کیا Turnitin ChatGPT کو شناخت کر سکتا ہے؟ یہ کیا پکڑتا ہے اور کیا چھوڑ دیتا ہے

جی ہاں، لیکن صرف AI کے ایک مخصوص استعمال کے لیے، اور ایک ایسی رپورٹ کے اندر جسے زیادہ تر طلبہ کبھی نہیں دیکھتے۔ Turnitin کا AI writing indicator ایسی نثر کو نشان زد کرتا ہے جو شماریاتی طور پر کسی language model کی معمول کی نثر جیسی لگتی ہے، اور یہ ان مضامین کے بڑھتے ہوئے حصے پر ایسا کرتا ہے جنہیں یہ اسکین کرتا ہے: اکتوبر 2025 سے فروری 2026 کے درمیان تقریباً 15 percent میں 80 percent یا اس سے زیادہ AI-generated writing دکھائی گئی، جو اپریل 2023 میں اس tool کے آغاز کے وقت تقریباً 3 percent تھی۔ آیا یہ آپ کی مخصوص submission کو نشان زد کرتا ہے یا نہیں، اس کا انحصار ان تفصیلات پر ہے جنہیں can Turnitin detect ChatGPT کے زیادہ تر جوابات نظر انداز کر دیتے ہیں: AI report plagiarism report سے کیسے مختلف ہے، اصل میں number کس کو دکھایا جاتا ہے، اور وہ number کتنی بار غلط ثابت ہوتا ہے۔

یہ post عمومی طور پر academic integrity کے بجائے اسی ایک product کے mechanics پر بحث کرتی ہے۔ یہ واضح کرتی ہے کہ AI writing report کیا measure کرتی ہے، independent testing نے اس کے درست اور غلط نتائج کے بارے میں کیا پایا ہے، اور کیوں دو طلبہ ایک جیسا کام جمع کرائیں تو بھی، اس بات پر مختلف نتائج مل سکتے ہیں کہ وہ کس university میں پڑھتے ہیں۔ ان میں سے کوئی بات آپ کے اپنے course handbook میں acceptable AI use کے بارے میں درج ہدایت کو تبدیل نہیں کرتی۔ یہ black box کے بارے میں ایک اندازے کی جگہ اس کی اصل اندرونی ساخت کی وضاحت رکھتی ہے۔

Can Turnitin Detect ChatGPT? رپورٹ اصل میں کیا دکھاتی ہے

Turnitin AI writing report، plagiarism کی جانچ کرنے والی similarity report سے الگ product ہے۔ یہ مختلف models پر چلتے ہیں اور اسی interface کے مختلف tabs میں دکھائے جاتے ہیں۔ similarity score آپ کی submission کو دیکھتا ہے اور اسے پہلے سے شائع شدہ sources اور دوسرے student papers کے database سے compare کرتا ہے تاکہ وہ percentage واپس دے جو match کرتی ہے۔ AI score بالکل کچھ اور کرتا ہے: یہ ایک classifier ہے جو آپ کی نثر کو جملہ بہ جملہ پڑھتا ہے، ہر جملے کو AI-generated ہونے کے امکان کی ایک likelihood دیتا ہے، اور پھر ان sentence-level scores کو ملا کر document کا ایک واحد percentage بناتا ہے۔ چونکہ یہ مختلف چیزوں کی پیمائش کرتے ہیں، اس لیے ایک submission کا similarity score 2 percent اور AI score 60 percent ہو سکتا ہے، یا اس کے برعکس بھی۔

یہ فیصد دراصل جتنا سننے میں لگتا ہے اس سے زیادہ محدود ہے۔ یہ اہل نثری متن کے اس حصے کا تناسب ہے جسے ماڈل AI کے ذریعے لکھا ہوا سمجھتا ہے، نہ کہ پورے دستاویز کا، کیونکہ اسکور نکالتے وقت وہ کوڈ بلاکس، بلٹ پوائنٹس، سرخیاں اور مختصر طرزِ تحریر جیسی چیزیں ہٹا دیتے ہیں۔ یہ ڈیٹیکٹر صرف ان دستاویزات پر لاگو ہو سکتا ہے جن میں کم از کم 300 الفاظ کی طویل نثری تحریر ہو، اور اس تحریر کے وقت یہ صرف انگریزی، ہسپانوی اور جاپانی متن کے لیے ہے۔ جیسا کہ توقع کی جا سکتی ہے، عام طور پر AI detectors اس اسکور کو کیسے شمار کرتے ہیں کے ساتھ رکھ کر دیکھا جائے تو یہاں بھی مانوس نمونہ سامنے آتا ہے, ایک ایسا دستاویزی سطح کا عدد جو بظاہر دقیق دکھائی دیتا ہے مگر متن کے اس حصے سے بنایا جاتا ہے جو سرخی میں ظاہر ہونے والے مفہوم سے زیادہ محدود ہوتا ہے۔

AI کے طور پر کیا ظاہر ہوتا ہے: ChatGPT اور باقی

Turnitin کہتا ہے کہ اس کا classifier کسی برانڈ نام کے بجائے تحریری نمونے کو دیکھتا ہے، اور 2023 میں اصل GPT-3.5 اور GPT-4 کے اجرا کے بعد سے اس کی کوریج بار بار وسیع ہوئی ہے۔ موجودہ رہنمائی میں GPT-5 سیریز، Gemini اور Claude کو ان نظاموں میں شمار کیا گیا ہے جن کے خلاف اسے تربیت دی گئی ہے، اور نئے ماڈل ریلیز مسلسل شامل کی جا رہی ہیں۔ اس میں وہ متن بھی شامل ہے جو خاص طور پر ChatGPT سے کبھی نہیں گزرا۔ اگر کسی طالب علم نے اس کے بجائے Gemini، Claude یا DeepSeek استعمال کیا ہو تو وہ صرف کسی دوسری کمپنی کا انتخاب کر کے ڈیٹیکٹر سے بچ نہیں رہا؛ Turnitin کی اپنی وضاحت واضح کرتی ہے کہ ماڈل اس بات پر انحصار نہیں کرتا کہ متن کس فروشندہ نے تیار کیا، بلکہ صرف اس بات پر کہ متن پڑھنے میں کیسا ہے۔

AI متن کی پیرا فریزنگ کو معافی نہیں بلکہ اپنی الگ قسم دی جاتی ہے۔ Turnitin کی دستاویزات اس متن کو الگ کرتی ہیں جسے وہ صرف AI-generated سمجھتا ہے اور اس متن سے جسے وہ AI-generated سمجھنے کے بعد AI-paraphrased بھی قرار دیتا ہے، اور اگست 2025 میں اس نے خاص طور پر ایسے AI bypasser tools کے خلاف detection شامل کیا جو مشینی output کو دوبارہ لکھ کر ڈیٹیکٹر سے گزارنے کے لیے بنائے گئے ہیں۔ اس کا یہ مطلب نہیں کہ پیرا فریزنگ بے فائدہ ہے یا ہر دوبارہ لکھا گیا اقتباس پکڑا جاتا ہے۔ اس کا مطلب یہ ہے کہ یہ مفروضہ کہ پیرا فریزنگ بطورِ default Turnitin سے اوجھل رہتی ہے، کافی عرصے سے پرانا ہو چکا ہے۔

Turnitin کا AI اسکور کتنا درست ہے؟

Turnitin کا درستگی کا دعویٰ ایک مرکزی عدد پر آ کر ٹھہرتا ہے: اس کے مطابق وہ ان دستاویزات میں false positive rate کو 1 percent سے کم رکھتا ہے جن میں متن کا 20 percent سے زیادہ حصہ flag کیا گیا ہو۔ کمپنی یہ بھی کہتی ہے کہ وہ اپنے models کے ہر نئے version کو 700,000 academic papers کے خلاف test کرتی ہے جو ChatGPT کے وجود میں آنے سے پہلے لکھی گئی تھیں، تاکہ اس درستگی کی تصدیق ہو سکے۔ یہ ایک مخصوص، قابلِ آزمائش دعویٰ ہے جو حالات کے ایک خاص مجموعے سے متعلق ہے۔ اسے بالکل اسی حیثیت سے پڑھنا چاہیے۔ Turnitin نے 2023 میں، اپنی launch کے فوراً بعد، درستگی کے بارے میں دیگر دعوے بھی کیے۔ کمپنی کے chief product officer نے عوامی طور پر تسلیم کیا کہ lab testing اس بات کی پیش گوئی نہیں کر سکی تھی کہ real-world use میں کتنے false positives سامنے آئیں گے، خاص طور پر short submissions میں، اور اس نے کہا کہ false positives کی شرح testing کے مقابلے میں عملی استعمال میں زیادہ تھی۔ اس نے sentence-level false positive rate کو تقریباً 4 percent بتایا اور نوٹ کیا کہ اس کے نتیجے میں Turnitin نے ان submissions کی minimum length 150 سے بڑھا کر 300 words کر دی جنہیں score کیا جا سکتا ہے۔ موجودہ minimum اب بھی 300 words ہے۔

Independent testing vendor کے اعداد و شمار میں وہ تفصیل شامل کرتا ہے جو vendor figure میں نہیں ہوتی۔ Temple University's Center for the Advancement of Teaching نے دستیاب زیادہ محتاط examinations میں سے ایک کیا، اسی جذبے کے ساتھ جیسے AI detectors کی independent testing میں ہوتا ہے، جو lab conditions اور حقیقی submissions کے درمیان موجود gaps کو بار بار سامنے لاتی ہے۔ محققین نے 120 writing samples جمع کرائے، جنہیں برابر طور پر مکمل انسانی تحریر، مکمل AI-generated تحریر، paraphrasing tool سے گزارا گیا AI-generated تحریر، اور انسانی اور AI contributions کو ملانے والے hybrid texts میں تقسیم کیا گیا، اور ہر ایک کے لیے Turnitin کا جواب درج کیا۔ اس tool نے خالص انسانی samples میں سے 93 percent اور خالص AI-generated samples میں سے 77 percent کو درست طور پر شناخت کیا۔

زیادہ مشکل سوالات میں، درستگی اس سے بھی کم ہو گئی۔ Turnitin نے پیرا فریز کیے گئے AI نمونوں میں سے صرف 63 فیصد کو درست طور پر AI-generated کے طور پر شناخت کیا اور hybrid نمونوں میں سے صرف 43 فیصد کو نہ مکمل انسانی اور نہ مکمل AI کے طور پر، جو وہ زمرے ہیں جو اس بات کے سب سے قریب ہیں کہ AI کی مدد سے لکھی گئی تحریر حقیقت میں کیسے تیار ہوتی ہے۔ خاص طور پر hybrid متن محققین کی دلچسپی کا باعث تھا، کیونکہ ان کا خیال ہے کہ آگے چل کر یہ حقیقی submissions کے ایک بڑے حصے، ممکنہ طور پر اکثریت، کی نمائندگی کرے گا، کیونکہ زیادہ courses ایسے tasks تفویض کر رہے ہیں جن میں students سے کہا جاتا ہے کہ وہ کام کے ایک حصے کے لیے AI استعمال کریں۔

کیا جانچا گیا	Turnitin کا نتیجہ
100% انسانی طور پر لکھے گئے نمونے	93% کو درست طور پر انسانی کے طور پر شناخت کیا گیا
100% AI-generated نمونے	77% کو درست طور پر AI کے طور پر شناخت کیا گیا
AI متن کو paraphrasing tool سے گزارا گیا	63% کو درست طور پر AI کے طور پر شناخت کیا گیا
Hybrid نمونے، کچھ حصہ انسانی اور کچھ حصہ AI	43% کو درست طور پر نہ 0% اور نہ 100% کے طور پر شناخت کیا گیا
20% سے زیادہ flagged دستاویزات, (Turnitin کا اپنا اعداد و شمار)	1% سے کم false positive rate

وہ کہاں ناکام ہو جاتا ہے، حتیٰ کہ جب عدد درست دکھائی دے

دستاویز کی سطح کا score وہ واحد چیز نہیں ہے جو ایک instructor دیکھ سکتا ہے، اور دوسرا منظر کم قابلِ اعتماد ہے۔ کچھ interfaces ایک instructor کو flag report کھولنے دیتے ہیں جو مخصوص جملوں کو ممکنہ طور پر AI-written کے طور پر نمایاں کرتی ہے۔ Temple کے محققین نے ان highlights کا موازنہ اس سے کیا کہ ان کے hybrid نمونوں میں کون سے جملے واقعی AI-written تھے، اور دونوں کے درمیان کوئی تعلق نہیں پایا۔ یہ اس صورت میں اہم ہے اگر کوئی professor آپ کو summary percentage کے بجائے highlighted paragraph کا screenshot بھیجے: مجموعی document score نے sentence-level highlights کے مقابلے میں کافی بہتر کارکردگی دکھائی۔

کم اسکورز کے ساتھ برتاؤ ایک بار پھر مختلف ہوتا ہے، اور پہلے کی نسبت زیادہ احتیاط سے کیا جاتا ہے۔ July 2024 سے، Turnitin نے ہر اس موقع پر عدد کی جگہ ایک ستارہ دکھانا شروع کیا ہے جب اس کا ماڈل اندازہ لگاتا ہے کہ کسی دستاویز کا 20 percent سے کم حصہ AI-written ہے، کیونکہ یہی وہ حد ہے جہاں یہ ٹول دونوں سمتوں میں غلط ہونے کا سب سے زیادہ امکان رکھتا ہے۔ ہلکی سی AI-assisted تدوین, ایک پیراگراف کو مدد کے ساتھ دوبارہ لکھنا اور باقی متن کو بغیر مدد کے لکھنا, اکثر کسی چھوٹے فیصد کے بجائے بالکل کوئی مرئی فیصد ظاہر نہیں کرتی، اور کسی عدد کی عدم موجودگی کو کسی چیز کا ثبوت سمجھنے سے پہلے یہ بات جاننا اہم ہے۔

عدد کو اصل میں کون دیکھتا ہے

AI score بطورِ default طالب علم کو دکھائی جانے والی رپورٹ کا حصہ نہیں ہوتا۔ یہ اپنی الگ tab پر موجود ہوتا ہے، جو instructors اور administrators کو نظر آتی ہے، اور student اسے صرف اس صورت میں دیکھتا ہے جب instructor رپورٹ share کرنے یا اسے براہِ راست raise کرنے کا انتخاب کرے۔ یہ similarity score سے ایک حقیقی ساختی فرق ہے، جسے students عموماً خود اسی system کے اندر دیکھ سکتے ہیں، ایک submission کے process ہونے کے بعد۔

یہی بات اس پر بھی لاگو ہوتی ہے کہ آیا کسی خاص course کے لیے یہ feature موجود بھی ہے یا نہیں، اور یہ فیصلہ instructor سے بالاتر institutional decision ہوتا ہے۔ account-level administrators پوری institution کے لیے Turnitin کی AI detection کو on یا off کر سکتے ہیں۔ ایک lecturer اسے on نہیں کر سکتا اگر اس کی university نے اسے off کر دیا ہو، اور اس کے برعکس بھی یہی صورت ہے۔ ایک university کا student اگر دوسری university کے کسی دوسرے student جیسا کام submit کرے تو اس tool کے بارے میں اس کا تجربہ بہت مختلف ہو سکتا ہے، ان وجوہات کی بنا پر جن کا ان دونوں میں سے کسی کے لکھے ہوئے متن سے کوئی تعلق نہیں ہوتا۔

کچھ universities نے اسے کیوں off کر دیا ہے

University of Waterloo نے September 2025 میں Turnitin کی AI detection feature بند کر دی، اور اس کی شائع شدہ وجہ غیر معمولی طور پر صاف ہے۔ university نے tool کی documented unreliability، ان students کے خلاف اس کے bias کا حوالہ دیا جن کی پہلی زبان English نہیں ہے، اور اپنی internal testing کا ذکر کیا، جس میں کم از کم ایک case ایسا تھا کہ مکمل طور پر human-written text کو 100 percent AI-generated قرار دیا گیا۔ tool کے expense کے مقابلے میں university نے نتیجہ اخذ کیا کہ costs، benefits سے زیادہ تھیں، اور اس کے بجائے effort کو assessment redesign اور AI literacy training کی طرف موڑ دیا۔

Waterloo ایک وسیع تر تقسیم کی ایک نمایاں مثال ہے، کوئی outlier نہیں۔ جو universities feature کو switched on رکھتی ہیں، انہوں نے عموماً score کو اپنے آپ میں verdict سمجھنے کے بجائے guardrails شامل کیے ہیں، اور formal عمل شروع ہونے سے پہلے student کے ساتھ conversation ضروری قرار دی ہے، اور number کو اس conversation کو شروع کرنے کی وجہ سمجھا ہے، ختم کرنے کی نہیں۔ universities AI policy کو کس طرح handle کر رہی ہیں اس پر مزید reading سے pattern زیادہ واضح ہو جاتا ہے: آیا کوئی score آپ تک پہنچتا بھی ہے یا نہیں، یہ اس فیصلے پر depend کرتا ہے جو آپ کے seminar room سے بہت اوپر کیا گیا ہو، نہ کہ technology کی اپنی کسی fixed property پر۔

ایک بلند score کیا ثابت کرتا ہے، اور کیا ثابت نہیں کرتا

ایک بلند AI score evidence ہے، verdict نہیں۔ Turnitin خود percentage کو instructor کے judgment کے لیے ایک data point کے طور پر پیش کرتا ہے، misconduct کے finding کے طور پر نہیں، اور اوپر دی گئی accuracy figures بتاتی ہیں کہ یہ framing کیوں اہم ہے: حتیٰ کہ document-level score جو معقول حد تک اچھی کارکردگی دکھاتا ہے، heavily edited، paraphrased یا hybrid writing کے ایک معنی خیز حصے کو غلط پڑھ لیتا ہے، اور sentence-level highlights summary number کے مقابلے میں نمایاں طور پر کم reliable ہیں۔ ان میں سے کوئی بات یہ guarantee نہیں کرتی کہ کسی individual score میں غلطی ہے۔ اس کا مطلب یہ ہے کہ ایک percentage سوالات پوچھنے کی وجہ ہے، نہ کہ ایسی finding جسے دیکھتے ہی قبول کر لیا جائے۔ اگر آپ یہ دیکھنا چاہتے ہیں کہ آپ کی اپنی writing دوسروں کے score کرنے سے پہلے کہاں کھڑی ہے، تو classifier جن low-variation، generic-phrasing patterns پر react کرتا ہے، انہیں براہ راست free perplexity checker کے ساتھ check کیا جا سکتا ہے۔

TextPulse کا طلبہ کے لیے AI humanizer اسی شماریاتی بنیاد پر کام کرتا ہے، اور اسی طرح اس کا مفت burstiness checker بھی اسی پیمائش کے جملوں کی روانی والے نصف حصے کے لیے کام کرتا ہے۔ یہ آپ کے اپنے مسودے کی بنیاد پر ایک تخمینی Human Score دیتا ہے، نہ کہ اس بات کی پیش گوئی کہ Turnitin اس کے بارے میں کیا کہے گا۔ کوئی بھی tool ذمہ داری کے ساتھ ایسی بات کا وعدہ نہیں کر سکتا جس نظام پر اس کا اختیار ہی نہ ہو۔ اسے اپنی تحریر کی ایک دوسری قرأت سمجھیں، اس سے زیادہ نہیں۔

ان میں سے کئی سوالات کے اپنے صفحات موجود ہیں۔ کیا کوئی professor یہ بتا سکتا ہے کہ آپ نے ChatGPT استعمال کیا تھا بغیر کسی detector کے، اور اس کا زیادہ صریح روپ، کیا میں پکڑا جاؤں گا, الگ سے جواب دیے گئے ہیں۔ اسی طرح paraphrased متن پر Turnitin کا رویہ بھی، اور خاص طور پر کیا Turnitin DeepSeek output کو detect کرتا ہے بھی۔ مخصوص settings کے لیے nursing programmes میں AI detection اور کیا college admissions offices یہ checks چلاتی ہیں پر مضامین موجود ہیں۔ وسیع تر framing ایک الگ مضمون میں academic integrity اور AI پر موجود ہے۔

ان میں سے کوئی بات غالباً آخری version نہیں ہے۔ Turnitin نے 2023 کے بعد سے اپنی thresholds، اپنی visibility rules اور اپنی model coverage کو ایک سے زیادہ بار دوبارہ لکھا ہے، اور August 2026 بھی آخری لفظ نہیں ہوگا۔ جو چیز مستقل رہتی ہے وہ ایک ایسی عادت ہے جو اس سے قطع نظر اختیار کرنے کے قابل ہے کہ کسی course میں کون سا detector استعمال ہوتا ہے, اتنی specific، غیر یکساں، واقعی آپ کی اپنی تفصیل کے ساتھ لکھیں کہ classifier جو بھی سوچے، وہ غیر متعلق ہو جائے۔