TurnitinのAI Writing ReportとSimilarity Report：それぞれのスコアを同じものとして読まない

TurnitinのSimilarity Reportは、提出物の中にあるTurnitinのデータベースの素材と一致する表現を見つける。AI Writing Reportは分類モデルを使って、提出物の対象となる文章のうちどれほどがAI生成されている可能性があるかを推定する。その際、モデルがAIパラフレイザーやバイパスーでさらに書き換えられたとみなすテキストも含まれる。二つの計算は互いにフィードバックしない。

混乱はもっともだ。二つのレポートは同じ提出ワークフローに属し、Turnitinのいくつかの画面ではAIインジケーターがSimilarity Reportの横に配置される。新しい画面では完全な結果がAI Writingタブから開き、古い画面ではインジケーターが右のツールバーにあることがある。この近接さはナビゲーションの問題であって、共通の計算ではない。TurnitinのAIレポートガイドは、AIパーセントをSimilarity Scoreとは異なり独立していると明記している。

一致した範囲とAIで分類された範囲は、証拠の種類も違う。類似度の一致は別の要素—ウェブページ、出版物、前の学生提出物—を指し、読者が言語を比較して出典を確認できるようにする。AIのハイライトはモデルのカテゴリを指す。それはソース、モデル、プロンプト、ユーザー、執筆セッションを何も示さない。

類似度は「他どこでこの表現が使われているか」と問う。AI検出は「この対象文章はモデルのAIカテゴリのテキストに似ているか」と問う。どちらも「この学生は不正行為を行ったか」と問わないし、1人では答えられない。

この違いが次のアクションを決める。ソース一致はソース、引用、出典へと導くべきものである。AIのハイライトは周込の文章、筆者の下書き、適用されるAI利用ポリシーへと導くべきものである。両方を汊用な「問題のパーセント」として扱うと、読者を間違った証拠へ送ることになる。

カテゴリーエラーを避ける最も早い方法は、質問、分母、次のステップでレポートを比較することだ。下の表はTurnitinの現行の用語を使っているが、製品のアクセスとレイアウトはライセンスと画面バージョンによって異なる場合がある。

分母が最も重要な技術的な違いだ。TurnitinはSimilarity Scoreを、他のソースと一致する提出テキストのパーセントと定義している。AIパーセントは対象文章だけを対象に計算される。表、コード、数式、短文形式の回答、注釈付き参考文献を含む論文は、表示されるページ数よりもずっと小さなAI分母を持つことがある。AIレポートの詳細ガイドが、その分母と星印状態をここで繰り返さずに説明している。

ハイライトの意味も同様に重要である。Similarity Reportで一致を選択すれば、ソースと重複する言語へと導かれるべきである。AI Writing Reportでは、ハイライトは分類カテゴリを示し、ソースリンクではない。AIでハイライトされた文を見て、それがChatGPTからコピーされたと言うのは不当である。レポートにはその出所を確立できる比較は含まれていない。以前はこうした二つのカテゴリがあった。Turnitinは2026年8月4日に分割を廃止し、AIパラフレーズされたテキストを青色のAI生成カテゴリ一つに統合し、紫色はもう現れないと明記した。古いレポートは、ファイルが再度処理されるまで両方の色を残している。

レポートの日付と設定は、あらゆる比較に含まれるべき情報である。引用と参考文献を含むSimilarity Reportは、それらを除外したものと直接には比較できない。新しいモデルで生成または更新されたAIレポートも、以前のバージョンと違う可能性がある。二つのスクリーンショットがなぜ食い違うかを説明しようとする前に、ファイル、レポート日付、画面やモデルの注記、アクティブな除外を記録すること。

最後に、他人のスクリーンショットからアクセス権を推測してはいけない。学生が見られるものは、機関、Turnitin製品、ライセンス、課題設定に依存する。判断に使われるレポートを開けない場合、メールにコピーされたパーセントだけではなく、完全なレポートと使用された設定を求めること。

二つのレポートは独立しているため、高い／低いの四つの組合せのいずれも矛盾していない。ここで「高い」「低い」は単に記述のためのものであり、Turnitinは不正行為の万能な限界を示さない。機関は違うポリシーを適用できる。

• 類似度が高く、AIが低い。 人間が書いた文献レビューは、引用を多用し、標準的な定義を使い、課題テンプレートを再現し、以前に下書きとして提出されていることがある。これらの特徴はデータベースでの一致を生み出すが、文章がAI生成のように見えるわけではない。最も大きな一致とその出典を確認すること。正しく引用された素材を、パーセントを動かすためだけに書き換えてはいけない。
• 類似度が低く、AIが高い。 新たに生成された表現は、インデックスされたソースに似ていなくてもよい。したがって、AI分類器が対象文章の一部をラベル付けする間、ソース一致は少ないことがある。低いSimilarity ScoreはAIの結果を反証しない。AIの結果が著作権を確立するわけでもない。下書き、許可されたツール、ハイライトされたコンテキストを確認すること。
• 類似度もAIも高い。 同じドキュメントに、定量の引用または再利用された素材と、分類器がマークする別の文章が含まれることがある。テンプレート、長い参考文献、以前の提出物との一致も、これらの分類と並んで含まれることがある。二つの指摘を別々に調査すること。一方のパーセントがもう一方を説明するわけではない。
• 類似度もAIも低い。 どちらのシステムも自分のルールの下で多くを派し出しなかったということだ。それは独創性や人間の著作を保証するものではない。ソースがTurnitinのデータベースの外にある可能性、重要な範囲が論文に対して小さい可能性、コンテンツがフィルターされたり対象外であったりする可能性、そしてどの分類器もケースを見落とす可能性がある。

二つのスコアを足したり、引いたり、平均したりしてはいけない。類似度20%とAI20%を足しても、一つの問題の四十パーセントにはならない。パーセントは違う分母を使い、違う出来事を記述している。

それゆえ、表紙の色をみて信号のように反応するのは弱いやり方だ。役に立つ単位は「スコア」ではなく、範囲とそれに紐だいた質問である。どのソースが一致したか。重複部分は引用されているか。どのテキストがAI审査の対象になったか。執笆の証拠はあるか。それらを踏まえて初めて、数字は証拠への道になり、それの代替品にはならない。

Turnitin自体のSimilarity Scoreガイドは明確である。システムは自分のデータベースと類似度を照合するだけで、盗作が起こったかを判断しない。比較対象は、現在およびアーカイブされたウェブページ、以前の学生提出物、雑誌、学会誌、出版物を含む。一致はしたがって調査すべき場所を示すものであって、不正行為のレッテルではない。

高いスコアでも悪意がない可能性がある。正しく引用され出典付きの素材は一致する。参考文献には他にも存在するタイトルが含まれる。方法の範囲は必要な手順を繰り返すことがある。学生論文リポジトリに保存された下書きは、後の提出物と一致することがある。引用の多い定性的な研究は、独創的な数学的証明より多くの共通テキストを合理的に含むことがある。

低いスコアでも、重大な問題を含んでいることがある。出典がないままソースからコピーされた段落は、長い論文の小さなパーセントしか占めないことがある。パッチライティングは、複数のソースに渡って近接パラフレーズを分散させることがある。マイナーな、非公開の、または新しく出版されたソースは比較対象に含まれていない可能性がある。集計パーセントは、最も重要な一致の深刻さを伝えることはできない。

次の順番でSimilarity Reportを読む。

• まずレポート設定を確認する。 引用、参考文献、出典、課題テンプレート、小さな一致、リポジトリが除外されているかを確認する。それらの選択が実質的に同じ場合にだけパーセントを比較する。
• 色のバンドではなく、範囲から始める。 最も大きなソースを開き、次に小さいが重要な一致を探す。2%の一致が、15%の参考文献より重要なことがある。
• 意味のある重複についてそれぞれの理由を分類する。 それは直接引用、出典付きの近接パラフレーズ、共通用語、必要な指示、著者自身の以前の提出物、それとも出典なしの転用か。理由ごとに違う対応が求められる。
• 計量器ではなく、学術的な問題を修正する。 欠落している出典を補い、近接すぎる表現を引用できれ、理解に基づいてパラフレーズし、正当な再利用を記録する。出典を削除したり、コピーしたテキストをリライターで洗うことは、出典の問題を残したまま証拠を隠すだけである。

フィルターと除外のガイドによれば、レポートは引用、参考文献、本文中の出典、小さな一致、テンプレート、選択したソースを除外できる。これらのコントロールは計算や表示を精査するものであって、提出されたドキュメントを変えるものではない。除外は復元可能であるため、フィルター済みのスコアを唯一の結果のように見せるのではなく、それらを明示するのが弁護されるやり方だ。

すべての除外が見た目の量だけパーセントを下げると期待してはならない。一つの範囲が重複するソースに一致することがある。一つのソースを除外すれば、同じ言語に対して別のソースが表示されるだけであることもある。Turnitinは、全体の数字が変わる場合も変わらない場合もあると警告している。これも、レポート設定を保存し、範囲から論を組むやり方の理由の一つだ。

問題が出典にあるなら、ソース一致を使って引用や出典を修正する。ヒュマニズージョンサイズは出典の治皗剂ではない。HumanPenの出典フォーマット修正は、既存の引用や参考文献を要求されたスタイルに合わせるためのものであって、出典なしの主張のための証拠を創作できるわけではない。

何かをアップロードしたり改めたりする前に、ドキュメントを特定する。スクリーンショットの色付きパーセントに頼らない。レポートのタイトルと、ページの内容を探す。Similarity Reportは一致とソースを中心に組まれている。AI Writing ReportはAIインジケーター、対象テキスト、AI分類のハイライトを中心に組まれている。現行のアクセスガイドは、新しい画面と古い画面の両方で、個別のAIレポートがどこで開かれるかを示している。

• Similarity Reportを持っている場合： ソース一覧、アクティブなフィルター、意味のある重複を調べる。ドキュメント内の欠落した出典と引用の書式を修正する。このPDFをHumanPenのTurnitinレポートワークフローにアップロードしてはいけない。そのワークフローが必要とするAIのハイライトを含んでいないからだ。
• AI Writing Reportを持っている場合： ハイライトされた範囲をコンテキストで読み、下書き、ノート、許可されたAI利用と比較する。改訂が許可され、中浮中の审査がなければ、完全なレポートは、ドキュメント全体を書き換える代わりに、見直しを行う範囲を組織的に組んだものにできる。
• パーセントやスクリーンショットしか持っていない場合： 判断に使われた完全なレポートと、レポート日付、関連設定を一緒に求める。分母や範囲、ソースの詳細から切り離された数字だけでは、問題を診断するのには不十分だ。
• 二つのレポート両方を持っている場合： メモでは分けて保つこと。Similarity Reportからソースの出典を解決し、AI Writing ReportからAI分類を审査する。どちらの変更がどちらの指摘に答えるかを記録する。

学術的インテグリティレビューや異議申立てがすでに始まっているなら、提出されたファイルと原本のレポートをそのまま保存する。適用されるプロセスが改訂を許可した後にのみ、コピー上で作業する。バージョン履歴、アウトライン、ソースメモ、フィードバックは、テキストがどのように発展したかを示すことがある。新しいパーセントを追求するためにそれらを上書きすれば、自分に最も役立つ証拠を破壊することになる。

HumanPenは、AIレポートのアップロードフローでSimilarity ReportのPDFを意図的に拒絶する。製品にはAI Writing Reportが必要だ。そのファイルがAI审査の対象として選ばれた範囲を特定するからだ。ドキュメントと互換性のあるAIレポートがあれば、ワークフローはそのハイライトを元のソースドキュメントにマッピングし、書き換えをその選択範囲に限定する。それはSimilarity Scoreを、ソース一致をパラフレーズせよという指示として扱うものではない。

そのより狭いワークフローも、将来のスコアについての保証ではない。検出モデル、バージョン、機関の設定は変わるし、人間の文章が誤分類されることもある。弁護されるべき目標は、自分が理解した許可済みの改訂を行い、意味と出典を保ち、議論の主導権を手放しておくことだ。どちらかのレポートを宣告済みという約束に変えることではない。

一つの提出物、二つの診断ツール、二つの証拠の道：類似度にはソースと出典、AI分類には文章のコンテキスト、プロセスの証拠、ポリシー。正しい道から始める。