Turnitin مماثلت اسکور بمقابلہ AI اسکور: دو مختلف رپورٹس
مماثلت اسکور اور AI اسکور مختلف سوالات کے جواب دیتے ہیں، اس لیے ایک مقالہ ایک میں کم اور دوسرے میں زیادہ اسکور کر سکتا ہے، اور دونوں میں سے کوئی عدد غلط نہیں ہوتا۔ ہر ایک کیا ناپتا ہے، اسے کیا متحرک کرتا ہے، اور بلند عدد کیا ثابت کرتا ہے اور کیا نہیں ثابت کرتا۔
ایک رپورٹ دو اعداد کے ساتھ سامنے آتی ہے: 3 فیصد کا مماثلت اسکور اور 88 فیصد کا AI اسکور۔ فطری طور پر یہ سمجھا جاتا ہے کہ یہ دونوں ایک ہی چیز کی پیمائش کر رہے ہوں گے، اس لیے کم عدد کا مطلب یہ ہونا چاہیے کہ زیادہ عدد بھی غالباً غلط ہے۔ مگر ایسا نہیں ہوتا۔ Turnitin similarity vs AI score دو الگ نظاموں کا موازنہ ہے جو دو الگ چیزوں کی جانچ کرتے ہیں، اور ایک ہی جمع کرائی گئی تحریر ایک میں کم اور دوسرے میں زیادہ اسکور کر سکتی ہے، بغیر اس کے کہ دونوں میں سے کوئی عدد غلط ہو۔
یہ AI والے نظام سے پرانا ہے، اور اس لیے بنایا گیا تھا کہ ایسے متن کو پکڑے جو پہلے سے موجود کسی متن سے مشابہ ہو۔ یہ نیا ہے، اور اسی Similarity Report میں ایک الگ، خود مختار پیمائش کے طور پر شامل کیا گیا ہے، تاکہ یہ اندازہ لگایا جا سکے کہ نثر مشینی طور پر تیار شدہ لگتی ہے یا نہیں، اس سے قطع نظر کہ وہ کسی چیز سے مطابقت رکھتی ہے یا نہیں۔ Turnitin کی اپنی دستاویزات کے مطابق، یہ دونوں بالکل خود مختار ہیں اور ایک دوسرے پر اثر انداز نہیں ہوتے۔ اس حصے میں باقی سب کچھ.
Turnitin Similarity vs AI Score: ہر عدد کیا رپورٹ کرتا ہے
Turnitin ان دونوں کو ایک ہی نتیجے کے دو زاویے سمجھنے کے بجائے ایک ہی مصنوعات میں شامل دو مختلف پیمائشیں سمجھتا ہے۔ Similarity Report ایک جمع کرائی گئی تحریر کا موازنہ ویب مواد، علمی اشاعتوں، اور پہلے جمع کرائے گئے طلبہ کے مقالوں کے ڈیٹا بیس سے کرتا ہے، اور اس جمع کرائی گئی تحریر کے متن کا وہ فیصد واپس دیتا ہے جو پہلے سے اس ڈیٹا بیس میں موجود کسی چیز سے مطابقت رکھتا ہو۔ AI writing detection ایک بالکل مختلف ماڈل استعمال کرتی ہے، جسے اسی رپورٹ میں ایک خود مختار اسکور کے طور پر شامل کیا گیا ہے، اور اسے اس بات کا اندازہ لگانے کے لیے تربیت دی گئی ہے کہ کسی عبارت کی نثر مشینی طور پر تیار شدہ تحریر سے کتنی مشابہ ہے، اور اس میں کسی بیرونی ڈیٹا بیس کا کوئی حوالہ نہیں ہوتا۔ Turnitin کا AI classifier اس عدد تک کیسے پہنچتا ہے اس کے مکمل طریقہ کار کی وضاحت الگ سے کی گئی ہے، یہاں اہم بات یہ ہے کہ یہ اسی رپورٹ کے اندر موجود similarity engine سے مختلف سوال کا جواب دیتا ہے۔
Similarity score اصل میں کیا ناپتا ہے
مشابہت ایک مماثلت کی مشق ہے، کوئی فیصلہ نہیں۔ Turnitin کی اپنی رہنمائی واضح طور پر کہتی ہے کہ یہ ٹول سرقہ کی جانچ نہیں کرتا۔ یہ صرف اوورلیپ کو جانچتا ہے اور تشریح کو رپورٹ پڑھنے والے استاد پر چھوڑ دیتا ہے۔ درست طور پر الگ کی گئی اقتباس، کسی طریقہ کار کے حصے کا وہ فقرہ جو کسی پورے ذیلی شعبے میں مشترک ہو، حوالہ جات کی فہرست جو اسی انداز میں مرتب کی گئی ہو جس طرح جریدے کا ہر مقالہ اپنی حوالہ جات کی فہرست مرتب کرتا ہے, یہ سب مماثلت کے طور پر ظاہر ہو سکتے ہیں، کیونکہ نظام متن کی اوورلیپ کرنے والی تاروں کو شمار کرتا ہے، اس بات کا فیصلہ نہیں کرتا کہ آیا یہ اوورلیپ جائز ہے یا نہیں۔
یہی وجہ ہے کہ صفر کا similarity score بھی اتنا ثابت نہیں کرتا جتنا بظاہر لگتا ہے۔ اس کا مطلب یہ ہے کہ جمع کرائی گئی تحریر میں متن کا کوئی طویل، غیر منقطع حصہ ایسا نہیں جو Turnitin کے indexed sources میں کہیں اور موجود ہو۔ یہ اس بارے میں کچھ نہیں کہتا کہ موجود جملے کیسے تیار کیے گئے، کیونکہ ایسا جملہ بنانا جو database میں کسی چیز سے نہ ملے، وہی مہارت نہیں ہے جو ایسا جملہ بنانا ہے جس کی پیش گوئی کوئی language model نہ کر سکتا ہو۔
اپنے مقالے کو انسانی انداز دیں
اپنے AI کی مدد سے تیار کردہ متن کو تبدیل کریں اور اسے انسانی محسوس ہونے دیں، اہم الفاظ یا حوالہ جات کو چھوئے بغیر۔
AI Score اصل میں کیا ناپتا ہے
AI score کے پاس جانچنے کے لیے کوئی database نہیں ہوتا۔ ایک classifier جمع کرائی گئی نثر کو پڑھتا ہے اور ان نمونوں کی بنیاد پر، جو اس نے انسانی اور AI-generated تحریر کی مثالوں سے سیکھے ہوتے ہیں، اندازہ لگاتا ہے کہ وہ نثر کسی شخص کے بجائے کسی model سے آنے کا کتنا امکان رکھتی ہے۔ اس اندازے کا اس بات پر کوئی انحصار نہیں ہوتا کہ آیا وہ عین جملہ پہلے کبھی کہیں آیا ہے یا نہیں۔ کوئی جملہ مکمل طور پر منفرد ہو سکتا ہے، اس جمع کرائی گئی تحریر تک کسی نے اسے کبھی ٹائپ نہ کیا ہو، اور پھر بھی اگر اس کے لفظی انتخاب اور ردھم اس نمونے کی پیروی کریں جو language model عموماً پیدا کرتا ہے، تو وہ شماریاتی طور پر AI output کے لیے معمول کے مطابق پڑھا جا سکتا ہے۔
یہی وہ شماریاتی میدان ہے جس کا مکمل احاطہ وسیع تر بیان میں how AI detectors actually work کے تحت کیا گیا ہے: لفظی سطح کی پیش گوئی پذیری اور جملے کی سطح کا ردھم، دونوں ایک document score میں سمٹ آتے ہیں۔ Turnitin کا اس classifier کا ورژن proprietary ہے، لیکن بنیادی مفروضہ, کہ generated text عموماً انسانی تحریر کے مقابلے میں زیادہ شماریاتی طور پر معمول کے مطابق ہوتا ہے, وہی ہے جو اس زمرے کے ہر tool کے نیچے کام کر رہا ہے۔
| مشابہت اسکور | AI اسکور | |
|---|---|---|
| یہ کیا ناپتا ہے | جمع کرائی گئی تحریر کا کتنا حصہ دوسرے اشاریہ بند دستاویزات سے ملتا ہے | نثر کس حد تک اعداد و شمار کے لحاظ سے عام AI-تخلیق شدہ تحریر سے مشابہت رکھتی ہے |
| کون سی چیز بلند عدد کو متحرک کرتی ہے | طویل اقتباسات، شعبے سے متعلق عام فقرہ بندی، دوبارہ استعمال شدہ مواد، یا کسی سابقہ جمع کرائی گئی تحریر سے مطابقت | جملوں کی یکساں تال اور پوری دستاویز میں مسلسل قابلِ پیش گوئی لفظی انتخاب |
| بلند عدد کیا ثابت نہیں کرتا | یہ کہ ملتا ہوا متن غلط طور پر استعمال کیا گیا تھا۔ درست حوالہ دیا گیا مواد بھی مطابقت کے طور پر ظاہر ہو سکتا ہے۔ | یہ کہ کوئی ایک جملہ AI نے تخلیق کیا تھا۔ درجہ بند کنندہ دستاویز کے مجموعی نمونے کو پڑھتا ہے، کسی ایک سطر کو الگ سے نہیں۔ |
کیا کسی مقالے میں 0 Percent مشابہت اور 90 Percent AI اسکور ہو سکتا ہے؟
جی ہاں، اور یہ امتزاج کوئی خرابی نہیں ہے۔ دونوں اسکور مختلف سوالات کے جواب دیتے ہیں، اس لیے بلند اور کم کی چاروں ممکنہ ترکیبیں ہو سکتی ہیں، اور ہر ایک اس بات کی طرف اشارہ کرتی ہے کہ متن کس طرح تیار کیا گیا تھا۔
- کم مشابہت، کم AI اسکور: عام اصل تحریر، جو انسانی تنوع کے معمول کے ساتھ پڑھی بھی جاتی ہے۔ زیادہ تر حقیقی طالب علمانہ کام میں یہی عام صورت ہے۔
- کم مشابہت، بلند AI اسکور: اصل جملے، جو کہیں سے نقل نہیں کیے گئے، لیکن اعداد و شمار کے لحاظ سے اس طرح قابلِ پیش گوئی نظر آتے ہیں جیسے تخلیق شدہ متن عموماً ہوتا ہے۔ یہ غیر تدوین شدہ AI تحریر کی علامت ہے جسے کسی نے موجودہ ماخذ سے paraphrase نہیں کیا۔
- بلند مشابہت، کم AI اسکور: ایسا متن جو کسی موجودہ انسانی تحریر شدہ ماخذ سے قریباً مطابقت رکھتا ہو، مگر اس میں وہ اعداد و شمار والی یکسانیت نہ ہو جسے classifier تخلیق سے منسوب کرتا ہے۔ نقل شدہ متن، جسے پرانا tool پکڑ لیتا ہے مگر نیا نہیں۔
- بلند مشابہت، بلند AI اسکور: ایسا متن جو کسی موجودہ ماخذ سے ملتا ہو جو خود AI-تخلیق شدہ تھا، مثلاً پہلے جمع کرایا گیا AI-لکھا ہوا مقالہ یا AI سے تیار شدہ متن کا کوئی صفحہ جو پہلے ہی open web سے اشاریہ بند ہو چکا ہو۔
ان میں سے کوئی بھی امتزاج سافٹ ویئر کے پہلو سے کسی غیر معمولی چیز کا تقاضا نہیں کرتا۔ یہ اس حقیقت سے پیدا ہوتے ہیں کہ ایک نظام مطابقت کو جانچتا ہے اور دوسرا نمونے کو، اور متن کا ایک حصہ ان میں سے کوئی ایک خاصیت، دونوں، یا کوئی بھی نہیں رکھ سکتا ہے۔
ایک بلند AI اسکور کیا ثابت کرتا ہے، اور کیا ثابت نہیں کرتا
ایک بلند AI اسکور ایک شماریاتی تخمینہ ہے، متن سے نکالا گیا اعتراف نہیں۔ یہ بتاتا ہے کہ classifier کے سامنے موجود نثر اپنے لفظی انتخاب اور ردھم میں اس نوع کی تحریر سے مشابہ ہے جسے model کو AI generation سے منسوب کرنا سکھایا گیا تھا۔ یہ کسی مخصوص جملے کو یقینی طور پر مشینی تحریر قرار نہیں دیتا، اور یہ اس بارے میں کچھ نہیں جانتا کہ document حقیقت میں کیسے تیار ہوا تھا، صرف یہ کہ مکمل ہونے کے بعد وہ کیسا پڑھا جاتا ہے۔ TextPulse اپنے اعداد کے بارے میں بھی یہی مؤقف رکھتا ہے: وہ جو رپورٹ کرتا ہے وہ اپنے سامنے موجود متن سے نکالا گیا ایک تخمینی Human Score ہے، نہ کہ اس بارے میں کوئی فیصلہ کہ کس tool نے، اگر کسی نے، document کو چھوا تھا۔
دونوں اعداد میں سے کسی ایک کے لیے عملی ردعمل، کم similarity score ہو یا بلند AI score، ایک ہی ہے: اسے قریب سے دیکھنے کی وجہ سمجھیں، نہ کہ ایسی finding جسے پہلی نظر میں قبول یا رد کر دیا جائے۔ مسودے، نوٹس، اور version history اس بات کی شہادت دیتے ہیں کہ document حقیقت میں کیسے لکھا گیا تھا، اس طرح جس طرح کوئی percentage کبھی نہیں دے سکتا، کسی بھی report پر۔ جو کوئی یہ جاننا چاہے کہ classifier اپنے ہی مسودے میں اصل میں کس چیز پر ردعمل دے رہا ہے، وہ رپورٹ بننے سے بہت پہلے free perplexity checker کے ذریعے خود وہی لفظی سطح کا pattern دیکھ سکتا ہے۔
TextPulse کی free tools collection ان دیگر شماریاتی layers کا احاطہ کرتی ہے جن کی جانچ مسودے کو instructor تک پہنچنے سے پہلے کرنی چاہیے، صرف یہاں موازنہ کی گئی دو چیزوں تک محدود نہیں۔
جب دونوں اعداد الگ کر دیے جائیں، تو اگلا سوال یہ ہے کہ اچھا Turnitin score کس کو کہا جاتا ہے۔ دوسرے detector کے لیے جس سے students اکثر واسطہ پڑتا ہے، GPTZero کیسے کام کرتا ہے اپنی الگ page پر بیان کیا گیا ہے۔
یہ دونوں اعداد اسی رپورٹ میں ایک دوسرے کے ساتھ موجود رہیں گے، اور جلدی میں پڑھنے والے لوگ انہیں ایک ہی عدد سمجھتے رہیں گے۔ یہ جاننا کہ ان میں سے ہر ایک دراصل کس سوال کا جواب دے رہا ہے، ایک الجھا دینے والے فیصدی جوڑے کو معلومات کے دو الگ، مفید حصوں میں بدل دیتا ہے۔
اکثر پوچھے گئے سوالات
Turnitin مماثلت بمقابلہ AI اسکور اس بات پر منحصر ہے کہ ہر ایک کیا جانچتا ہے۔ مماثلت اسکور یہ رپورٹ کرتا ہے کہ کسی جمع کرائی گئی تحریر کا کتنا حصہ Turnitin کے ویب صفحات، اشاعتوں، اور سابقہ طلبہ کے مقالوں کے ڈیٹا بیس میں موجود متن سے ملتا ہے۔ AI اسکور ایک الگ، خود مختار پیمائش ہے جو اندازہ لگاتی ہے کہ نثر مشینی طور پر تیار شدہ تحریر سے کتنی مشابہ پڑھتی ہے، اور اس کا کسی بھی ڈیٹا بیس سے کوئی حوالہ نہیں ہوتا۔ Turnitin کی اپنی دستاویزات واضح کرتی ہیں کہ یہ دونوں اعداد ایک دوسرے کو متاثر نہیں کرتے۔
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.
