AI Humanizer Karşılaştırma Çalışması: Aynı Akademik Metinlere Ne Oldu

AI humanizer karşılaştırma çalışmamızda, her humanizer aynı 48 akademik metni insan yazım tarzına doğru taşıdı ve araçlar en çok neyi korudukları bakımından farklılaştı. Bazıları anlamı, atıfları ve sayıları kaynağa yakın tuttu. Diğerleri uydurulmuş sayılar ve adlar ya da yeni dilbilgisi hataları ekledi ve bu çıktılar çoğu zaman bir dedektörün insan olarak etiketlediği çıktılar oldu.

TextPulse Research, AI humanizer karşılaştırma çalışmasını Ağustos 2026'da yürüttü ve bunu 29 Ağustos'ta bir çalışma makalesi olarak yayımladı. TextPulse bunun içindeki araçlardan biridir, bu nedenle her araca aynı girdiler verildi ve her ölçüm herkese açık bir betiktir. Tam çalışma makalesi, tüm tabloları, şekilleri ve betikleri içerir ve yeniden yazılmış 432 metnin tamamı herkese açıktır.

AI humanizer karşılaştırma çalışmasının test ettiği şey

Çalışma, her humanizer'a aynı 48 metni verdi. Her biri, kurgulanmış bir ampirik çalışmanın Sonuçlar ve Tartışma bölümüdür, bir AI modeli tarafından yazılmıştır ve yaklaşık 301 kelime uzunluğundadır. Dört model ailesi 12'şer metin yazdı: OpenAI, Google, DeepSeek ve Anthropic. Metinler dört disiplini ve üç atıf stilini kapsıyordu, bu nedenle her araç, koruması gereken sayılar, yazar adları ve kaynakça işaretleriyle karşılaştı.

Tasarımın bölümü	Çalışmanın kullandığı şey
Kaynak metinler	AI tarafından yazılmış 48 Sonuçlar ve Tartışma bölümü, her biri 264 ile 344 kelime arasında
Bunları kim yazdı	OpenAI, Google, DeepSeek ve Anthropic modellerinden 12'şer metin
Disiplinler	Tıp ve sağlık, fiziksel ve hesaplamalı bilimler, sosyal bilimler, beşeri bilimler
Atıf stilleri	APA yazar-yıl, sayısal köşeli parantezler, atıf yok
Metinlerde kontrol edilen olgular	404 teknik terim, 887 sayı, 124 atıf
Her aracın nasıl çalıştırıldığı	Varsayılan ayarda web sayfasına bir kez yapıştırıldı, çıktı verildiği haliyle korundu
Tarihler	26 ile 28 Ağustos 2026
Dedektörler	Turnitin, araç başına bir belge ve GPTZero, her metin ayrı ayrı

Bir humanizer'ın görevi, AI çıktısını yeniden yazmaktır, bu nedenle çalışma, doğrulanmış bir olgu listesine sahip AI çıktısından başladı. Herhangi bir yeniden yazım yapılmadan önce, her model kullandığı terimleri, sayıları ve atıfları listeledi. Listelenen her öğe metinle karşılaştırıldı ve metinde eksik olan her öğe çıkarıldı. Böylece her metin için sabit bir liste kaldı, bu sayede çalışma her humanizer'ın tam olarak neyi koruduğunu, değiştirdiğini veya uydurduğunu sayabildi.

Her metin, her aracın web sayfasına bir kez, aracın varsayılan ayarında girildi ve çıktı, geri geldiği haliyle aynen kaydedildi. Hiç kimse bir çıktıyı düzenlemedi. Bazı araçlar 48'den daha az metin işledi, çünkü ücretsiz katmanlar bir aracın kaç metin alacağını sınırlar. 24 metinden oluşan çekirdek bir küme her araç için aynıydı, aynı sıradaydı. TextPulse tüm 48 metni işledi.

Çalışmanın insanlaştırılmış bir metni nasıl ölçtüğü

Bir detector puanı, bir metnin bir detector'a bir günde nasıl göründüğünü söyler. Yeniden yazımın hâlâ aynı sonuçları rapor edip etmediği konusunda hiçbir şey söylemez. Çalışma, her çıktıyı önce metnin kendisi üzerinde, sonra detector'lar üzerinde puanladı. Öğrenciler veya araştırmacılar için, verinin söylediğini hâlâ söyleyen, bir insanın yazmış gibi duyulan düzyazıya sahip bir makaleye sahip olmak önemlidir.

Ölçüt	Ne kontrol eder	Bir makalede neden önemlidir
Anlam	Yeniden yazımın kaynak metne ne kadar yakın olduğu, 0 ile 1 arasında bir benzerlik puanı olarak	Daha düşük bir puan, paragrafın artık başka bir şey söylediği anlamına gelir
Atıflar korunmuş	Metin içi atıfların aynı yazar ve yıl ile hâlâ yerinde olma oranı	Değişen bir yıl, kaynak listesiyle eşleşmeyi bozar
Sayılar korunmuş	Kontrol edilen sayıların metinde hâlâ yer alma oranı	Kaybolan bir örneklem büyüklüğü ya da p-değeri sonucu değiştirir
Uydurulan ögeler	Çıktıda, kaynağın hiç içermediği sayılar ve adlar	Uydurulmuş bir rakam, çalışma hakkında yanlış bir ifadedir
Eklenen dilbilgisi hataları	LanguageTool ile sayılan, 1.000 kelime başına yeni hata sayısı	Hatalar not kaybettirir ve hakem güvenini azaltır
Okuma düzeyi	Flesch-Kincaid düzeyindeki değişim	AI metni, yayımlanmış insan nesrine göre daha yüksek bir düzeydedir
Üslup konumu	Metnin tipik insan yazımı ile tipik AI yazımı arasındaki konumu	Stilometrik algılayıcılar bu özelliklere tepki verir
Uzunluk	Çıktı uzunluğunun kaynak metne oranı, 0.70 ile 1.30 kat arası korunmuş sayılır	Bir metni yarıya indiren bir araç, içeriği azaltmıştır

Üslup konumu, TextPulse tarafından 121,092 akademik metinden elde edilen 47 üslup özelliğine dayalı olarak geliştirilen bir ölçekten gelir, bu ölçek bizim stilometrik sınıflandırma makalemizde açıklanmıştır. Tipik insan akademik metni 0, tipik AI metni ise 100 üzerindedir. İnsan metinlerinin orta yarısına (-36 ile 33 arası) insan aralığı diyoruz.

Sözcük dağarcığı, bizim AI sözcük dağarcığı makalemizde yer alan 1,057 kelimelik bir listeye göre puanlandı. Bunların 581'i, AI modellerinin insanlarınkinden daha fazla kullandığı kelimelerdir ve 476'sı ters yönde eğilim gösterir. Çalışma, her aracın 1.000 kelime başına kaç AI eğilimli kelimeyi çıkardığını saydı.

Her humanizer'ın metne yaptığı şey

Çalışmadaki her araç, çıktısını stil ölçeğinin insan ucuna doğru kaydırdı. İşlenmemiş AI metinleri ortalama 138 değerine ulaştı, bu da tipik AI metni olan 100'ün ötesindeydi. Yeniden yazımdan sonra, bazı araçlar insan aralığına ulaştı, diğerleri ise yaklaşık yarı yolda durdu. Her araç ayrıca AI eğilimli kelime dağarcığını kaldırdı ve okuma düzeyini düşürdü, bu nedenle değişimin yönü alan genelinde aynıydı.

İki tür özellik, bir metni ölçek boyunca en çok hareket ettirir. İlk çift, ortalama kelime uzunluğu ve uzun kelimelerin oranıdır. "help" ifadesinin "facilitate" olarak yeniden yazılması, ortalama kelime uzunluğunu artırdığı ve uzun kelimelerin oranını yükselttiği için metni daha AI benzeri hale getirir. İkincisi, değişken cümle uzunluğudur, bu da insan yönüne doğru iter. Tüm cümlelerin 22 ile 26 kelime arasında olduğu bir paragraf düzdür, ancak 9 kelimelik bir cümle ile 31 kelimelik bir cümleyi bir araya getiren bir paragraf değişkendir.

Amaç, daha düşük bir okuma düzeyine ulaşmaktır. AI tarafından yazılmış akademik metin, yayımlanmış insan akademik düzyazısından daha yüksek bir Flesch-Kincaid düzeyine sahiptir. Dolayısıyla, bu düzey düşerse, yazı araştırmacıların yazdığı yalın üsluba daha çok benzer. Stilometrik algılayıcıların tepki verdiği şey budur. Bunlar aynı zamanda bir taslağı okumayı daha kolay hale getiren değişikliklerdir. İçerik olduğu gibi kaldığı sürece, iki hedef birbiriyle uyumludur.

humanizer'ların bir cümleyi nasıl değiştirdiği üzerine yazımız, bu düzenlemeleri cümle cümle gösterir. Çalışma, ölçümü ekler, yani her değişikliğin metni ne kadar ileri taşıdığı ve bunun anlam ve olgular açısından neye mal olduğu.

Araçların farklılaştığı noktalar: anlam, atıflar ve sayılar

Araçlar, koruma oranları bakımından farklılık gösterdi. Örneğin, çalışma genelinde atıfların yüzde 29 ile 100'ü arasında bir kısmı korundu. Çıktı başına 0.06 ile 4.44 arasında uydurulmuş öğe ortaya çıktı. 1,000 kelime başına 0.65 ile 4.91 arasında yeni dilbilgisi hatası ortaya çıktı. Uydurulmuş öğeler, örneklem büyüklükleri, yüzdeler, güven sınırları, yazar adları ve kaynağın hiç anmadığı kurumlardı.

İsimler ve birimler daha sessiz biçimlerde kayboldu. Bir araç bir istatistiği yeniden ifade ettiğinde, çoğu zaman birimi düşürdü, bu yüzden "Cohen's d" bir etki büyüklüğü haline geldi ve "Celsius" dereceye dönüştü. Yazar adları, atıflarıyla birlikte kayboldu. Tür, dönem ve araç adları bir betimlemeyle değiştirildi. Bir sonucu kontrol etmek isteyen bir okuyucu bu isimlere ihtiyaç duyar, bu yüzden bu kayıpların her biri önemlidir.

Yeniden yazma derinliği ve sadakat ters yönlerde baskı yapar. Sözcüklerin üçte birini değiştiren bir araç, anlamı daha kolay korur. Sözcüklerin çoğunu değiştiren bir araç ise bir şeyi kaybetmek için daha fazla fırsata sahiptir. Değiştirilen sözcüklerin oranı yüzde 35 ile 68 arasında değişti. Bir araştırmacının istediği sonuç, anlamı yine de koruyan derin bir yeniden yazımdır. Bu birleşim nadirdi.

Çalışma ayrıca gizli karakterleri de aradı, görünmez karakterler, standart dışı boşluklar ve Kiril ya da Yunan alfabelerinden alınmış benzer görünümlü harfler. Bazı humanizer'lar, bir detector'ın sonucunu değiştirmek için bunları ekler. Bu çalışmada hiçbir araç böyle bir şey eklemedi, bu nedenle hiçbir çıktı bu nedenle kalite kapısından geçemedi.

Yalnızca bir detector sonucu neden zayıf bir humanizer ölçütüdür

Tek başına bir detector sonucu, eksik bir humanizer ölçütüdür. AI humanizer karşılaştırma çalışmasında, GPTZero'nun en sık insan olarak etiketlediği çıktılar, daha fazla sayı ve isim uyduran, daha fazla atıf düşüren ya da daha fazla dilbilgisi hatası ekleyen araçlardan geliyordu. Bir detector'ın tahminini değiştirmenin en kolay yolu, metnin ne söylediğini değiştirmektir. Böyle bir yeniden yazım, yardımcı olması amaçlanan makaleyi başarısızlığa uğratır.

Her iki tarafı aynı anda ölçmek için çalışma bir kalite kapısı belirledi. Bu kapıdan geçmek için bir çıktının en az 0.95 anlam puanına ve atıflarının en az yüzde 90'ına sahip olması gerekiyordu. Ayrıca uydurulmuş sayı ya da isim, gizli karakter ve tolerans içinde bir uzunluk gerektiriyordu. O zaman GPTZero'nun insan etiketi yalnızca kapıyı geçen çıktılar için sayıldı. Kapı her araç için aynıydı.

Her aracın çıktısı, sayfa başına bir metin olacak şekilde tek bir belgeye alındı. Çalışma, belge için Turnitin'in tek AI yüzdesini kullandı. Turnitin, yüzde 20'nin altı için sayı yerine bir yıldız işareti kullanır. Dedektörlerin sonuçları, çalışma tarihlerinde tek bir dedektör sürümünden elde edilen tahminlerdir. Turnitin AI skorunuzu okuma konusunda, bir Turnitin AI skorunun ne anlama geldiği hakkındaki rehberimizde yazdık.

TextPulse'un humanizer karşılaştırmasında nasıl performans gösterdiği

TextPulse, çalışmanın bileşik indeksinde ilk sırada yer aldı, bu indeks yeniden yazma derinliği, anlam, üslup konumu, dilbilgisi ve içerik bütünlüğüne eşit ağırlık verir. TextPulse'un bu beş ölçüt için skorları 0.811, kapılı dedektör ölçütü eklendiğinde ise 0.843 idi. İyi performans göstermesinin nedeni, zayıf herhangi bir ölçütünün olmamasıydı. Her metnin yarısından fazlasını yeniden yazdı ve bir makalenin dayandığı olguları korudu.

Ölçüt	TextPulse sonucu
Değiştirilen kelimeler	52%
Korunan anlam (kaynağa benzerlik)	0.971, yaklaşık 97%
Korunan atıflar	99%
Korunan sayılar	87%
Korunan adlandırılmış varlıklar	95%
Eklenen dilbilgisi hataları	1.000 kelime başına 0.65, çalışmadaki en düşük değer
Uydurulan öğeler	Çıktı başına 0.48, elli çıktıda bir uydurulmuş ad
Okuma düzeyi	3.6 sınıf daha düşük, en büyük düşüş
AI eğilimli kaldırılan kelimeler	1.000 kelime başına 39, çalışmadaki en yüksek değer
Üslup konumu	29, insan aralığının içinde
Uzunluk toleransı içinde kalan çıktılar	48 çıktının 47'si
Kalite kapısını geçen çıktılar	67%
Tüm çıktılardan oluşan tek belge için Turnitin AI skoru	24%, çalışmadaki en düşük değer (eşit)
Kapıyı geçen çıktılar için GPTZero insan etiketi	10.4% (48'de 5), çalışmadaki en yüksek değer

Akademik kullanım için en önemli iki sonuç vardır. Kelimelerin en az yarısını değiştiren araçlar arasında, TextPulse anlamı en iyi korudu. Anlam puanı 0.97 veya daha yüksek olan araçlar arasında ise, en çok kelimeyi değiştirdi. Çalışmada başka hiçbir araç bu iki grupta birlikte yer almadı. Akademik yazım için bir humanizer, bu birleşime ihtiyaç duyar, çünkü hafif bir yeniden yazım AI üslubunu yerinde bırakır ve olguları düşüren derin bir yeniden yazım bulguları değiştirir.

GPTZero, TextPulse çıktılarının 48'inin 9'unu insan olarak etiketledi ve bunların 5'i kalite eşiğini de geçti, bu da çalışmadaki en yüksek eşikli sonuç oldu. TextPulse çıktılarının Turnitin belgesi 24% AI puanı aldı, bu da en düşük puanla eşitti. Diğer belgeler 28 ile 74% arasında puan aldı. Dedektör sonuçları tahmindir ve çalışma bu nedenle bunları metin ölçütlerinin yanında raporlar.

Çalışmanın size söyleyemeyeceği şeyler

AI humanizer karşılaştırma çalışması kendi sınırlamalarını listeler. Metinler, sabit bir isteme göre AI modelleri tarafından yazılmıştır ve gerçek taslaklar daha uzundur ve daha az tekdüzedir. Her araç, varsayılan ayarında, 26 ile 28 August 2026 arasında bir kez çalıştırıldı. Satıcılar araçlarını günceller, bu nedenle sonuçlar yalnızca o tarihleri tanımlar ve bir anlık görünüm olarak okunmalıdır.

Farklı araçların farklı sayıda metni vardır, çünkü aracın işleyeceği ücretsiz metin sayısı belirli bir miktarla sınırlıdır. Bu durum, daha az metne sahip araçlar için daha geniş güven aralıklarıyla da sonuçlanır. Turnitin belge başına bir puan üretir ve bu nedenle metin başına bir puan dağılımına sahip değildir. GPTZero tek bir dedektördür, tek bir model sürümüdür (2026-08-09-base).

TextPulse çalışmayı yaptı ve içindeki araçlardan biridir. Her araca aynı girdiler verildi. Protokole göre, tüm ölçütler herkese açık betiklerdir ve tüm ham sonuçlar paylaşılmıştır. Bu, herkesin sayıları yeniden çalıştırabileceği veya bunları farklı biçimde ağırlıklandırabileceği anlamına gelir. Kaynak metinler, 432 çıktının tamamı, dedektör yanıtları ve betikler herkese açıktır.

Bulguları kendi taslağınızda nasıl kullanabilirsiniz

Bulgular, bizimki de dahil olmak üzere herhangi bir humanizerdan sonra çalıştırabileceğiniz kısa bir denetime dönüşür. Çıktıyı, çalışmanın saydığı şeyler açısından taslağınızla karşılaştırın. Tek bir bölümde bu işlem birkaç dakika sürer.

1. Her sayıyı taslağınızla karşılaştırın: örneklem büyüklükleri, yüzdeler, p değerleri ve güven aralıkları.
2. Her metin içi atfı aynı yazar ve yıl açısından kontrol edin, ardından bunu kaynak listenizle eşleştirin.
3. Değişen adları arayın: araçlar, türler, veri kümeleri, birimler ve yazar adları.
4. "may indicate" ifadesinin "shows" olarak yeniden yazılması gibi, daha güçlü hale gelen iddiaları okuyun.
5. Uzunluğu karşılaştırın. Çıktının kaynak metinden çok daha kısa olması, muhtemelen içeriğin çıkarıldığını gösterir.
6. Yeniden yazımın eklediği dilbilgisi hatalarını yakalamak için metni sesli okuyun.

Uzunluk, bu kontrollerin en hızlısıdır. Çalışmada, kaynak uzunluğun 0.70 ile 1.30 katı arasındaki bir çıktı korunmuş sayıldı. TextPulse, 48 çıktının 47'sini bu bant içinde tuttu, kaynak metnin ortalama 1.14 katı düzeyinde, bu nedenle çıktıları taslaklardan biraz daha uzun sürdü.

Atıfları elle kontrol etmek en uzun süren iştir. Çalışmada, TextPulse bunların yüzde 99'unu korudu ve değişiklikleri, parantez içi bir atfın anlatı biçimindeki bir atfa dönüştürülmesi gibi sunum düzeyindeydi. Atıf işaretlerinizi kendi metninizde neleri kontrol etmeniz gerektiğini açıklayan atıfları koruyan bir AI humanizer hakkındaki yazımızı inceleyin.

ücretsiz burstiness checker, taslağınızdaki cümle uzunluklarının ne kadar değiştiğini ölçer. Değişken cümle uzunluğu, çalışmanın ölçeğinin insan yazımına doğru ağırlık verdiği özelliklerden biridir. Fiyatlarla birlikte sıralı bir rehber için, akademik yazım için en iyi AI humanizer rehberimize bakın. Yeniden yazmaya hazır olduğunuzda, TextPulse AI humanizer, sayılarını, adlarını ve atıflarını korumak üzere tasarlanmıştır ve sonuç için tahmini bir Human Score bildirir.