Turnitin اسکور کیا اچھا سمجھا جاتا ہے؟
Turnitin کوئی قابلِ قبول similarity percentage شائع نہیں کرتا، اور ادارے اس کے بجائے اپنی رہنمائی خود مقرر کرتے ہیں۔ یہ post واضح کرتی ہے کہ اصل میں کون سی چیز بلند یا کم اسکور پیدا کرتی ہے، quoted material اور reference lists اسے کیوں بڑھا دیتے ہیں حالانکہ کچھ غلط نہیں ہوتا، اور number کے بجائے match breakdown کیسے پڑھا جائے۔
ایک طالب علم کو ایک نگران یہ بتایا جاتا ہے کہ پندرہ فیصد سے کم کچھ بھی ٹھیک ہے۔ ایک اور طالب علم، جو اسی شعبے میں ہے، کی تحریر بارہ فیصد پر راہداری میں نشان زد ہو جاتی ہے، کیونکہ ان نکات میں سے تین ایک ہی مسلسل پیراگراف کے اندر آتے ہیں اور اس کے قریب کوئی اقتباس کے نشانات نہیں ہوتے۔ دونوں Turnitin کے similarity score کو درست طور پر پڑھتے ہیں۔ یہ tool ابتدا ہی سے اس لیے نہیں بنایا گیا تھا کہ ایک ہی pass یا fail نمبر دے دے۔
تو ایک اچھا Turnitin score کیا ہے؟ ایسا کوئی نمبر موجود نہیں۔ Turnitin کوئی قابلِ قبول فیصد شائع نہیں کرتا، کسی submission کو grade نہیں کرتا، اور صاف طور پر کہتا ہے کہ یہ figure اکیلے plagiarism کا پیمانہ نہیں ہے۔ ہر institution اپنی guidance خود طے کرتی ہے، اور اکثر اس کے اندر ہر supervisor بھی ایسا ہی کرتا ہے، اسی لیے ایک ہی report ایک دفتر میں غیر معمولی اور اگلے میں تشویش ناک دکھائی دے سکتی ہے۔ سیکھنے کے قابل number یہ ہے کہ اس کے پیچھے جو کچھ ہے اسے کیسے پڑھا جائے۔
Turnitin کا اچھا score کیا ہے؟
Turnitin نے کبھی ایسا number شائع نہیں کیا جو اچھا، محفوظ یا قابلِ قبول شمار ہو، اور اس کی ایک خاص وجہ ہے: similarity score یہ ناپتا ہے کہ submission کا کتنا متن Turnitin کے databases میں پہلے سے موجود متن سے match کرتا ہے، نہ کہ یہ کہ آیا اس overlap کو نامناسب طور پر استعمال کیا گیا تھا۔ ایک بلند score مکمل طور پر ایسے material سے بھی بن سکتا ہے جو درست طور پر quoted اور cited ہو۔ ایک کم score ایسی paper کے اوپر بھی ہو سکتا ہے جو ایک source کی اتنی قریب paraphrase کرتی ہو کہ examiner کے لیے تشویش پیدا ہو جائے، اور matching engine کو بالکل trigger نہ کرے۔ اس number کو grade سمجھنا tool کو الٹا پڑھنا ہے۔
دس سے بیس فیصد جیسی ایک شرح غیر رسمی اصولِ رہنمائی کے طور پر بڑے پیمانے پر گردش کرتی ہے، فورمز اور مطالعہ جاتی رہنماؤں میں بار بار دہرائی جاتی ہے، یہاں تک کہ وہ سرکاری سی محسوس ہونے لگتی ہے۔ یہ سرکاری نہیں ہے۔ Turnitin ایسی کوئی شرح مقرر نہیں کرتا، اور ایسا اصولِ رہنمائی جو دستاویز کی طوالت، حوالہ جاتی کثافت اور شعبہ جاتی روایت کو نظر انداز کرے، حقیقی مقالے سے ٹکراتے ہی ناکام ہو جاتا ہے۔ تیس درست طور پر اقتباس شدہ مصادر پر مبنی ایک ادبی جائزہ صرف اقتباسات کی بنیاد پر بیس فیصد سے اوپر جا سکتا ہے۔ بغیر کسی اقتباس کے نشانات کے ایک واحد قریباً پیرا فریز کیا گیا پیراگراف پانچ فیصد سے کم رہ سکتا ہے اور پھر بھی زیادہ سنگین مسئلہ ہو سکتا ہے۔
مشابہت کا اسکور دراصل کیا ناپتا ہے
Turnitin اپنے آلے کو تقریباً انہی الفاظ میں بیان کرتا ہے۔ Boise State University کی رہنمائی، جو Turnitin کی اپنی زبان پر مبنی ہے، واضح کرتی ہے کہ مشابہت کا اسکور کسی مقالے کے مواد کا وہ فیصد ہے جو Turnitin کے ڈیٹا بیسز میں پہلے سے موجود مواد سے مطابقت رکھتا ہے، اور یہ کہ خود یہ فیصد اس بات کا جائزہ نہیں کہ مقالے میں سرقہ شدہ مواد موجود ہے یا نہیں۔ یہ امتیاز واقعی اہم کام انجام دے رہا ہے: مطابقت ایک میکانکی عمل ہے، الفاظ کی ایک ترتیب کا کہیں اور الفاظ کی ایک ترتیب سے مل جانا، اور یہ طے کرنا کہ آیا وہ اوورلیپ درست طور پر منسوب تھا، الگورتھم نہیں بلکہ انسان کا کام ہے۔
اس مطابقت کے پیچھے موجود ڈیٹا بیسز جان بوجھ کر وسیع ہیں: موجودہ اور محفوظ شدہ طالب علمانہ جمع کرائی گئی تحریریں، کھلا ویب، اور علمی اشاعتوں کا ایک بڑا ذخیرہ۔ ان میں سے کسی مواد کو معنی کے لیے نہیں پڑھا جاتا۔ نظام الفاظ کی اوورلیپ کرنے والی ترتیبیں تلاش کرتا ہے اور بتاتا ہے کہ وہ کسی جمع کرائی گئی تحریر کے کتنے حصے کا احاطہ کرتی ہیں، اسی لیے ایک اقتباس شدہ جملہ اور خاموشی سے نقل کیا گیا جملہ ایک جیسی مطابقت پیدا کر سکتے ہیں۔ صرف رپورٹ کا تفصیلی منظر یہ دکھاتا ہے کہ کون سا کون ہے۔
اعلیٰ اسکور کیوں مکمل طور پر جائز ہو سکتا ہے
علمی تحریر کی دو عام خصوصیات اس کے بیشتر حصے کی وضاحت کرتی ہیں۔ اقتباس شدہ حصے اپنی ساخت کے مطابق مطابقت رکھتے ہیں، کیونکہ الفاظ جان بوجھ کر نقل کیے جاتے ہیں اور صفحے پر کسی اور کے طور پر نشان زد ہوتے ہیں۔ حوالہ جاتی فہرستیں بھی اتنی ہی قابلِ اعتماد طور پر مطابقت رکھتی ہیں، کیونکہ مصنفین کے نام، جرنل کے عنوانات اور حوالہ جاتی فارمیٹس ہزاروں دوسری تحریروں میں دہرائے جاتے ہیں جو انہی مصادر کا حوالہ دے رہی ہوتی ہیں۔ دونوں وہی ہیں جیسا درست علمی تحریر کو نظر آنا چاہیے۔
ساتھ ساتھ رکھنے پر، ایک بڑھا ہوا اسکور اور ایک حقیقی مسئلہ پہلی نظر میں مختلف دکھائی دیتے ہیں۔
| کیا مماثل تھا | ایسا کیوں ہوا | کیا مزید قریب سے دیکھنے کے قابل ہے؟ |
|---|---|---|
| اقتباس کے نشانات اور حوالہ کے ساتھ ایک منقولہ عبارت | الفاظ جان بوجھ کر نقل کیے گئے تھے اور صفحے پر ان کا حوالہ دیا گیا تھا | نہیں، درست اقتباس اسی طرح دکھائی دیتا ہے |
| حوالہ جات کی فہرست یا کتابیات | مصنفین کے نام، جرنل کے عنوانات اور حوالہ جاتی فارمیٹس بہت سے دوسرے مقالوں میں دہرائے جاتے ہیں | نہیں، جب تک اخراج کی ترتیب لاگو نہ کی گئی ہو |
| معیاری طریقہ کار یا عملیاتی عبارت | کسی شعبے کی مشترک اصطلاحات مختلف مقالوں میں ایک ہی عمل کو ایک ہی انداز میں بیان کرتی ہیں | شاذ و نادر، جب تک پورا حصہ تازہ لکھنے کے بجائے اٹھا نہ لیا گیا ہو |
| ایک طویل، مسلسل پیراگراف جس میں کوئی اقتباس کے نشانات نہ ہوں، اور جو ایک ہی ماخذ سے مطابقت رکھتا ہو | الفاظ کسی دوسرے مصنف کے جملے کے اتنے قریب ہوتے ہیں کہ مماثلت کا انجن انہیں پکڑ لیتا ہے | ہاں، یہی وہ نمونہ ہے جس کے لیے ماخذ کھول کر جانچنا قابلِ قدر ہے |
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۔
کم اسکور کے باوجود مسئلہ کیوں چھپا رہ سکتا ہے
ایک کم عدد اس سے زیادہ محدود سوال کا جواب دیتا ہے جتنا وہ بظاہر دیتا ہے, یعنی یہ کہ آیا کم متن Turnitin کے ڈیٹا بیسز سے لفظ بہ لفظ میل کھاتا ہے یا نہیں, اس سے زیادہ کچھ نہیں۔ ایسا پیرا فریز جو کسی دوسرے مصنف کی ساخت اور استدلال کو برقرار رکھتے ہوئے الفاظ میں کافی تبدیلی کر دے, صفر کے قریب اسکور حاصل کر سکتا ہے اور پھر بھی دیانت داری کا سنگین مسئلہ ہو سکتا ہے, کیونکہ انجن الفاظ کی ترتیب پر کام کرتا ہے, مستعار لیے گئے خیالات پر نہیں۔ ترجمہ شدہ مواد, یا Turnitin کے انڈیکس شدہ ڈیٹا بیسز سے باہر کا مواد, اسی طرح برتاؤ کرتا ہے: مماثلت کے لیے کچھ نہیں, نشان زد کرنے کے لیے کچھ نہیں۔
جعلی ذرائع ایک مختلف سمت سے وہی اندھا مقام پیدا کرتے ہیں۔ جو حوالہ موجود ہی نہ ہو وہ کسی چیز سے مطابقت نہیں رکھ سکتا، کیونکہ اس کے مقابل رکھنے کے لیے کہیں بھی کچھ موجود نہیں ہوتا، اور similarity score کے پاس ایسے اقتباس کو نشان زد کرنے کا کوئی طریقہ نہیں ہوتا جو ابتدا ہی سے کبھی حقیقی تھا ہی نہیں۔ TextPulse کا مفت AI citation checker بالکل اسی خلا کے لیے موجود ہے: یہ حوالہ جاتی فہرست میں درج ہر اندراج کو ان حقیقی رجسٹروں کے ساتھ جانچتا ہے جن میں ان ذرائع کا موجود ہونا چاہیے، اس سے پہلے کہ قاری کو یہ خلا خود تلاش کرنا پڑے۔
ایک اور امتیاز بھی ہے جسے عدد کو مکمل طور پر نظر انداز کرنے سے پہلے واضح کرنا ضروری ہے۔ کم similarity score والی submission کے ساتھ Turnitin کا الگ AI writing indicator بھی ہو سکتا ہے، جو ایک مختلف پیمائش ہے اور ایک مختلف نوعیت کے مسئلے کو پکڑنے کے لیے بنائی گئی ہے، جیسا کہ اس سائٹ کے guide to whether Turnitin can actually detect ChatGPT میں بیان کیا گیا ہے۔ دونوں percentages ایک ہی طریقے سے حساب نہیں کیے جاتے، اور یہ مضمون صرف similarity score سے متعلق ہے۔
رپورٹ کو عدد کے بجائے کیسے پڑھا جائے
match breakdown کھولنے سے پہلے مجموعی عدد پر ردعمل نہ دیں۔ Turnitin شخصی ذرائع کو، جو score بناتے ہیں، ان کے اس میں حصے کے مطابق ترتیب دے گا۔ بائیس percent کا مجموعہ، جو گیارہ ذرائع کے ہر ایک کے دو percent کے حصے سے بنا ہو، ایک ایسے مجموعے کی طرح نہیں پڑھا جاتا جو ایک ہی source سے بنا ہو۔ پہلی صورت عموماً بہت سے عام فقروں میں overlap کی عکاسی کرتی ہے۔ دوسری صورت میں اس source کے اصل متن کو براہ راست دیکھنا مناسب ہے۔
Turnitin اسی percentage کو ایک color band میں بھی تقسیم کرتا ہے، جیسا کہ Loughborough College کی طلبہ کے لیے اپنی رہنمائی میں نقل کیا گیا ہے: blue for no matching text, green from one word to twenty-four percent, yellow at twenty-five to forty-nine, orange at fifty to seventy-four, red at seventy-five and above. college کی اپنی رہنمائی اس بات پر واضح ہے کہ یہ colors کیا نہیں ہیں: similarity checks کا مطلب یہ نہیں کہ submission میں plagiarized material موجود ہے۔ color report کو توجہ کے لیے ترتیب دیتا ہے، فیصلے کے لیے نہیں۔
یہ جانچنا بھی قابلِ غور ہے کہ آیا ادارے کی اپنی ترتیبات اقتباسات اور کتابیات کو شمار سے خارج کرتی ہیں یا نہیں، کیونکہ ایک ہی جمع کرائی گئی تحریر اس بات پر منحصر ہو کر دو مختلف اعداد پیدا کر سکتی ہے کہ وہ ٹوگل کیسے سیٹ ہے۔ یہ سب کچھ، جب نظر آ جائے، تو پیچیدہ نہیں رہتا۔ یہ صرف اسی وقت غیر مرئی ہوتا ہے جب کوئی بھی رپورٹ کو اس کے پہلے صفحے سے آگے نہ کھولے۔
اگر آپ کا اسکور آپ کو حیران کرے تو کیا کریں
مجموعی عدد پر ردِعمل دینے کے بجائے ہر نشان زدہ ماخذ کو الگ الگ دوبارہ کھولیں۔ تصدیق کریں کہ جس نسخے کی جانچ ہو رہی ہے اس میں اقتباسات اور کتابیات خارج کی گئی ہیں یا نہیں، کیونکہ طالب علم کو مسودہ تیار کرتے وقت جو عدد نظر آتا ہے وہ ہمیشہ اسی طرح ترتیب نہیں دیا جاتا جس طرح جمع کراتے وقت استاد کو نظر آنے والا عدد ہوتا ہے۔ جہاں کوئی حقیقی غیر منسوب مماثلت سامنے آئے، وہاں جملوں کو اس طرح دوبارہ لکھنے کے بجائے کہ مماثلت کے انجن سے بچ نکلیں، حوالہ براہِ راست درست کریں، کیونکہ ایسا کرنا صرف علامت کا علاج کرتا ہے اور مسئلہ اپنی جگہ برقرار رہتا ہے۔
اگر عدد اب بھی اس توقع سے مطابقت نہ رکھتا ہو جو کوئی نگران رکھتا ہے، تو براہِ راست پوچھیں کہ اس شعبے کا اپنا معیار کیا ہے۔ اوپر کے حصے پہلے ہی دکھا چکے ہیں کہ کوئی ایک ہی حد نہیں جس تک پہنچنا ہو، اس لیے جواب اس شخص کے پاس ہوتا ہے جس کے پاس اس اسائنمنٹ کے بارے میں مقامی اختیار ہو، نہ کہ کسی ایسے فیصد کے پاس جسے کوئی پہلے سے دیکھ سکتا تھا۔ TextPulse کی مفت ٹولز کا مجموعہ وہ حوالہ جاتی اور مسودہ سازی کی جانچیں شامل کرتا ہے جو رپورٹ کسی اور کے ان باکس تک پہنچنے سے پہلے چلانا مناسب ہے۔
مختلف ٹولز کے اسکور ایک دوسرے کے متبادل نہیں ہوتے، اور GPTZero کیسے کام کرتا ہے اپنی الگ صفحے پر بیان کیا گیا ہے، اس کے ساتھ وہ perplexity شماریات بھی جو دونوں کے نیچے موجود ہے۔
اسکور اسی طرح برتاؤ کرتا ہے جیسے وہ کرتا ہے، کیونکہ اس کے نیچے مماثلت کی جانچ جس طریقے سے چلتی ہے، اسی کا اثر ہے، اور اب اسی رپورٹ میں اس کے ساتھ موجود نیا عدد ایک مختلف طریقہ کار پر کام کرتا ہے، وہی جسے اس سائٹ کی AI detectors حقیقت میں کیسے کام کرتے ہیں، اس کی رہنما پوری طرح واضح کرتی ہے۔ ان میں سے کسی ایک عدد کو بھی فیصلہ سمجھ کر پڑھنا رپورٹ کے اس واحد حصے کو نظر انداز کرنا ہے جسے پڑھنا واقعی قابلِ قدر ہے۔
اکثر پوچھے گئے سوالات
Turnitin اسکور کیا اچھا سمجھا جاتا ہے؟ ایسا کوئی عدد نہیں ہے۔ Turnitin کوئی قابلِ قبول percentage شائع نہیں کرتا، اور similarity score یہ ناپتا ہے کہ کتنا متن اس کے databases سے match کرتا ہے، نہ کہ کتنا plagiarized تھا۔ مناسب طور پر cited literature review صرف quotations کی وجہ سے بیس فیصد سے اوپر جا سکتا ہے، جبکہ ایک ہی unattributed paraphrase پانچ فیصد سے بھی کم رہ سکتا ہے۔ headline figure کے بجائے matched sources پڑھیں۔
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.
