Turnitin AI Writing Report vs. Similarity Report: Lesen Sie die Werte nicht als dasselbe

Ein Turnitin Similarity Report findet Formulierungen in einer Einreichung, die mit Material in den Turnitin-Datenbanken übereinstimmt. Ein AI Writing Report nutzt ein Klassifikationsmodell, um zu schätzen, welcher Anteil des qualifizierenden Prosatextes der Einreichung KI-generiert sein könnte, einschließlich Text, den das Modell als durch einen KI-Paraphraser oder Bypasser weiter verändert betrachtet. Die beiden Berechnungen speisen sich nicht gegenseitig.

Die Verwirrung ist nachvollziehbar. Beide Berichte gehören zum selben Einreichungs-Workflow, und einige Turnitin-Oberflächen setzen eine KI-Kennzahl neben den Similarity Report. In der neueren Oberfläche öffnet sich das vollständige Ergebnis über einen Reiter AI Writing; in der klassischen Oberfläche kann die Kennzahl in der rechten Symbolleiste sitzen. Diese Nähe ist Navigation, keine gemeinsame Mathematik. Turnitins KI-Bericht-Leitfaden beschreibt den KI-Prozentsatz ausdrücklich als verschieden von und unabhängig vom Similarity Score.

Eine übereinstimmende Passage und eine KI-klassifizierte Passage sind auch unterschiedlichartige Beweise. Ein Similarity-Treffer verweist auf ein anderes Objekt – eine Webseite, eine Publikation oder eine frühere Studierenden-Einreichung –, sodass eine Person die Wörter vergleichen und die Quellenangabe prüfen kann. Eine KI-Markierung verweist auf eine Modellkategorie. Sie nennt keine Quelle, kein Modell, keinen Prompt, keinen Nutzer und keine Schreibsitzung.

Similarity fragt: „Wo sonst taucht diese Formulierung auf?“ KI-Erkennung fragt: „Ähnelt dieser qualifizierende Prosatext Text in den KI-Kategorien des Modells?“ Keine der beiden fragt oder kann für sich allein beantworten: „Hat dieser Studierende Fehlverhalten begangen?“

Diese Unterscheidung bestimmt das weitere Vorgehen. Ein Quellentreffer sollte Sie zur Quelle, zum Zitat und zur Quellenangabe führen. Eine KI-Markierung sollte Sie zum umgebenden Prosatext, zu den Entwürfen des Verfassers und zur jeweils geltenden KI-Nutzungsrichtlinie führen. Beide als generische „Problem-Prozentzahl“ zu behandeln, schickt die Leserin zum falschen Beweismaterial.

Der schnellste Weg, einen Kategorienfehler zu vermeiden, ist ein Vergleich der Berichte nach Frage, Nenner und nächstem Schritt. Die Tabelle verwendet die aktuelle Terminologie von Turnitin; Produktzugang und Layout können je nach Lizenz und Oberflächenversion abweichen.

Der Nenner ist der wichtigste technische Unterschied. Turnitin definiert den Similarity Score als Prozentsatz des Einreichungstextes, der mit anderen Quellen übereinstimmt. Der KI-Prozentsatz wird nur über qualifizierende Prosa berechnet. Eine Arbeit, die Tabellen, Code, Gleichungen, Kurzform-Antworten oder ein kommentiertes Literaturverzeichnis enthält, kann daher einen KI-Nenner haben, der viel kleiner ist als die sichtbare Seitenzahl. Der ausführliche KI-Bericht-Leitfaden erklärt diesen Nenner und den Sternchen-Status, ohne alles hier zu wiederholen.

Die Bedeutung der Markierungen ist ebenso wichtig. Im Similarity Report sollte die Auswahl eines Treffers Sie zu einer Quelle und den überschneidenden Wörtern führen. Im AI Writing Report stellt eine Markierung eine Klassifikationskategorie dar, keinen Quellenlink. Es ist unzulässig, einen KI-markierten Satz zu betrachten und zu sagen, er sei von ChatGPT kopiert; der Bericht enthält keinen Vergleich, der diese Herkunft belegen könnte. Es gab früher zwei solcher Kategorien. Turnitin hat die Aufteilung am 4. August 2026 aufgegeben und KI-paraphrasierten Text in eine einzige blaue KI-generierte Kategorie zusammengefasst und festgelegt, dass Lila nicht mehr auftaucht. Ältere Berichte tragen weiterhin beide Farben, bis die Datei erneut durchläuft.

Berichtsdaten und -einstellungen gehören in jeden Vergleich. Ein Similarity Report, der Zitate und Literaturverzeichnis einschließt, ist nicht direkt mit einem vergleichbar, der diese ausschließt. Ein KI-Bericht, der unter einem neueren Modell erstellt oder aktualisiert wurde, kann ebenfalls von einer früheren Version abweichen. Notieren Sie Datei, Berichtsdatum, Oberflächen- oder Modellhinweis und aktive Ausschlüsse, bevor Sie zu erklären versuchen, warum zwei Screenshots voneinander abweichen.

Leiten Sie schließlich keine Zugriffsrechte aus dem Screenshot einer anderen Person ab. Was ein Studierender sehen kann, hängt von der Institution, dem Turnitin-Produkt, der Lizenz und den Einstellungen der Aufgabe ab. Wenn eine Entscheidung einen Bericht nutzt, den Sie nicht öffnen können, verlangen Sie den vollständigen Bericht und die verwendeten Einstellungen, nicht nur eine in eine E-Mail kopierte Prozentzahl.

Da die Berichte unabhängig sind, ist keine der vier hoch/niedrig-Kombinationen widersprüchlich. Hier sind „hoch“ und „niedrig“ rein beschreibend; Turnitin gibt keine universelle Schwelle für Fehlverhalten vor, und Institutionen können unterschiedliche Richtlinien anwenden.

• Höhere Similarity, niedrigere KI. Eine menschlich geschriebene Literaturübersicht kann ausgiebig zitieren, Standarddefinitionen verwenden, eine Aufgabenvorlage reproduzieren oder zuvor als Entwurf eingereicht worden sein. Diese Merkmale erzeugen Datenbanktreffer, ohne dass der Prosatext KI-generiert wirkt. Prüfen Sie die größten Treffer und deren Quellenangabe; schreiben Sie korrekt zitiertes Material nicht nur um, um eine Prozentzahl zu verschieben.
• Niedrigere Similarity, höhere KI. Neu generierte Formulierungen müssen keiner indizierten Quelle ähneln. Sie können daher wenige Quellentreffer erzeugen, während der KI-Klassifikator Teile des qualifizierenden Prosatextes markiert. Ein niedriger Similarity Score widerlegt kein KI-Ergebnis, so wie das KI-Ergebnis keine Urheberschaft feststellt. Prüfen Sie Entwürfe, zugelassene Werkzeuge und den markierten Kontext.
• Höhere Similarity, höhere KI. Dasselbe Dokument kann sowohl umfangreiches zitiertes oder wiederverwendetes Material enthalten als auch separaten Prosatext, den der Klassifikator markiert. Es kann auch eine Vorlage, lange Literaturverzeichnisse oder Treffer früherer Einreichungen neben diesen Klassifikationen enthalten. Untersuchen Sie die beiden Befunde getrennt; eine Prozentzahl erklärt nicht die andere.
• Niedrigere Similarity, niedrigere KI. Das bedeutet, dass keines der Systeme nach seinen eigenen Regeln viel zutage gefördert hat. Es bescheinigt keine Originalität oder menschliche Urheberschaft. Eine Quelle kann außerhalb der Turnitin-Datenbanken liegen, eine folgenreiche Passage kann im Verhältnis zur Arbeit klein sein, Inhalte können gefiltert oder nicht qualifizierend sein, und jeder Klassifikator kann Fälle übersehen.

Addieren, subtrahieren oder mitteln Sie die beiden Werte nicht. Zwanzig Prozent Similarity plus zwanzig Prozent KI ergeben keine vierzig Prozent eines einzigen Problems; die Prozentzahlen nutzen unterschiedliche Nenner und beschreiben unterschiedliche Ereignisse.

Deshalb ist eine Ampel-Reaktion auf die Titelseite schwache Praxis. Die nützliche Einheit ist nicht „der Wert“, sondern die Passage und die daran hängende Frage: Welche Quelle hat getroffen? Ist die Überschneidung zitiert? Welcher Text qualifizierte sich für die KI-Prüfung? Gibt es Belege für die Entstehung? Erst dann wird eine Zahl zu einem Weg in die Beweise statt zu einem Ersatz dafür.

Turnitins eigener Similarity-Score-Leitfaden ist eindeutig: Das System prüft Ähnlichkeit gegen seine Datenbanken; es entscheidet nicht, ob ein Plagiat vorlag. Sein Vergleichsbestand umfasst aktuelle und archivierte Webseiten, frühere Studierenden-Einreichungen sowie Periodika, Fachzeitschriften und Publikationen. Ein Treffer ist also ein Ort zum Untersuchen, kein Fehlverhaltens-Label.

Ein hoher Wert kann unschuldig sein. Korrekt zitiertes und belegtes Material trifft dennoch auf. Literaturverzeichnisse enthalten Titel, die anderswo existieren. Methodenabschnitte können erforderliche Verfahren wiederholen. Ein Entwurf, der in einem Studierenden-Papier-Repository hinterlegt wurde, kann eine spätere Einreichung treffen. Zitatlastige qualitative Forschung darf legitim mehr gemeinsamen Text enthalten als ein originaler mathematischer Beweis.

Ein niedriger Wert kann dennoch ein ernstes Problem enthalten. Ein nicht zitierter Absatz, der aus einer Quelle kopiert wurde, kann nur einen kleinen Prozentsatz einer langen Arbeit ausmachen. Patchwriting kann enge Paraphrasen auf mehrere Quellen verteilen. Eine obskure, private oder neu veröffentlichte Quelle mag nicht im Vergleichsbestand sein. Die aggregierte Prozentzahl kann Ihnen nicht die Schwere des wichtigsten Treffers nennen.

Lesen Sie einen Similarity Report in dieser Reihenfolge:

• Prüfen Sie zuerst die Berichtseinstellungen. Notieren Sie, ob Zitate, Literaturverzeichnis, Quellenangaben, Aufgabenvorlagen, kleine Treffer oder Repositorien ausgeschlossen sind. Vergleichen Sie Prozentzahlen nur, wenn diese Wahl materiell gleich ist.
• Beginnen Sie mit Passagen, nicht mit dem Farbband. Öffnen Sie die größten Quellen, dann suchen Sie nach kleineren, aber folgenreichen Treffern. Ein 2 %-Treffer kann wichtiger sein als ein 15 %-Literaturverzeichnis.
• Klassifizieren Sie den Grund jeder bedeutenden Überschneidung. Ist es ein direktes Zitat, eine zitierte enge Paraphrase, gemeinsame Terminologie, erforderliche Anweisungen, die frühere Einreichung des Autors oder unbelegte Übernahme? Jeder Grund erfordert eine andere Reaktion.
• Beheben Sie das wissenschaftliche Problem, nicht den Zähler. Fügen Sie eine fehlende Quellenangabe hinzu, zitieren Sie zu naheliegende Formulierungen, paraphrasieren Sie aus dem Verständnis heraus, oder dokumentieren Sie legitime Wiederverwendung. Das Löschen von Quellenangaben oder das Waschen kopierten Texts durch einen Umschreiber verbirgt nur die Beweise, lässt das Attributionsproblem aber ungelöst.

Der Leitfaden zu Filtern und Ausschlüssen erklärt, dass Berichte Zitate, Literaturverzeichnis, In-Text-Quellenangaben, kleine Treffer, Vorlagen und ausgewählte Quellen ausschließen können. Diese Kontrollen verfeinern die Berechnung oder Ansicht; sie verändern das eingereichte Dokument nicht. Ausschlüsse können wiederhergestellt werden, sodass die vertretbare Praxis darin besteht, sie offenzulegen, statt einen gefilterten Wert so darzustellen, als sei er das einzige Ergebnis.

Erwarten Sie nicht, dass jeder Ausschluss den Prozentsatz um den sichtbaren Betrag senkt. Eine Passage kann sich mit überlappenden Quellen decken. Der Ausschluss einer Quelle mag einfach eine andere Quelle für dieselben Wörter sichtbar machen, und Turnitin warnt, dass die Gesamtzahl sich ändern kann oder auch nicht. Das ist ein weiterer Grund, die Berichtseinstellungen zu bewahren und von den Passagen her zu argumentieren.

Wenn das Problem die Quellenangabe ist, nutzen Sie den Quellentreffer, um das Zitat oder die Quellenangabe zu korrigieren. Humanizing ist kein Behebungsmittel für Quellenangaben. HumanPens Korrektur des Zitatformats dient dazu, bestehende Zitate und Referenzen an einen geforderten Stil anzupassen; es kann keine Belege für eine unbelegte Behauptung erfinden.

Bevor Sie etwas hochladen oder überarbeiten, identifizieren Sie das Dokument. Verlassen Sie sich nicht auf einen farbigen Prozentsatz in einem Screenshot. Suchen Sie nach dem Berichtstitel und dem, was die Seiten enthalten: Ein Similarity Report ist um Treffer und Quellen herum aufgebaut; ein AI Writing Report ist um eine KI-Kennzahl, qualifizierenden Text und KI-Klassifikationsmarkierungen herum aufgebaut. Der aktuelle Zugangs-Leitfaden zeigt, wo sich der separate KI-Bericht in der neuen und der klassischen Oberfläche öffnet.

• Wenn Sie einen Similarity Report haben: Untersuchen Sie die Quellenliste, aktiven Filter und bedeutenden Überschneidungen. Korrigieren Sie fehlende Quellenangabe und Zitatformatierung im Dokument. Laden Sie dieses PDF nicht in HumanPens Turnitin-Bericht-Workflow hoch; es enthält nicht die KI-Markierungen, die dieser Workflow benötigt.
• Wenn Sie einen AI Writing Report haben: Lesen Sie die markierten Passagen im Kontext und vergleichen Sie sie mit Entwürfen, Notizen und erlaubter KI-Nutzung. Wenn eine Überarbeitung erlaubt ist und keine Prüfung aussteht, kann der vollständige Bericht eine enge Auswahl von Passagen definieren, die erneut zu prüfen sind, anstatt das gesamte Dokument neu zu schreiben.
• Wenn Sie nur einen Prozentsatz oder Screenshot haben: Verlangen Sie den vollständigen, der Entscheidung zugrunde gelegten Bericht samt Berichtsdatum und relevanten Einstellungen. Eine Zahl, die von ihrem Nenner, ihren Passagen und ihren Quelldetails abgetrennt ist, reicht nicht aus, das Problem zu diagnostizieren.
• Wenn Sie beide Berichte haben: Halten Sie sie in Ihren Notizen getrennt. Klären Sie die Quellenangabe aus dem Similarity Report und prüfen Sie die KI-Klassifikation aus dem AI Writing Report. Notieren Sie, welche Änderung welchen Befund beantwortet.

Wenn ein akademisches Integritätsverfahren oder ein Einspruch bereits läuft, bewahren Sie die eingereichte Datei und die Originalberichte unverändert auf. Arbeiten Sie erst an einer Kopie, nachdem das anwendbare Verfahren eine Überarbeitung erlaubt. Versionsgeschichte, Gliederungen, Quellennotizen und Feedback können zeigen, wie der Text entstanden ist; sie zu überschreiben, um einen neuen Prozentsatz zu erreichen, kann die für Sie nützlichsten Beweise zerstören.

HumanPen lehnt Similarity-Report-PDFs im Upload-Flow für KI-Berichte bewusst ab. Das Produkt benötigt den AI Writing Report, da diese Datei die Passagen identifiziert, die für die KI-Prüfung ausgewählt wurden. Mit dem Dokument und dem kompatiblen KI-Bericht bildet der Workflow diese Markierungen auf das Quelldokument ab und beschränkt das Umschreiben auf diese Auswahl. Er behandelt den Similarity Score nicht als Anweisung, Quellentreffer zu paraphrasieren.

Dieser engere Workflow ist dennoch keine Garantie für einen künftigen Wert. Detektormodelle, Versionen und institutionelle Einstellungen ändern sich, und menschlicher Prosatext kann fehlklassifiziert werden. Das vertretbare Ziel besteht darin, verstandene, erlaubte Überarbeitungen vorzunehmen, Bedeutung und Quellenangaben zu bewahren und die Eigentümerschaft am Argument zu behalten – nicht, einen der beiden Berichte in ein Versprechen auf Freigabe zu verwandeln.

Eine Einreichung, zwei Diagnosewerkzeuge, zwei Beweispfade: Quellen und Quellenangabe für Similarity; Prosakontext, Prozessbeweise und Richtlinie für KI-Klassifikation. Beginnen Sie mit dem richtigen Pfad.