Turnitin คะแนนเท่าไรจึงถือว่าดี?
Turnitin ไม่ได้เผยแพร่เปอร์เซ็นต์ความคล้ายคลึงที่ยอมรับได้ และสถาบันต่าง ๆ กำหนดแนวทางของตนเองแทน บทความนี้อธิบายว่าอะไรเป็นตัวผลักดันให้คะแนนสูงหรือต่ำ เหตุใดข้อความที่อ้างอิงและรายการอ้างอิงจึงทำให้คะแนนสูงขึ้นโดยที่ไม่มีสิ่งใดผิด และวิธีอ่านรายละเอียดการจับคู่ที่อยู่เบื้องหลังตัวเลข แทนที่จะดูเพียงตัวเลขนั้น
นักศึกษาคนหนึ่งได้รับแจ้งจากอาจารย์ที่ปรึกษาว่าอะไรก็ตามที่ต่ำกว่าสิบห้าเปอร์เซ็นต์ถือว่าใช้ได้ นักศึกษาอีกคนหนึ่ง ซึ่งอยู่ในภาควิชาเดียวกัน ถูกทำเครื่องหมายในรายงานที่สิบสองเปอร์เซ็นต์ตามทางเดิน เพราะสามในจุดเหล่านั้นอยู่ภายในย่อหน้าเดียวที่ต่อเนื่องกันโดยไม่มีเครื่องหมายอัญประกาศอยู่ใกล้ ๆ ทั้งสองคนอ่านคะแนนความคล้ายคลึงของ Turnitin ได้อย่างถูกต้อง เครื่องมือนี้ไม่เคยถูกสร้างมาเพื่อให้ตัวเลขผ่านหรือไม่ผ่านเพียงตัวเดียวตั้งแต่แรก
ดังนั้น คะแนน Turnitin ที่ดีคืออะไร ไม่มีตัวเลขเช่นนั้น Turnitin ไม่ได้เผยแพร่เปอร์เซ็นต์ที่ยอมรับได้ ไม่ได้ให้คะแนนงานที่ส่ง และระบุอย่างชัดเจนว่าตัวเลขนี้ไม่ใช่การวัดการคัดลอกผลงานในตัวมันเอง สถาบันแต่ละแห่งกำหนดแนวทางของตนเอง และบ่อยครั้งอาจารย์ที่ปรึกษาแต่ละคนภายในสถาบันก็ทำเช่นเดียวกัน จึงเป็นเหตุให้รายงานฉบับเดียวกันอาจดูไม่น่ากังวลในสำนักงานหนึ่ง แต่ดูน่าวิตกในสำนักงานถัดไป ตัวเลขที่ควรเรียนรู้คือวิธีอ่านสิ่งที่อยู่เบื้องหลังมัน
คะแนน Turnitin ที่ดีคืออะไร
Turnitin ไม่เคยเผยแพร่ตัวเลขใดที่ถือว่าดี ปลอดภัย หรือยอมรับได้ และมีเหตุผลเฉพาะเจาะจงคือ คะแนนความคล้ายคลึงวัดว่าข้อความในงานที่ส่งมีส่วนตรงกับข้อความที่มีอยู่แล้วในฐานข้อมูลของ Turnitin มากเพียงใด ไม่ได้วัดว่าการทับซ้อนนั้นถูกใช้โดยไม่เหมาะสมหรือไม่ คะแนนสูงอาจมาจากเนื้อหาที่อ้างอิงและใส่แหล่งที่มาอย่างถูกต้องทั้งหมด คะแนนต่ำอาจสูงกว่างานที่ถอดความจากแหล่งเดียวอย่างใกล้ชิดพอที่จะสร้างปัญหาให้ผู้ตรวจ โดยที่ไม่กระตุ้นกลไกการจับคู่เลย การอ่านตัวเลขนั้นเสมือนเป็นเกรดคือการเข้าใจเครื่องมือนี้กลับด้าน
ตัวเลขอย่างสิบถึงยี่สิบเปอร์เซ็นต์แพร่หลายอย่างกว้างขวางในฐานะกฎคร่าว ๆ แบบไม่เป็นทางการ ถูกพูดซ้ำในฟอรัมและคู่มือการศึกษา จนเริ่มฟังดูเหมือนเป็นทางการ แต่มันไม่เป็นทางการ Turnitin ไม่ได้กำหนดตัวเลขดังกล่าว และกฎคร่าว ๆ ที่ไม่คำนึงถึงความยาวของเอกสาร ความหนาแน่นของการอ้างอิง และธรรมเนียมของสาขาวิชา จะใช้ไม่ได้ทันทีเมื่อเจอกับงานจริง บททบทวนวรรณกรรมที่สร้างจากแหล่งข้อมูลที่อ้างอิงอย่างถูกต้องสามสิบแหล่งอาจผ่านยี่สิบเปอร์เซ็นต์ได้จากส่วนที่เป็นคำอ้างอิงเพียงอย่างเดียว ย่อหน้าเดียวที่ถอดความอย่างใกล้ชิดโดยไม่มีเครื่องหมายอัญประกาศอาจอยู่ต่ำกว่าห้าเปอร์เซ็นต์ แต่ยังคงเป็นปัญหาที่ร้ายแรงกว่า
คะแนนความคล้ายคลึงวัดอะไรจริง ๆ
Turnitin อธิบายเครื่องมือของตนเองด้วยถ้อยคำแทบจะตรงกันทุกประการ คำแนะนำจาก Boise State University ซึ่งอาศัยถ้อยคำของ Turnitin เอง อธิบายว่า similarity score คือร้อยละของเนื้อหาในบทความที่ตรงกับเนื้อหาซึ่งมีอยู่แล้วในฐานข้อมูลของ Turnitin และว่าร้อยละดังกล่าวเองไม่ใช่การประเมินว่าบทความนั้นมีเนื้อหาที่คัดลอกผลงานหรือไม่ ความแตกต่างนี้มีบทบาทจริง, การตรงกันเป็นเรื่องเชิงกลไก เป็นสายของคำที่เรียงตรงกับสายของคำอีกชุดหนึ่งที่อยู่ที่อื่น และการตัดสินว่าการซ้อนทับนั้นได้รับการอ้างอิงอย่างเหมาะสมหรือไม่ ต้องอาศัยคน ไม่ใช่อัลกอริทึม
ฐานข้อมูลที่อยู่เบื้องหลังการจับคู่ถูกออกแบบให้กว้างโดยตั้งใจ, ครอบคลุมการส่งงานของนักศึกษาทั้งปัจจุบันและที่เก็บถาวร, เว็บสาธารณะ, และชุดสิ่งพิมพ์ทางวิชาการจำนวนมาก เนื้อหาทั้งหมดนั้นไม่ได้ถูกอ่านเพื่อทำความหมาย ระบบค้นหาสายของคำที่ซ้อนทับกันและรายงานว่ามีส่วนใดของงานที่ส่งครอบคลุมอยู่บ้าง ซึ่งเป็นเหตุผลว่าทำไมประโยคที่อ้างอิงและประโยคที่คัดลอกมาโดยไม่บอกกล่าวจึงอาจให้ผลการจับคู่เหมือนกันได้ มีเพียงมุมมองรายละเอียดในรายงานเท่านั้นที่แสดงว่าอะไรคืออะไร
เหตุใดคะแนนสูงจึงอาจชอบด้วยเหตุผลโดยสิ้นเชิง
ลักษณะทั่วไปสองประการของการเขียนเชิงวิชาการอธิบายเรื่องนี้ได้เป็นส่วนใหญ่ ข้อความที่อ้างอิงตรงมาจะตรงกันโดยตั้งใจ, เพราะถ้อยคำถูกคัดลอกมาโดยเจตนาและถูกทำเครื่องหมายว่าเป็นของผู้อื่นบนหน้าเอกสาร รายการอ้างอิงก็ตรงกันได้อย่างน่าเชื่อถือเช่นกัน, เพราะชื่อผู้แต่ง ชื่อวารสาร และรูปแบบการอ้างอิงเกิดซ้ำในบทความอื่น ๆ อีกนับพันที่อ้างถึงแหล่งเดียวกัน ทั้งสองอย่างเป็นสิ่งที่การเขียนเชิงวิชาการที่ถูกต้องควรมีลักษณะเช่นนั้น
เมื่อวางเทียบกัน, คะแนนที่สูงเกินจริงกับปัญหาที่เกิดขึ้นจริงจะดูแตกต่างกันได้ในทันที
| สิ่งที่ตรงกัน | เหตุใดจึงเกิดขึ้น | ควรพิจารณาอย่างใกล้ชิดหรือไม่? |
|---|---|---|
| ข้อความที่ยกมาโดยมีเครื่องหมายอัญประกาศและการอ้างอิง | ถ้อยคำถูกคัดลอกโดยตั้งใจและมีการให้เครดิตไว้บนหน้า | ไม่, นี่คือรูปแบบของการอ้างคำพูดที่ถูกต้อง |
| รายการอ้างอิงหรือบรรณานุกรม | ชื่อผู้แต่ง ชื่อวารสาร และรูปแบบการอ้างอิงปรากฏซ้ำในบทความจำนวนมาก | ไม่, เว้นแต่ไม่ได้ใช้การตั้งค่าการยกเว้น |
| ถ้อยคำมาตรฐานของวิธีการหรือขั้นตอน | คำศัพท์ร่วมของสาขาอธิบายกระบวนการเดียวกันในลักษณะเดียวกันในบทความต่าง ๆ | ไม่บ่อยนัก, เว้นแต่ทั้งส่วนถูกยกมาทั้งหมดแทนที่จะเขียนขึ้นใหม่ |
| ย่อหน้ายาวย่อหน้าเดียวที่ไม่ขาดตอนและไม่มีเครื่องหมายอัญประกาศ ซึ่งตรงกับแหล่งเดียว | ถ้อยคำสอดคล้องกับประโยคของผู้เขียนอีกคนอย่างใกล้พอที่กลไกการจับคู่จะตรวจพบได้ | ใช่, นี่คือรูปแบบที่ควรเปิดแหล่งที่มาเพื่อตรวจสอบ |
ทำให้บทความของคุณเป็นธรรมชาติมากขึ้น
ปรับข้อความที่ช่วยโดย AI ของคุณให้ฟังดูเป็นธรรมชาติ, โดยไม่แตะต้องคำสำคัญหรือการอ้างอิง
เหตุใดคะแนนต่ำจึงยังอาจซ่อนปัญหาไว้ได้
ตัวเลขที่ต่ำตอบคำถามที่แคบกว่าที่ดูเหมือน, คือมีข้อความเพียงเล็กน้อยที่ตรงกันแบบคำต่อคำกับฐานข้อมูลของ Turnitin เท่านั้น ไม่มีมากไปกว่านั้น การถอดความที่เปลี่ยนถ้อยคำมากพอ แต่ยังคงโครงสร้างและข้อโต้แย้งของผู้เขียนอีกคนไว้ อาจได้คะแนนใกล้ศูนย์และยังคงเป็นปัญหาร้ายแรงด้านความซื่อสัตย์ทางวิชาการได้ เพราะกลไกนี้ทำงานกับสายของคำ ไม่ได้ทำงานกับแนวคิดที่ยืมมา เนื้อหาที่แปลแล้ว หรือเนื้อหาจากฐานข้อมูลที่ Turnitin ไม่ได้จัดทำดัชนี จะมีพฤติกรรมแบบเดียวกัน, ไม่มีสิ่งให้จับคู่, จึงไม่ถูกทำเครื่องหมาย
แหล่งอ้างอิงที่ถูกสร้างขึ้นปลอมก่อให้เกิดจุดบอดแบบเดียวกันจากอีกทิศทางหนึ่ง แหล่งอ้างอิงที่ไม่มีอยู่จริงไม่สามารถตรงกับสิ่งใดได้ เพราะไม่มีสิ่งใดอยู่ที่ไหนเลยให้มันตรงกับ และคะแนนความคล้ายคลึงไม่มีทางทำเครื่องหมายการอ้างอิงที่ไม่เคยเป็นจริงตั้งแต่แรกได้ TextPulse's free AI citation checker มีไว้สำหรับช่องว่างนั้นโดยตรง, โดยจะตรวจสอบแต่ละรายการในรายการอ้างอิงเทียบกับทะเบียนจริงที่แหล่งเหล่านั้นควรปรากฏอยู่ ก่อนที่ผู้อ่านจะต้องค้นพบช่องว่างนั้นด้วยวิธีที่ยากลำบาก
ควรแยกความแตกต่างอีกประการหนึ่งก่อนจะข้ามพ้นตัวเลขไปโดยสิ้นเชิง การส่งงานที่มีคะแนนความคล้ายคลึงต่ำยังอาจมีตัวบ่งชี้การเขียนด้วย AI แยกต่างหากของ Turnitin ซึ่งเป็นการวัดคนละแบบที่สร้างขึ้นเพื่อจับปัญหาคนละชนิด และได้อธิบายไว้ใน คู่มือของเว็บไซต์นี้เกี่ยวกับว่า Turnitin สามารถตรวจจับ ChatGPT ได้จริงหรือไม่ เปอร์เซ็นต์ทั้งสองไม่ได้คำนวณด้วยวิธีเดียวกัน และบทความนี้กล่าวถึงเฉพาะคะแนนความคล้ายคลึงเท่านั้น
วิธีอ่านรายงานแทนที่จะอ่านตัวเลข
อย่าเพิ่งตอบสนองต่อผลรวมก่อนเปิดดูรายละเอียดการจับคู่ Turnitin จะจัดอันดับแหล่งที่มาแต่ละแหล่ง ซึ่งรวมกันเป็นคะแนน ตามลำดับของการมีส่วนต่อคะแนนนั้น ผลรวม 22 เปอร์เซ็นต์ที่ประกอบด้วย 11 แหล่ง โดยแต่ละแหล่งมีส่วนร่วม 2 เปอร์เซ็นต์ ย่อมไม่ให้ความหมายเหมือนผลรวมที่มาจากแหล่งเดียว รูปแบบแรกมักสะท้อนการทับซ้อนของวลีทั่วไปจำนวนมาก รูปแบบที่สองควรตรวจดูโดยตรงว่าแหล่งนั้นกล่าวว่าอะไรจริง ๆ
Turnitin ยังจัดเปอร์เซ็นต์เดียวกันนี้ให้อยู่ในแถบสี ซึ่งปรากฏซ้ำในคำแนะนำสำหรับนักศึกษาของ Loughborough College เอง, สีน้ำเงินสำหรับไม่มีข้อความที่ตรงกัน, สีเขียวตั้งแต่หนึ่งคำถึง 24 เปอร์เซ็นต์, สีเหลืองตั้งแต่ 25 ถึง 49, สีส้มตั้งแต่ 50 ถึง 74, สีแดงตั้งแต่ 75 ขึ้นไป คำแนะนำของวิทยาลัยเองระบุอย่างตรงไปตรงมาว่าสีเหล่านี้ไม่ใช่อะไร, การตรวจสอบความคล้ายคลึงไม่ได้หมายความว่าการส่งงานนั้นมีเนื้อหาที่คัดลอกมา แถบสีมีไว้เพื่อจัดลำดับความสนใจในรายงาน ไม่ใช่เพื่อชี้ขาดผลตัดสิน
ควรตรวจสอบด้วยว่านโยบายการตั้งค่าของสถาบันเองได้ยกเว้นเครื่องหมายอ้างอิงและบรรณานุกรมออกจากการนับหรือไม่ เพราะการส่งงานเดียวกันอาจให้ตัวเลขสองค่าแตกต่างกันได้ ขึ้นอยู่กับการตั้งค่าของสวิตช์นั้น ไม่มีสิ่งใดซับซ้อนเมื่อมองเห็นแล้ว สิ่งนี้จะมองไม่เห็นก็ต่อเมื่อไม่มีใครเปิดรายงานเลยเกินหน้ากระดาษแรก
ควรทำอย่างไรหากคะแนนของคุณทำให้คุณประหลาดใจ
เปิดแหล่งข้อมูลที่ถูกทำเครื่องหมายแต่ละรายการอีกครั้งทีละรายการ แทนที่จะตอบสนองต่อผลรวมทั้งหมด ตรวจสอบว่าสำเนาที่กำลังถูกประเมินได้ตัดเครื่องหมายอ้างอิงและบรรณานุกรมออกแล้วหรือไม่ เพราะตัวเลขที่นักศึกษาเห็นระหว่างร่างงานไม่ได้ถูกตั้งค่าเหมือนกับตัวเลขที่ผู้สอนเห็นเมื่อส่งงานเสมอไป หากพบการตรงกันที่ไม่มีการอ้างอิงอย่างแท้จริง ให้แก้ไขการอ้างอิงโดยตรง แทนที่จะเรียบเรียงประโยคใหม่เพื่อหลบเลี่ยงกลไกการจับคู่ ซึ่งจะจัดการเพียงอาการและปล่อยให้ปัญหายังคงอยู่
หากตัวเลขยังดูไม่สอดคล้องกับสิ่งที่ผู้ควบคุมคาดหวัง ให้ถามโดยตรงว่าธรรมเนียมของภาควิชานั้นคืออะไร ส่วนก่อนหน้านี้ได้แสดงแล้วว่าไม่มีเส้นตายตัวเพียงเส้นเดียวให้ไปให้ถึง ดังนั้นคำตอบจึงอยู่กับผู้ที่มีอำนาจในท้องถิ่นเหนือชิ้นงาน ไม่ใช่กับเปอร์เซ็นต์ใดที่ใคร ๆ ก็อาจค้นดูได้ล่วงหน้า ชุด เครื่องมือฟรี ของ TextPulse ครอบคลุมการตรวจอ้างอิงและการตรวจร่างงานที่ควรใช้ก่อนที่รายงานจะไปถึงกล่องจดหมายของผู้อื่น
คะแนนจากเครื่องมือต่าง ๆ ไม่สามารถใช้แทนกันได้ และ วิธีการทำงานของ GPTZero ได้อธิบายไว้ในหน้าเฉพาะของตนเอง พร้อมกับ ค่าสถิติ perplexity ที่อยู่เบื้องหลังทั้งสอง
คะแนนมีพฤติกรรมเช่นนั้นเพราะวิธีที่การจับคู่ทำงานอยู่เบื้องหลัง และตัวเลขใหม่ที่อยู่ถัดจากมันในรายงานเดียวกันทำงานด้วยกลไกที่ต่างออกไป ซึ่งคู่มือของเว็บไซต์นี้เรื่อง วิธีที่ตัวตรวจจับ AI ทำงานจริง ได้อธิบายไว้อย่างครบถ้วน การอ่านตัวเลขใดตัวเลขหนึ่งในฐานะคำตัดสินเป็นการข้ามส่วนเดียวของรายงานที่คุ้มค่าแก่การอ่าน
คำถามที่พบบ่อย
Turnitin คะแนนเท่าไรจึงถือว่าดี? ไม่มีตัวเลขดังกล่าว Turnitin ไม่ได้เผยแพร่เปอร์เซ็นต์ที่ยอมรับได้ และ similarity score วัดว่าข้อความตรงกับฐานข้อมูลของมันมากเพียงใด ไม่ได้วัดว่ามีการลอกเลียนแบบมากเพียงใด literature review ที่อ้างอิงอย่างถูกต้องอาจมีมากกว่ายี่สิบเปอร์เซ็นต์ได้จากเครื่องหมายอ้างอิงเพียงอย่างเดียว ขณะที่การถอดความที่ไม่ระบุแหล่งที่มาเพียงประโยคเดียวอาจต่ำกว่าห้าเปอร์เซ็นต์ได้ อ่านแหล่งที่มาที่จับคู่ ไม่ใช่ตัวเลขพาดหัว
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.
