إذا أعدتُ صياغة جملة واحدة مُعلَّمة، هل ينخفض Score بمقدار جملة واحدة؟

لا. الـ Score الذي تحمله جملة لم تكتسبه تلك الجملة وحدها، لذا لا يوجد سعر صرف ثابت بين الجمل المُصلحة ونقاط النسبة المئوية المحذوفة. الحساب المنشور من Turnitin يقول إن الجمل تُستخرَج وتُجمَّع في شرائح متداخلة، كل شريحة تُقيَّم بين 0 و1، والجملة ترث Score كل شريحة تجلس فيها — ما يعني أن الجملة القريبة من حدود شريحة تحمل أكثر من Score واحد، يُجمَّعان معًا. هذا الوصف يسمي ثلاث عمليات — يرث، يجمّع، ويُركّب — ولا ينشر أيًا منها، لذا لا يمكن قراءة مساهمة جملة واحدة منه. ثلاثة روايات محددة عن هذه العملية الحسابية متداولة، وجميعها تراكمية. كل واحدة ترجع إلى وثيقة، وفي كل حالة تقول الوثيقة أقل مما تقوله الرواية المبنية عليها.

تلك الثلاث أدناه، كل واحدة بجانب وثيقتها. الآلية نفسها، والتعديلات اليدوية التي تتبعها، كتبناها بشكل منفصل في كيف تُأنسن نص الذكاء الاصطناعي بدون أداة.

في دليل شركة تدقيق لغوي حول خفض Score الذكاء الاصطناعي، الذي تم الاسترجاع في 18 أغسطس 2026 واقتباسه بدقة:

"There is no colour scale like the similarity report. The AI report is binary at the sentence level: each sentence is either flagged or not flagged. The overall percentage is simply the proportion of flagged text across the whole document." (لا يوجد مقياس ألوان مثل تقرير التشابه. تقرير الذكاء الاصطناعي ثنائي على مستوى الجملة: كل جملة إما مُعلَّمة أو غير مُعلَّمة. النسبة المئوية الإجمالية هي ببساطة نسبة النص المُعلَّم عبر المستند بأكمله.)

كوصف للتقرير الذي أمامك، النصف الأول صحيح. الجملة مُتميَّزة أو لا؛ لا يوجد تدرج في العرض. ما يخطئ هو الشيء خلف التمييز. حساب Turnitin الخاص:

"Each qualifying sentence within these segments inherits the segment's score. Since segments overlap, some sentences may have multiple scores, which are then pooled into a single score." (كل جملة مؤهلة داخل هذه الشرائح ترث Score الشريحة. وبما أن الشرائح تتداخل، قد يكون لبعض الجمل عدة Scores، تُجمَّع بعد ذلك في Score واحد.)

إذن الجملة لم تكتسب حكمًا. لقد ورثت احتمالًا، ربما اثنين، من كتل نصية تشمل جيرانها. التمييز هو عرض لعتبة، وليس الكمية التي يُبنى منها الرقم.

الجملة الأخيرة من هذا الاقتباس لديها مشكلة منفصلة. "النسبة المئوية للنص المُعلَّم عبر المستند بأكمله" ليست ما تقوله Turnitin إن النسبة المئوية هي نسبة منه. التحليل يغطي فقط ما تسميه نصًا مؤهلاً — الكُتَب المكتوبة كجمل نحوية قياسية، مما يترك القوائم والنقاط خارجًا — والعاقبة التي تستنتجها Turnitin هي أن "هذه النسبة المئوية ليست بالضرورة نسبة التسليم بأكمله". إذا كان ثلث ملفك جداول ونقاطًا وقائمة مراجع، فالمقام ليس مستندك. فكّكنا ذلك في كيفية قراءة تقرير كتابة الذكاء الاصطناعي من Turnitin.

كيف تبدو النصيحة المبنية عليه: عدد الجمل المُعلَّمة، اقسم، اعرف كم تحتاج لإصلاح. تحت الوصف المنشور، لا مرجع لهذا الحساب، لأن عدد الجمل المُعلَّمة والنسبة المئوية ليسا وجهين لكمية واحدة.

من دليل بائع أدوات التأنسة، الذي يستشهد بمركز مساعدة Turnitin الخاص كمصدر للآلية. تم الاسترجاع في 18 أغسطس 2026، مُقتبس بدقة:

"The model calculates an overall prediction based on the average of all segment scores, producing the percentage displayed in the AI writing indicator." (يحسب النموذج تنبؤًا إجماليًا بناءً على متوسط كل Scores الشرائح، منتجًا النسبة المئوية المعروضة في مؤشر كتابة الذكاء الاصطناعي.)

هذا أقرب، والفجوة ضيقة بدرجة كافية لتستحق الذكر بدقة. الجملة المنشورة هي:

"These sentence scores are further aggregated and used to compute the overall document AI writing score." (تُجمَّع هذه Scores الجمل بشكل أبعد وتُستخدم لحساب Score كتابة الذكاء الاصطناعي الإجمالي للمستند.)

Scores الجمل، وليس Scores الشرائح. Score الشريحة هو قيمة وسيطة ترثها الجملة، أحيانًا مرتين؛ ما يُجمَّع هو ما يخرج من التجميع.

سواء كان الاثنان ينتجان أرقامًا مختلفة لا يمكن إخبارك، لأن Turnitin لم تنشر لا دالة التجميع ولا التجميع. المختلف هو ما تعمل عليه العملية، وهذا هو نصف خطة المراجعة الذي يعتمد عليه. تحت متوسط على الشرائح، كل شريحة تحسب نفس الشيء بغض النظر عن عدد الجمل فيها، وكل جملة تجلس في واحدة بالضبط. لا واحد من هذين هو ما يقوله الوصف المنشور.

الرواية الثالثة تتجاوز الآلية وتأتي كتعليمات: أعد صياغة جملة الافتتاح والإغلاق من كل فقرة، لأن جملي الافتتاح والإغلاق تُعلَّمان أكثر.

هناك وثيقة حقيقية خلفه. في ملاحظة إصدار مؤرخة 24 مايو 2023، تحت عنوان "تحسينات في الكشف في بداية ونهاية المستندات"، كتبت Turnitin:

"Since launch, we have observed a higher incidence of false positive detection in the first few or last few sentences of a document. Many times these sentences consist of introduction or conclusion content written in a generic way. As a result, we have changed our detection logic to help reduce these false positives." (منذ الإطلاق، لاحظنا حدوثًا أعلى للكشف الإيجابي الخاطئ في الجمل القليلة الأولى أو الأخيرة من المستند. في كثير من الأحيان تتكون هذه الجمل من محتوى مقدمة أو خاتمة مكتوب بطريقة عامة. نتيجة لذلك، غيّرنا منطق الكشف للمساعدة في تقليل هذه الإيجابيات الخاطئة.)

ثلاثة أمور تؤخذ من ذلك، بترتيب مدى شيوع إسقاطها.

تقول بداية ونهاية مستند، وليس كل فقرة. النصيحة هاجرت مستويين لأسفل في البنية.

إنه إعلان إصلاح. الجملة الثالثة هي الإعلان. الاستشهاد بالأولى والثانية كوصف لكيفية تصرف الكاشف الآن هو الاستشهاد بتقرير خطأ كمواصفات.

وتتابع الملاحظة: "We also worked on making our segment boundaries detection more precise which could lead in some rare cases to change of boundaries compared with a previous version." تحركت الحدود. أي جملة تجلس في أي شريحة هو تفصيل إصدار مُتميَّز، وليس شيئًا للتخطيط حوله.

إذا كنت تستعد لمحادثة سوء سلوك، لا تأخذ ملاحظة الإصدار هذه معك. الشخص المقابل لك يمكنه قراءة الجملة الثالثة أيضًا. ما يمكنك قوله بشكل معقول هو أضيق ويصمد أكثر: البائع راجع النموذج استجابة للإيجابيات الخاطئة، وهذا ليس سلوك شيء ليُعامَل كدليل مستقر.

كل واحدة، لو كانت صحيحة، ستسمح لك بحساب قيمة جملة واحدة. هذا ما يجعلها جذابة. خطة المراجعة تحتاج وحدة تقدم، ولا أي من المواد المنشورة توفر واحدة.

لا يمكنك أيضًا استرداد الرقم المفقود بالتجربة، لسببين موثقين. Scores فوق 0% وتحت عتبة 20% لا تُعرَض على الإطلاق — نجمة، لا تمييزات — لذا انتقال حقيقي من 19% إلى 4% يبدو مثل لا انتقال. وفي معظم الإعدادات، المؤشر ليس لك لتنظر إليه: تقول Turnitin إن المؤشر والتقرير غير مرئيين للطلاب، وأن مدربًا مع تحميل PDF يمكنه مشاركتهما معك.

حالة واحدة تتصرف بشكل قريب من التراكمي، وهي التي لا تريدها أقل. عندما يصل التسليم إلى بضع مئات من الكلمات هناك شريحة واحدة ولا فرصة للتداخل، لذا حساب Turnitin الخاص هو أن التنبؤ يخرج بالكامل أو لا شيء في الغالب — وأن النص المخلوط بين محتوى الذكاء الاصطناعي والأصلي يمكن بالتالي الإبلاغ عنه ككل أنه ذكاء اصطناعي. هذا ليس تحكمًا دقيقًا. إنه مفتاح.

1. قبل أن تتبع قاعدة عن أي الجمل لإعادة صياغتها، ابحث عن المستند الذي أتت منه. كل الثلاث في الأعلى لها واحدة. في كل الثلاث تقول الوثيقة أقل مما تقول القاعدة، والفجوة مرئية في حوالي خمس دقائق من القراءة.
2. اعمل من التمييزات التي لديك فعلاً. إذا حدّد تقرير مقاطع محددة، تلك هي التي لها دليل معها. الدليل خلف قاعدة عن الموقع هو ملاحظة إصدار من 2023.
3. احسب الفقرات التي ستضطر لإعادة التحقق منها، ليس التي ستغيرها. كل فقرة تلمسها هي فقرة تعيد قراءتها بحثًا عن اقتباس مكسور، أو ادعاء متحول، أو رقم تحرك. خطة تلمس كل فقرة في أطروحة أنشأت بصمت وظيفة تدقيق لغوي بحجم الأطروحة.
4. احتفظ بالملف الذي بدأت به. الأصل والمسودات الوسيطة هي الجزء من هذا الذي له قيمة إثباتية، ويحتفظ به بغض النظر عما يفعله الرقم. الميكانيكا في سجل الإصدار كدليل.

HumanPen يأخذ تقرير كتابة الذكاء الاصطناعي كـ PDF ويعمل من المقاطع التي يُحددها. واحدة من قواعده ذات صلة هنا: الفقرة هي أصغر وحدة ستعيد كتابتها، لذا تحديد يغطي جزءًا من واحدة يوسَّع إلى الفقرة بأكملها قبل بدء المهمة.

تلك القاعدة ليست ادعاءً عن الـ Scoring. هي موجودة لأن التمييز حر ليبدأ في منتصف جملة، وإعادة كتابة الأحرف المُعلَّمة بالضبط تمنحك فقرة كتبها شخصان — نصف بسجل واحد، مع النصف الثاني متكيئًا على مصطلحات أُدخِلَت في النصف الذي لم يلمسه أحد. لم تنشر Turnitin أي وحدة تحتاج إعادة الكتابة لتغطيتها لتحريك Score، ولسنا في وضع للعمل على ذلك من الخارج.

ما لا يمكن إعطاؤك إياه هو سعر الصرف، ولا يمكن لأي شيء آخر ذلك أيضًا. أداة تعرض لك نسبة مئوية متوقعة تعرض رقمًا لا تملكه.

إذا أُزيلت جملة مُعلَّمة، هل يزيل ذلك حصتها من الـ Score؟ ليس بشكل يمكن التنبؤ به. التمييز يعكس Score ورثته الجملة من الشرائح حولها، وإزالة نص يغير الشرائح. رقم المستند هو تركيبة من Scores الجمل المُمزَّجة، ليس مجموع جمل مُعلَّمة.

هل ينخفض الـ Score بنفس المقدار إذا أعدت صياغة فقرة كاملة؟ لا يوجد مبلغ منشور، لفقرة أكثر من جملة. ما نُشر هو أن الشرائح تتداخل، لذا ما يحدث لأي ممر يعتمد على النص على جانبيه.

لماذا لا يتطابق التمييزات والنسبة المئوية؟ لأن النسبة المئوية تُحسَب على النثر المؤهل فقط، وتقول Turnitin إن مستندًا يخلط عدة أنواع كتابة "سيؤدي إلى تفاوت بين النسبة المئوية والتمييزات."

هل الجمل الأولى والأخيرة من كل فقرة تُعلَّم حقًا أكثر؟ الوثيقة التي بدأت هذا قالت الجمل القليلة الأولى والأخيرة من مستند، قالت ذلك في 2023، وفي نفس الملاحظة أعلنت عن تغيير في منطق الكشف لتقليله. ليس وصفًا حاليًا للسلوك ولا قابلاً للاستخدام كدفاع.

هل يمكنني اختبار تعديلاتي بنفسي؟ عادة لا. أي شيء تحت 20% يظهر كنجمة بدون رقم ولا تمييزات، وفي معظم الإعدادات المؤشر مرئي للمدربين والمسؤولين بدلاً منك.

---