エムダッシュはAIの痕跡なのか

ベンダー自身のドキュメントの中で、私たちが見つけられたもののうちこの説を裏づけるものは何もありません。次節で、どこを調べたのかを具体的に示します。2026年8月18日にTurnitinのヘルプページ3件——AI Writing Reportのガイド、AIライティング検出のFAQ、ファイル要件のページ——を検索しました。この3件を通じて、文字列 "dash" はちょうど1回だけ出現します。しかも "dashboard" という単語の中です。単語 "punctuation" もちょうど1回だけで、検出器が「is not tuned to target Grammarly-generated spelling, grammar, and punctuation modifications to content」（Grammarlyが生成したスペル・文法・句読点の変更を標的とするようには調整されていない）と説明している回答の中に出てきます。そして「what parameters or flags does Turnitin's model take into account when detecting AI writing?」（AIライティングを検出する際、Turnitinのモデルはどんなパラメータやフラグを考慮するのか）という問いに答えているページは、その答えをすべて語の並びという観点で書いています。つまり、句読点一つについてこれほど自信たっぷりに繰り返されているアドバイスは、検出器を作った会社がそれについて語っていると私たちが見つけられる何ものにも基づいていません。

ただし、それはダッシュが影響しないと証明したこととは違います。統計的なパターンを学習するモデルに、何を学んだかを公開する義務はありませんし、公開されている資料の中に、ダッシュが何らかの寄与をする可能性を否定するものもありません。欠けているのはもう半分です。ダッシュに重みを置くべきだと裏づけるものも、やはり見つからなかったということです。その一方で人が飛びつく対策——エムダッシュをすべて、どこでも置き換える——は、文書のほぼすべての段落に及ぶ変更を、一つの操作で、結果を誰も読まないまま行うものです。

「エムダッシュはAIの痕跡だ」は、一つのこととして語られます。実際は二つで、その二つをつなぐものは何もありません。

• 生成テキストにはエムダッシュが多い。 言語モデルから出てくるものについての主張です。誰でも自分で確かめられます。
• エムダッシュはAIライティングのスコアを上げる。 特定の分類器が何に重みを置くかについての主張です。ベンダーの外の人間には確かめようがありません。

前者が完全に真でありながら後者が偽であることはありえます。ある特徴が一方の集団に多く見られるからといって、両方の集団で訓練された検出器がその特徴をどう使うかについては何もわからないからです。ダッシュを多用する人間の書き手は、後者の主張が誤判定を下す相手になります。そして前者の主張からは、彼らに何が起きるのか何もわかりません。

この一般論を私たちが最初に述べたわけではありません。AI検出器は何を測定しているのかのページでも、ある一節が高スコアになるのは目に見える癖一つのせいではないと述べています。ここで扱うのはもっと狭い話です。これほど広まっている主張ならどこかに根拠となる文書があるはずだと考え、その癖がベンダー自身のドキュメントのどこかに出てくるのかを実際に確認しに行きました。

2026年8月18日に取得した3ページを、描画後のページテキストとして読み、大文字小文字を区別せずに検索しました。対象は "Using the AI Writing Report"、「Turnitin's AI writing detection capabilities FAQs」（TurnitinのAIライティング検出機能に関するFAQ）、「File requirements for an AI Writing Report」（AI Writing Reportのファイル要件）の3件です。これらは仕組みとファイルの規則を定めているページで、リリースノートや既知の問題のページは今回の検索に含めていません。件数は行数ではなく出現回数です。

この最後の行を入れたのは、何も見つからなかった検索と、そもそもページに到達していない検索は、外から見ると区別がつかないからです。3ページすべてにあることがわかっている語句がそれぞれ1件ずつ返ってくるからこそ、上のゼロに意味が生まれます。

つまり本当の該当は1件だけです。それが置かれている回答全体を、Grammarlyの文法チェックが検出されるのかという問いへの答えとして、そのまま示します。

「No. Our detector is not tuned to target Grammarly-generated spelling, grammar, and punctuation modifications to content but rather, other AI content written by LLMs such as GPT-3.5. Based on tests we conducted on human-written documents with no AI-generated content in them, in most cases, changes made by Grammarly (free & premium) and/or other grammar-checking tools were not flagged as AI-written by our detector. Please note that this excludes content generated by Grammarly's generative AI-powered features, including draft generation, paraphrasing, summarizing, and other features. Content produced using these features will likely be flagged as AI-generated by our detector.」（いいえ。当社の検出器は、コンテンツにおいてGrammarlyが生成したスペル・文法・句読点の変更を標的とするようには調整されておらず、GPT-3.5のようなLLMが書いた他のAIコンテンツを対象としています。AIが生成したコンテンツを一切含まない、人が書いた文書について当社が行ったテストに基づくと、ほとんどの場合、Grammarlyの無料版と有料版、あるいは他の文法チェックツールによる変更は、当社の検出器によってAI執筆とは判定されませんでした。ただし、これには下書きの生成、言い換え、要約など、Grammarlyの生成AI機能が生成したコンテンツは含まれません。これらの機能を使って作成されたコンテンツは、当社の検出器によってAI生成と判定される可能性が高いという点にご注意ください。）

これをあるがままに読んでください。これは文法チェッカーによる編集についての回答であり、あなたのダッシュについてではありません。「in most cases」（ほとんどの場合）と言っていて、決してないとは言っていません。そして最後の二文は、Grammarlyが訂正するのではなく生成したものについては強く逆向きに引っ張ります。訂正されたテキストと生成されたテキストの境界はそれ自体が別のテーマで、TurnitinはGrammarlyを検出するのかで整理しました。ここで役に立つのはただ一つです。あの3ページの中で、句読点と検出が同じ文に出てくる唯一の箇所で、その文は句読点レベルの調整から遠ざかる方向を指しているということです。

そして、もし答えがそちら向きなら私たちの疑問に正面から答えてくれたはずの質問があります。「What parameters or flags does Turnitin's model take into account when detecting AI writing?」（AIライティングを検出する際、Turnitinのモデルはどんなパラメータやフラグを考慮するのか）という見出しの下、実質的な部分はこう書かれています。

「Our classifiers are trained to detect these differences in word probability and are adept at the particular word probability sequences of human writers.」（当社の分類器は、語の確率におけるこうした違いを検出するよう訓練されており、人間の書き手に特有の語の確率の並びに精通しています。）

語の確率。語の並び。ベンダー自身が自社の分類器の動作レベルとして説明しているのはこの水準です。それも、自社のFAQがモデルは何を考慮するのかと単刀直入に尋ねたときの回答においてです。

スコアがどう算出されるかという公開された説明を、使われている語彙をたどって下っていくと、文字に到達する前に止まります。

「When a paper is submitted to Turnitin, sentences from the submission are extracted and segmented into overlapping sections for prediction analysis. Each segment is classified by the AI detection model and given a value between 0 and 1 … Each qualifying sentence within these segments inherits the segment's score.」（論文がTurnitinに提出されると、提出物から文が抽出され、予測分析のために重なり合う区間に分割されます。それぞれの区間はAI検出モデルによって分類され、0から1までの値が与えられます … これらの区間に含まれる条件を満たす各文は、区間のスコアを引き継ぎます。）

区間。文。条件を満たすテキスト——同じFAQはこれを、標準的な文法的文として書かれた塊と定義しています。語の確率の並び。この連なりの中で名前が挙がる単位はどれも語かそれ以上であり、単独で数値を受け取る最小のものは複数の文からなる区間で、個々の文はそこから値を借りてきます。

ダッシュはその区間の中にあります。取り除いても、区間には同じ語が同じ順序で残ります。それこそが句読点の差し替えで変わらない点であり、語順はベンダーが名前を挙げたものです。トークナイザーがそこを気にするかどうかは別の問題で、Turnitinの外の誰にも答えられません。私たちは知っているふりをするつもりはありません。ただ、このアドバイスはたいてい仕組みがわかっているかのように語られます。そして公開されている仕組みには、その入る場所がありません。

エムダッシュを削ることには、検出とは無関係で、三十秒ほどで自分で確かめられる測定可能な影響が一つあります。Microsoft Word はエムダッシュとエヌダッシュを語の区切りとして扱い、ハイフンは区切りとして扱いません。そのため "cost—benefit" は二語、"well-known" は一語として数えられます。スペースなしのエムダッシュ四十個をハイフンに置き換えれば、語数は四十減ります。

たいていの文書にとってこれは些細な話です。厳しい上限ぎりぎりの提出物にとってはそうではありません。Turnitinのファイル要件自体が、処理の対象に上限を設けています。だからこそ私たちはTurnitinは学位論文全体をチェックできるのかでダッシュと語数カウントに一節を割きました。この形に注目してください。実際に示せる影響は、分類器ではなく語数カウンターを通って現れるのです。

エムダッシュは文中で役割を果たしています。代わりに何を置いても別の役割になります。そしてその選択は見た目の問題ではありません。

• カンマ は切れ目を弱くします。ダッシュが本物の割り込みを担っていた箇所では、カンマはそれを消すか、コンマの誤接続を生むかのどちらかです。
• セミコロン は文体の格を上げ、後続部分が独立した節として成立することを要求します。たいていは成立しません。
• 丸括弧 は内容を脇道の補足に格下げします。それは、その内容の重要性についてあなたが何を主張しているかを変えてしまいます。考察のセクションでは、それは書式の判断ではなく主張なのです。
• ピリオド は一つの思考を二つに分けます。改善になることもあれば、その文の要点だったつながりを断ち切ってしまうこともあります。
• 何も置かない は、人が思うよりずっと多くの場合に機能します。そして、この中で新しい判断を持ち込まない唯一の選択肢です。

これに、文書に入っている数を掛けてください。一括置換はそれらの判断をすべて同じやり方で、一つの操作で、開く理由のなかった文章に対して行います。それは多くの人が完成原稿に対して行う最大規模の編集であり、しかも最も注意を払わずに行われるものです。

文体ガイドが定められているなら、あなたを縛るダッシュの規則はそのガイドのものであって、ネットの書き込みのものではありません。自分のダッシュがエムなのかエヌなのかを整理することは、少なくとも答えのある問いです。

分類器についての理屈を取り除いても、何かが残ります。ただしそれが指し示すのはスコアではなく人です。

この規則を信じている読者は少なくありません。指導教員がその一人なら、あなたのダッシュには現実のコストがかかります。検出器が関与する前に、最初のページで形成される印象です。このリスクは、ソフトウェアの仕組みについてのどんな説明にも依存しません。だからこそ、この半分が主張の中でいちばん丈夫です。私たちはここにこそ真剣に向き合う価値があると考えています。これは公開された知見ではなく、私たちの読みとして提示するものです。

ただし、一括置換がその答えとしては貧弱であることにも注意してください。あなたの文章の印象を形成する人は、文字を数えているのではなくページに反応しています。機械が書いたように見えた段落は、カンマに置き換えても同じように見えます。読者を動かすのは、その文章があなたのものと明確にわかること、そしてあなたがそれについて語れることです。それは下書きを残すべき理由であり、その証拠が実際にどう使われるかは版の履歴を証拠としてにまとめました。

読み手が受け取るあなたの文体の印象と、AI検出の結果は、種類の違う情報です。Turnitinは、AIライティングの指標とレポートを学生が直接見ることはできないとしており、教員がダウンロードして共有する必要があります。句読点から結果を推し量るのではなく、レポートを手に入れ、実際のハイライトを確かめ、下書きと執筆の記録を使って自分の書き方を説明してください。

ダッシュについてどう決めるにせよ、役に立つ原則は一括置換が破っているものです。つまり、何が変わったかをまだ読める規模で文章を変えなさい、ということです。確認していない変更はすべて、文書が静かに破綻しうる場所です。

この制約こそが、句読点についての見解ではなく、HumanPenというツールの形を決めました。ファイルと、Turnitin や iThenticate の AI レポートを渡せば、指摘された箇所がそのまま対象範囲になり、その外側はあなたが書いた表現のまま残ります。私たちのページには粒度の規則がはっきり書かれています。「a paragraph is the smallest unit a rewrite can touch, so a selection is expanded to full paragraphs before it is counted.」（段落は書き換えが触れられる最小の単位なので、選択範囲はカウントの前に必ず段落全体へ広げられます。）段落は、この記事が扱っているものよりいくつも上の階層です。

ここから二つのことが導かれます。しかもそれは機能ではなく制限として述べておく価値があります。課金は実際に書き換えた語数で数えるため、範囲を絞った仕事の料金はファイルの重さではなく範囲の大きさで決まります。条件を満たす箇所は、無料で再実行できます。

私たちにできないのは、数字をお伝えすることです。Turnitin自身のモデルについての立場は、個々の予測は「may not always be explainable in simple feature-by-feature terms」（常に特徴ごとの単純な言葉で説明できるとは限らない）というものであり、ある編集がスコアのどんな動きに対応するかを示すものは何も出していません。したがって、結果のパーセンテージを提示するツールは、自分が持っていないものを提示していることになります。さらに厄介なのは基準を下回る場合です。1%から19%のスコアはアスタリスクで表示され、パーセンテージもハイライトも示されません。つまりその帯域の中での実際の改善は、あなたを含め誰にも見えません。同じ段落について二つのツールが異なる数値を出す理由を知りたい場合は、なぜ検出器の判定が食い違うのかをご覧ください。いま手元にレポートがあるなら、Turnitin の AI Writing Report の読み方から始めてください。

エムダッシュを全部消せばAIスコアは下がりますか？ 誰にもわかりません。「間違いなく下がる」と言う人も「間違いなく下がらない」と言う人も、公開されている範囲を超えたことを言っています。私たちが報告できるのは、検索したTurnitinのヘルプページ3件にはダッシュへの言及が一切ないこと、そしてその中で句読点が出てくる唯一の箇所は、検出器が句読点の変更を標的とするようには調整されていないと述べた回答であることです。

AIモデルは人間より実際にエムダッシュを多く使うのか？ おそらくそうでしょう。そしてそれは、生成テキストを使って自分で検証できる主張です。それは「検出器がダッシュに重みを置く」という主張とは別のものであり、後者を含意しません。

削ることに測定できる効果はあるのか？ 一つだけ、自分で確かめられるものがあります。しかも検出とは無関係です。Word はエムダッシュを語の区切りとして数え、ハイフンは区切りとして数えません。したがってスペースなしのエムダッシュをハイフンに置き換えると、置き換えるごとに語数が一つ減ります。

指導教員に、ダッシュがChatGPTみたいだと言われました。どうすればいいですか？ それは検出結果ではなく、読者の印象として受け取ってください。実際にそういうものだからです。印象に答えるのは、下書き、メモ、そして自分の議論を自分の言葉で説明できることであって、相手が気づきもしない一括置換ではありません。

この問題をまるごと避けるために、書き方を変えるべきですか？ わざと自分の水準より低く書くことには、点数において相応のコストがかかります。しかも通常は見ることを許されていないスコアに対して、測定されていない利益しか得られません。ベンダー自身が公開している偽陽性の特徴のリスト——構造的な変化に乏しいテキスト、文字どおりの繰り返しがあるテキスト——は句読点のリストではありません。そのリストが実際に裏づける手作業の編集については、ツールなしでAIテキストを人の文章に近づける方法で検討しました。