Nur die von einem Turnitin-Bericht markierten Absätze überarbeiten

Ich entwickle HumanPen, das genau das tut, was ich gleich beschreiben werde. Daher ist dies keine neutrale Übersicht. Der Mechanismus lohnt sich trotzdem zu beschreiben – auch wenn Sie es lieber von Hand machen.

Ein Alles-überarbeiten-Tool ist günstig in der Ausführung, aber teuer in der Überprüfung.

Die Kosten, die tatsächlich bei Ihnen landen, sind Verifikationskosten. Und die Verifikation skaliert mit dem, was sich geändert hat – nicht mit dem, was falsch war. Überall, wo eine Überarbeitung gelandet ist, müssen Sie nun prüfen: Sind die Zahlen noch korrekt? Ist die Terminologie konsistent mit dem vorangehenden Abschnitt? Hängt die Quellenangabe im Text noch an der Behauptung, die sie stützt? Verweist "siehe Tabelle 2" noch auf Tabelle 2? Und wurde aus einer vorsichtigen Formulierung keine Behauptung? Genau das ist der Fall, der mir Angst macht: Aus "Assoziation" wird "Kausalität" – und der Satz liest sich auf der Seite immer noch völlig in Ordnung.

Bei einem Absatz, den niemand angerührt hat, müssen Sie nichts prüfen.

Nehmen wir das Beispiel, das wir in unserer Vergleichsausarbeitung verwenden: Eine 10.000-Wörter-Arbeit, bei der 2.800 Wörter markiert wurden. Überarbeiten Sie alles, lesen Sie 10.000 Wörter für dieselbe grundlegende Korrektur neu. Die anderen 7.200 sind die, an denen Sie keinen Grund hatten zu zweifeln.

Eine zweite Kostenart zeigt sich später. Sobald ein Alles-überarbeiten-Durchlauf die bereits sauberen Absätze verändert hat, ist der nächste Bericht mit dem ersten nicht mehr vergleichbar. Wenn etwas Neues markiert wird, können Sie nicht sagen, ob es vorher auch markiert war – denn der Text darunter ist nicht mehr derselbe, den der erste Bericht gelesen hat. Selektives Überarbeiten behält den unmarkierten Text als Kontrolle.

Turnitins Dokumentation ist hier eindeutig: Der KI-Schreibindikator und der Ähnlichkeitswert sind voneinander unabhängig, und KI-Schreibmarkierungen erscheinen überhaupt nicht im Similarity Report (Using the AI Writing Report). Ein Similarity Report markiert Überschneidungen mit bestehenden Quellen. Füttern Sie damit einen berichtgesteuerten Workflow, bearbeiten Sie Passagen, die niemand als KI-geschrieben eingestuft hat. HumanPen liest keinen Similarity Report als AI Writing Report.

Zwei weitere Dinge, die beeinflussen, wie Sie den Bericht lesen:

• Unter 20% gibt es nichts, woran Sie arbeiten könnten. Turnitin zeigt für Werte von 1 bis 19 ein Sternchen statt eines Prozentwerts, und die Dokumentation sagt für dieses Band ausdrücklich: "no score or highlights are attributed" (weder Score noch Markierungen werden vergeben). Unter 20% haben Sie also weder die Zahl noch die Markierungen.
• Der Prozentsatz ist kein Anteil am Gesamtdokument. Turnitin analysiert nur sogenannten qualifizierenden Text – also Fließtext in standardmäßigen grammatikalischen Sätzen. Listen, Aufzählungspunkte und andere Nicht-Satz-Strukturen liegen außerhalb der Analyse. Turnitins eigene Formulierung dazu lautet: "a document containing several different writing types would result in a disparity between the percentage and the highlights". Die Markierungen und der Prozentsatz stimmen also nicht immer überein. Wie weit sie auseinanderdriften, hängt davon ab, wie viel Ihres Dokuments kein Fließtext ist.

Die markierten Passagen – nicht die Zahl – sind der Teil des Berichts, auf den Sie reagieren können.

Das Überarbeiten ist der einfache Teil.

1. Die Markierungen aus einem Dokument extrahieren, das nie zum Parsen gedacht war. In Turnitin sehen nur Dozierende und Administrator:innen die KI-Schreibindikatoren. Dozierende können ein PDF des Berichts herunterladen, um es mit der studierenden Person zu teilen. Was also bei Ihnen als Autor:in ankommt, ist typischerweise ein PDF – kein Datenfeed. Und ein PDF-Bericht ist eine gerenderte Ausgabe. Seine Textebene besteht aus positionierten Glyphen-Läufen, die in Zeilen angeordnet sind. Die Markierung ist eine farbige Form, die über dieses Layout gezeichnet wurde. Nirgendwo in der Datei steht "these characters are flagged". Das Wiederherstellen bedeutet, die Geometrie der Markierungen mit der Geometrie der Textebene zu schneiden und abzulesen, welche Glyphen darin liegen.
2. Das Ergebnis normalisieren – denn es ist nicht der Text, den Sie geschrieben haben. Wörter brechen zeilenweise mit Bindestrichen, die nie im Quelltext standen. Ligaturen kommen als einzelne Glyphe zurück, wo Sie zwei Buchstaben getippt haben. Gerade Apostrophe kommen geschweift zurück. Laufzeilen, Seitenzahlen und Fußzeilen sind in den extrahierten Stream verwoben, sodass ein Absatz mit dem Zeitschriftennamen darin ankommen kann. Jedes dieser Details schlägt exaktes String-Matching fehl. Das einzige Symptom ist ein Matcher, der leise nichts zurückgibt.
3. Mit derselben Normalisierung auf beiden Seiten zurück zur Quelldatei matchen. Sie vergleichen einen verlustbehafteten Render eines Absatzes mit dem Absatz selbst. Das ist per Konstruktion ein Fuzzy-Match. Und ein Fuzzy-Match ist einer, den Sie jemandem zeigen müssen.
4. Den Match auf den gesamten Absatz erweitern. Markierungen müssen sich nicht an Absätze halten. Der entscheidende Fall für das Design ist genau der, wo sie es nicht tun: Die Spanne beginnt irgendwo mitten im Absatz und stoppt mitten im Satzglied. Würden Sie exakt die markierten Zeichen überarbeiten, käme die Hälfte des Absatzes in einer anderen Stimmung zurück als die andere Hälfte. Sätze blieben zurückgelehnt auf Pronomen und definierte Begriffe, die im unangetasteten Teil eingeführt wurden. Deshalb ist der Absatz die kleinste Überarbeitungseinheit. Eine Teilmarkierung wird zum vollständigen Absatz erweitert. Und genau diese erweiterte Liste wird Ihnen zur Bestätigung gezeigt.
5. Im Datei-Kontext überarbeiten. Nicht extrahieren, überarbeiten, zurückfügen. Jeder überarbeitete Absatz kommt dorthin zurück, wo er herkam. Ein geschützter Satz bleibt auf dem Weg durch unberührt: Zitationsmarker, Literatureinträge, Formeln, Code, Bildunterschriften, Abbildungsnummern, Fußnoten, Tabellenzellen, Querverweisfelder und das Inhaltsverzeichnis.

Schritt 3 ist heuristisch. Und Heuristiken liegen manchmal falsch.

Ein markierter Satz, der zweimal im Dokument vorkommt – wie bei Methods-Boilerplate –, kann der falschen Instanz zugeordnet werden. Ein Absatz, den Sie nach Generierung des Berichts bearbeitet haben, matcht vielleicht gar nicht. Eine Bildunterschrift oder Tabellenzelle kann wie Fließtext aussehen. Wenn das Tool stillschweigend auf einen schlechten Match reagiert, überarbeitet es einen Absatz, den der Bericht nie markiert hat. Und Sie erfahren nie davon. Genau das ist es, was dieser Ansatz vermeiden will.

Deshalb werden die gematchten Absätze vor Start des Jobs angezeigt. Sie können zur Liste hinzufügen, daraus streichen. Alles, was Sie nicht bestätigt haben, bleibt außerhalb des Umfangs. Umfang ist auch Preis – denn die Abrechnung folgt den tatsächlich überarbeiteten Wörtern. Dieser Bildschirm ist also auch die Kostenschätzung.

Berichtgesteuert ergibt nur Sinn, wenn Sie tatsächlich einen Bericht haben. Ohne einen ist die ehrliche Antwort: Gesamtdokument verarbeiten oder die Passagen selbst auswählen. Unseres kann beides auch.

Die Ausgabe braucht eine menschliche Prüfung. Automatisiertes Überarbeiten produziert Details, die korrigiert werden müssen. Sich zu weigern, absichtliche Grammatik- oder Rechtschreibfehler einzubauen, macht das Ergebnis nicht allein einreichungsfertig.

Der Match läuft gegen die Datei, die Sie hochladen. Wenn Sie also seit Generierung des Berichts stark bearbeitet haben, erwarten Sie weniger Matches und einen kürzeren vorgeschlagenen Umfang. Wenn Ihnen der gezeigte Umfang dünner erscheint als die Markierung in Ihrem Bericht, ist das meist der Grund.

Es gibt nirgendwo in diesem Stück einen Detektions-Score-Vergleich. Absichtlich. Turnitin sagt klar, dass es die Namen der Paraphrasierungs- und Umgehungstools, die sein Detektor abdeckt, nicht veröffentlichen wird – denn eine öffentliche Liste würde helfen, sie zu umgehen (AI writing detection FAQs). Das bedeutet: Niemand außerhalb von Turnitin kann eine Behauptung "wir schlagen Detektor X" prüfen. Also mache ich keine. Turnitin sagt auch, sein Indikator sollte nicht die einzige Grundlage für Maßnahmen gegen eine studierende Person sein. Das lohnt sich festzuhalten, wenn eine Zahl höher zurückkommt als erwartet.

Wenn ein neuer Bericht immer noch Passagen markiert, können Passagen, die die Voraussetzungen erfüllen, kostenlos erneut durchlaufen werden. Das ist Support – kein Versprechen darüber, wo die Zahl landet.

Gibt es ein Tool, das nur die in einem Turnitin-Bericht markierten Absätze überarbeitet? Ja. HumanPen importiert einen AI Writing Report von Turnitin oder iThenticate, matcht die markierten Passagen zurück zu Ihrem Quelldokument, zeigt Ihnen die gematchten Absätze und überarbeitet nur die, die Sie bestätigen. Die Datei kommt in dem Format zurück, in dem sie hineinging.

Kann ich das einfach von Hand machen? Ja. Bei fünf oder sechs markierten Absätzen ist das völlig vernünftig. Öffnen Sie den Bericht neben dem Dokument, finden Sie jede Markierung, überarbeiten Sie diesen Absatz selbst, lassen Sie den Rest in Ruhe. Sie bekommen denselben Umfangsvorteil. Was ein Tool Ihnen bringt, ist das Matching über ein langes PDF hinweg – und dass Sie die Datei danach nicht wieder zusammensetzen müssen.

Funktioniert das mit iThenticate genauso wie mit Turnitin? Ja. Beide produzieren einen AI Writing Report und beide werden unterstützt. Nicht austauschbar ist der Similarity Report. Der misst etwas völlig anderes.

Wie würde ich testen, ob ein Tool das wirklich so macht? Suchen Sie in Ihrem Bericht eine Markierung, die mitten im Satz beginnt. Füttern Sie den Bericht mit dem Tool und sehen Sie sich den vorgeschlagenen Umfang an. Er sollte diesen gesamten Absatz enthalten – und nicht den davor oder danach, es sei denn, die waren auch markiert. Ein Tool, das exakt das markierte Fragment vorschlägt, wird Ihnen einen Absatz von zwei Personen liefern. Und ein Tool, das den ganzen Abschnitt vorschlägt, arbeitet nicht wirklich mit dem Bericht.