไม่มีความแบนราบทางสถิติที่ตัวจำแนกเชื่อมโยงกับการสร้างข้อความ ข้อความที่คัดลอกมา ซึ่งถูกจับได้ด้วยเครื่องมือรุ่นเก่ามากกว่ารุ่นใหม่
- ความคล้ายคลึงสูง, คะแนน AI สูง, คือข้อความที่ตรงกับแหล่งที่มีอยู่เดิมซึ่งตัวแหล่งนั้นเองถูกสร้างโดย AI เช่น งานที่ส่งด้วย AI ก่อนหน้านี้ หรือหน้าข้อความที่สร้างโดย AI ซึ่งถูกจัดทำดัชนีจากเว็บสาธารณะแล้ว
ไม่มีการผสมผสานใดเหล่านี้ที่ต้องการสิ่งผิดปกติในฝั่งซอฟต์แวร์ พวกมันเกิดขึ้นจากข้อเท็จจริงที่ว่าระบบหนึ่งตรวจหาความตรงกัน และอีกระบบหนึ่งตรวจหารูปแบบ และข้อความชิ้นหนึ่งสามารถมีคุณสมบัติอย่างใดอย่างหนึ่ง ทั้งสองอย่าง หรือไม่มีก็ได้
สิ่งที่คะแนน AI สูงพิสูจน์ได้ และพิสูจน์ไม่ได้
คะแนน AI ที่สูงเป็นการประมาณเชิงสถิติ ไม่ใช่คำรับสารภาพที่ดึงออกมาจากข้อความ มันบอกว่าร้อยแก้วที่อยู่ตรงหน้าตัวจำแนกมีลักษณะคล้ายกับงานเขียนที่โมเดลได้รับการฝึกให้เชื่อมโยงกับการสร้างโดย AI ในแง่ของการเลือกคำและจังหวะของภาษา มันไม่ได้ระบุว่าประโยคใดประโยคหนึ่งเขียนโดยเครื่องอย่างแน่นอน และมันไม่รู้อะไรเกี่ยวกับวิธีที่เอกสารถูกผลิตขึ้นจริง รู้เพียงว่ามันอ่านอย่างไรเมื่อเสร็จสมบูรณ์ TextPulse มีจุดยืนเดียวกันเกี่ยวกับตัวเลขของตนเอง สิ่งที่รายงานคือ Human Score ที่ประมาณจากข้อความตรงหน้า ไม่ใช่คำตัดสินว่าเครื่องมือใด หากมีเครื่องมือใด เข้ามาแตะต้องเอกสาร
การตอบสนองเชิงปฏิบัติต่อทั้งสองตัวเลข ไม่ว่าจะเป็นคะแนนความคล้ายคลึงที่ต่ำหรือคะแนน AI ที่สูง เหมือนกัน คือให้ถือว่าเป็นเหตุผลให้ตรวจดูใกล้ขึ้น ไม่ใช่ข้อค้นพบที่ควรยอมรับหรือปัดทิ้งเพียงเพราะเห็นครั้งแรก ร่างบันทึก และประวัติการแก้ไข บอกได้ว่าเอกสารถูกเขียนขึ้นจริงอย่างไรในแบบที่เปอร์เซ็นต์ไม่อาจบอกได้ ไม่ว่ารายงานใดก็ตาม ใครก็ตามที่อยากรู้ว่าตัวจำแนกกำลังตอบสนองต่ออะไรในร่างของตนเอง สามารถเห็นรูปแบบระดับคำเดียวกันนั้นได้ด้วยตนเองผ่าน free perplexity checker ก่อนที่รายงานใดจะถูกสร้างขึ้นเสียอีก
free tools collection ของ TextPulse ครอบคลุมชั้นเชิงสถิติอื่น ๆ ที่ควรตรวจสอบก่อนที่ร่างจะถูกส่งไปถึงผู้สอน ไม่ใช่เพียงสองตัวที่เปรียบเทียบกันที่นี่เท่านั้น
เมื่อแยกตัวเลขทั้งสองออกจากกันแล้ว คำถามถัดไปคือ คะแนน Turnitin แบบใดจึงนับว่าเหมาะสม สำหรับตัวตรวจจับอีกตัวที่นักศึกษาพบเจอบ่อยที่สุด GPTZero ทำงานอย่างไร ได้อธิบายไว้ในหน้าเฉพาะของมันแล้ว
ตัวเลขทั้งสองจะยังคงอยู่ติดกันในรายงานฉบับเดียวกัน และจะยังคงถูกอ่านเป็นตัวเลขเดียวโดยผู้ที่รีบเร่ง การรู้ว่าแต่ละตัวกำลังตอบคำถามใดอยู่จริง คือสิ่งที่เปลี่ยนคู่เปอร์เซ็นต์ที่ชวนสับสนให้กลายเป็นข้อมูลที่มีประโยชน์สองส่วนแยกจากกัน
คำถามที่พบบ่อย
Turnitin similarity vs AI score ขึ้นอยู่กับสิ่งที่แต่ละอย่างตรวจสอบ คะแนนความคล้ายคลึงรายงานว่าส่วนใดของงานที่ส่งตรงกับข้อความที่มีอยู่แล้วในฐานข้อมูลของ Turnitin ซึ่งรวมถึงหน้าเว็บ สิ่งพิมพ์ และงานนักศึกษาก่อนหน้า คะแนน AI เป็นการวัดแยกต่างหากและเป็นอิสระ ประเมินว่าร้อยแก้วอ่านดูเหมือนสร้างโดยเครื่องมากเพียงใด โดยไม่อ้างอิงฐานข้อมูลใดเลย เอกสารของ Turnitin เองระบุว่าตัวเลขทั้งสองไม่ส่งผลต่อกัน
PhD in natural language processing, with years spent building NLP applications end to end. Moe works on text analysis: lexical and syntactic structure, and what separates machine-generated prose from human prose statistically. He has been experimenting with computational linguistics since the early days of NLTK, spaCy and WordNet, and still writes most of his tooling in Python.
