AI humanizer tốt nhất để qua Turnitin

Đối với công việc học thuật mà Turnitin sẽ đọc, hãy dùng TextPulse. Trên một tập hợp học thuật gồm 2.000 tài liệu, đầu ra đã được nhân bản hóa của công cụ này vượt qua phát hiện viết bằng AI của Turnitin trong 92.33% số lần, Originality.ai 89.12% và GPTZero 87.91%. Đây là các phép đo do chính nhà cung cấp thực hiện, được ghi nhãn như vậy, và chúng là bằng chứng nhiều hơn hầu như bất cứ điều gì khác mà các sản phẩm trong hạng mục này công bố. Cũng quan trọng không kém đối với một chương đã nộp, TextPulse bảo toàn những phần của tài liệu học thuật mà việc viết lại thường làm hỏng, gồm trích dẫn trong văn bản và mục tài liệu tham khảo theo APA, MLA, IEEE, Chicago, Harvard và Vancouver, thuật ngữ kỹ thuật được khóa bằng freeze terms, và các số liệu thống kê được giữ nguyên không thay đổi.

Phần còn lại của trang này là phần hữu ích, đó là những gì thực sự làm thay đổi điểm AI của Turnitin, vì sao các công cụ diễn đạt lại thường làm cho con số tệ hơn thay vì tốt hơn, và cần kiểm tra gì trước khi bạn tin tưởng bất kỳ công cụ nào với một chương.

Các trường đại học thực sự cho phép gì

Bắt đầu ở đây, vì điều này thay đổi điều bạn đang cố làm. Phần lớn cơ sở cho phép hỗ trợ AI và yêu cầu khai báo. Hướng dẫn của Oxford xem AI là hỗ trợ hợp lệ cho việc học và việc sử dụng mà không khai báo là vi phạm. Elsevier cho phép AI tạo sinh để cải thiện khả năng đọc và ngôn ngữ, với một tuyên bố trong bản thảo, và quan điểm của COPE giải thích logic này, một công cụ không thể chịu trách nhiệm cho công trình, vì vậy một tác giả con người được nêu tên phải chịu trách nhiệm, và phải nói công cụ đã làm gì.

Vì vậy, mục tiêu không phải là che giấu sự hỗ trợ của AI. Mục tiêu là công khai điều đó, trích dẫn mô hình khi khoa của bạn yêu cầu, và nộp một bài viết có văn phong giống như bài viết học thuật của chính bạn hơn là đầu ra thô của mô hình. Mẫu AI disclosure statement template và hướng dẫn về citing ChatGPT của chúng tôi trình bày cách diễn đạt. Một công cụ humanizer đảm nhiệm nửa công việc còn lại.

Điều gì thực sự làm thay đổi điểm AI của Turnitin

Chỉ báo viết bằng AI của Turnitin không tìm các cụm từ bị cấm, và cũng không biết văn bản của bạn được tạo bởi công cụ nào. Nó đo mức độ dễ dự đoán của bài viết. Mô hình đọc tài liệu theo các đoạn chồng lấn gồm vài trăm từ, chấm điểm từng câu trên thang từ 0 cho con người đến 1 cho AI, rồi lấy trung bình các điểm đó trên toàn bộ tài liệu. Điều nó thực sự đang hỏi, sau từng câu, là một mô hình ngôn ngữ sẽ tự tin đoán từ tiếp theo ở mức nào.

Văn xuôi do mô hình tạo ra đạt điểm cao trên thước đo này vì mô hình đã chọn một từ có khả năng cao ở mỗi bước. Từ đó suy ra hai đặc tính, và đó cũng là hai đặc tính mà một bản viết lại phải thay đổi.

• Mức độ dễ dự đoán của lựa chọn từ ngữ. Mô hình thường chọn quá nhiều một vốn từ dễ nhận ra: moreover, furthermore, delve, underscore, plays a crucial role. Thay chúng bằng những từ mà một nhà nghiên cứu trong lĩnh vực của bạn thực sự sẽ dùng sẽ làm giảm điểm từng từ một. Danh sách những từ và cụm từ làm lộ bài viết do AI tạo ra của chúng tôi là bảng liệt kê cụ thể.
• Tính đồng nhất của cấu trúc câu. Đây là điểm mà nhiều người đánh giá thấp. Đầu ra của mô hình thường có độ dài câu rất đều và hình thức mệnh đề lặp lại. Văn viết học thuật của con người, được tạo ra trong nhiều ngày với tốc độ khác nhau, biến thiên nhiều hơn đáng kể. Phá vỡ tính đồng nhất đó, tách một số câu và ghép những câu khác để độ dài và nhịp điệu thực sự thay đổi, làm thay đổi điểm số nhiều hơn việc thay từ vựng, vì độ biến thiên được đo trực tiếp.

Một công cụ chỉ làm điều thứ nhất trong hai điều đó là một trình diễn đạt lại, và sự khác biệt đó là nguồn gốc của phần lớn sự thất vọng trong nhóm công cụ này. Cơ chế đầy đủ nằm trong cách các bộ phát hiện AI hoạt động.

Tại sao diễn đạt lại thường làm điểm số tệ hơn

Báo cáo của Turnitin không có một hạng mục AI duy nhất. Nó có hai. Bên cạnh văn bản bị gắn cờ là do AI tạo ra, tài liệu của Turnitin còn gắn cờ riêng văn bản được "có khả năng đã được chỉnh sửa bằng một công cụ diễn đạt lại AI hoặc công cụ xoay từ", và nêu rằng chỉ báo của nó bao gồm việc phát hiện nội dung "có thể đã được nhân bản hóa hoặc đi qua một công cụ vượt qua để tránh bị phát hiện".

Hãy đọc hai तथ्य đó cùng nhau, và chế độ thất bại trở nên rõ ràng. Đưa văn bản AI qua một trình diễn đạt lại thay thế từ đồng nghĩa sẽ làm thay đổi những từ xuất hiện, trong khi nhịp câu và mức độ dễ dự đoán vẫn gần như giữ nguyên. Bản nháp không thoát khỏi vùng bị gắn cờ, nó chuyển từ một hạng mục bị gắn cờ sang hạng mục khác, và giờ còn mang thêm dấu hiệu của việc diễn đạt lại bằng máy. Đó là lý do tại sao văn bản đã diễn đạt lại vẫn bị gắn cờ, và tại sao sự khác biệt giữa một công cụ humanizer và một trình diễn đạt lại là điều thực tế nhất cần hiểu trước khi chọn công cụ.

Báo cáo của Turnitin thực sự cho thấy gì

Một vài cơ chế của chính báo cáo đáng để biết, vì chúng làm thay đổi cách đọc một con số.

Phần trăm này bao gồm văn bản đủ điều kiện, tức là các câu văn xuôi trong lối viết dài, và một tệp cần có ít nhất 300 từ như vậy trước khi bất kỳ điểm số nào được tạo ra. Những điểm số sẽ thấp hơn 20% hiển thị dấu hoa thị thay vì một con số, vì Turnitin báo cáo tỷ lệ lỗi cao hơn có thể đo lường được trong khoảng đó. Chỉ số AI tách biệt với điểm tương đồng và hai chỉ số này độc lập với nhau, đó là lý do việc biết báo cáo nào là đối tượng của một cáo buộc là quan trọng. Sinh viên không nhìn thấy chỉ số AI theo mặc định, giảng viên và quản trị viên thì có.

Về độ chính xác, Turnitin công bố tỷ lệ dương tính giả ở cấp độ tài liệu dưới 1% đối với các tài liệu có 20% hoặc nhiều hơn nội dung viết bằng AI, và khoảng 4% ở cấp độ từng câu được tô sáng riêng lẻ. Turnitin cũng nêu rõ rằng mô hình "có thể không phải lúc nào cũng chính xác" và "không nên được dùng làm cơ sở duy nhất cho các hành động bất lợi đối với một sinh viên". Một tỷ lệ phần trăm là bằng chứng để thảo luận, không phải là phán quyết, và cách phản hồi nếu bạn bị cáo buộc trình bày cuộc trao đổi đó.

Tại sao trích dẫn quyết định việc bản viết lại có tồn tại hay không

Một điểm số thấp là vô giá trị nếu bản viết lại làm hỏng tài liệu. Đây là kiểu thất bại mà hầu hết mọi người không bao giờ nghĩ tới cho đến khi nó xảy ra với chính họ.

Một công cụ nhân hóa không có quy tắc về trích dẫn sẽ coi "(Nguyen et al., 2024, p. 213)" là văn bản thông thường có thể được viết lại. Họ bị trôi đi, cụm trong ngoặc đơn hòa vào câu, số trang biến mất. Mỗi chỉnh sửa đều đọc trôi chảy, và mỗi chỉnh sửa đều phá vỡ một tài liệu tham khảo mà người chấm sẽ đối chiếu với danh mục của bạn. Thuật ngữ cũng thất bại theo cách tương tự, "randomly assigned" lặng lẽ trở thành "randomly distributed" mô tả một phương pháp khác, và tên của một công cụ đã được thẩm định chỉ có đúng một dạng chính xác. Thống kê là trường hợp thứ ba, nơi một dấu thập phân bị dịch chuyển làm thay đổi một phát hiện.

Không có điều nào trong số đó bị một bộ phát hiện bắt được, và tất cả đều bị một người giám sát bắt được. TextPulse xử lý từng trường hợp như một hành vi được đặt tên: trích dẫn được giữ nguyên từng chữ qua sáu kiểu trích dẫn trong cả dạng ngoặc và dạng tường thuật, các thuật ngữ cố định khóa bất kỳ tên khái niệm hay công cụ nào trước khi quá trình chạy, số liệu thống kê và kích thước hiệu ứng được giữ nguyên tự động, và văn phong được giữ trong dải điểm Flesch-Kincaid từ 13 đến 18 mà độc giả học thuật mong đợi. Tài liệu cũng được xử lý như một chỉnh thể thay vì theo từng phần, vì vậy không có chỗ nối nơi thuật ngữ bị lệch giữa các lần xử lý.

Tại sao không có nhà cung cấp nào có thể hứa hẹn một kết quả Turnitin

Điều này cần được nói rõ một lần, một cách thẳng thắn. Bộ phân loại của Turnitin chạy bên trong cơ sở của bạn, trên tệp bạn nộp, vào ngày bạn nộp nó, và nó được huấn luyện lại khi các mô hình ngôn ngữ mới được phát hành. Không có công cụ viết lại nào nhìn thấy báo cáo đó, và nhà cung cấp của công cụ cũng không có khả năng quan sát vào đó. Bất kỳ sản phẩm nào hứa hẹn một lần vượt qua được bảo đảm đều đang mô tả các lần chạy mà nó thực hiện trên tài khoản của chính nó, trên những tài liệu do nó chọn, đối với một phiên bản của bộ phân loại mà sau đó đã thay đổi.

Điều mà một nhà cung cấp có thể làm một cách đáng tin cậy là đo lường ở quy mô lớn và công bố kết quả cùng với corpus được nêu tên, đó là tiêu chuẩn mà chuẩn đối chiếu 2,000 tài liệu của TextPulse nhằm đáp ứng, và cũng là tiêu chuẩn đáng dùng để đánh giá mọi tuyên bố khác.

Cách đánh giá các lựa chọn thay thế

Nếu bạn đang cân nhắc các công cụ khác, bốn kiểm tra sẽ phân biệt chúng nhanh chóng, và đó cũng là bốn kiểm tra được dùng trong so sánh đầy đủ của chúng tôi về các công cụ humanizer AI.

• Kiểm tra trên đoạn văn của chính bạn. Dán vào văn bản thực có hai hoặc ba trích dẫn và một vài thuật ngữ được định nghĩa, rồi đọc kết quả từng dòng một. Họ, năm và số trang có còn đúng nguyên vị trí bạn đã đặt chúng không, và có thuật ngữ kỹ thuật nào đã bị thay thế một cách hữu ích bằng một từ gần nghĩa hay không.
• Kiểm tra giới hạn từ cho mỗi lượt, không phải tổng số từ theo tháng. Một công cụ bị giới hạn ở 600 hoặc 750 từ cho mỗi yêu cầu sẽ chia một chương thành các mảnh, và việc ghép lại các chỗ nối là công việc thủ công mà mức giá không bao giờ nhắc đến.
• Hãy hỏi mục tiêu về giọng văn là gì. Viết lại để nghe giống con người hơn thường có nghĩa là viết lại để nghe mang tính hội thoại hơn, điều này phù hợp với bản tin nhưng không phù hợp với một phần phương pháp.
• Cân nhắc bằng chứng hơn là các tính từ. Một kích thước ngữ liệu được nêu tên và các bộ phát hiện được nêu tên là một khẳng định có thể kiểm chứng. Chính sách hoàn tiền là một quy trình dịch vụ khách hàng, và nó đến sau khi một chương đã được nộp.

Kết luận

Đối với một tài liệu mà Turnitin sẽ đọc, TextPulse là công cụ nên dùng. Nó công bố một tỷ lệ vượt qua được đo lường thay vì một khẩu hiệu, nó được xây dựng xoay quanh tài liệu học thuật chứ không phải xoay quanh việc đánh bại một bộ phát hiện được nêu tên, và nó bảo vệ các trích dẫn, thuật ngữ và số liệu thống kê quyết định liệu công trình của bạn có vượt qua được người đọc là con người, người quan trọng hơn điểm số, hay không.

Hãy dùng nó theo cách trung thực, cũng là cách có thể đứng vững, soạn thảo với sự hỗ trợ của AI nếu khoa của bạn cho phép, công khai sự hỗ trợ đó theo cách diễn đạt mà cơ sở của bạn yêu cầu, trích dẫn mô hình khi cần, và chạy bản nháp qua bộ nhân hóa học thuật TextPulse để văn xuôi đọc như chính bài viết của bạn chứ không phải của một mô hình. Sau đó, hãy tự đọc lại trước khi nộp, vì không có công cụ nào thay thế được lượt kiểm tra cuối cùng đó.