لماذا تُعلّم أدوات الذكاء الاصطناعي المقالات المكتوبة بإتقان

لا يتعلق الأمر بتقييم جودة الكتابة. بحثنا في ثلاث صفحات مساعدة من Turnitin، ولم تظهر مصطلحات "quality" (الجودة) أو "style" (الأسلوب) أو "polished" (مُحكم) أو "well written" (مكتوب بشكل جيد) أو "vocabulary" (المفردات) أو "clarity" (الوضوح) في أي منها. أما حساسية "300 كلمة" فموجودة في الصفحات الثلاث، ما يؤكد أن البحث شمل نص الصفحة ذاته وليس مجرد عوائد فارغة. لا يقدم قسم الأسئلة الشائعة الكاشف كمقياس لجودة الكتابة. ما تنشره Turnitin هو قائمة غير مُرقّمة بنوع النصوص التي قد الوقوع فيها إيجابيات كاذبة. النثر الأكاديمي المتقن قد يشبه عنصرين من تلك القائمة عند تكرار المصطلحات الثابتة أو استخدام تراكيب متوازية، لكن Turnitin لا توضح مدى انتشار هاتين السمتين بين الأخطاء.

هذا لا يثبت أن الإتقان غير ضار، ولن ندّعي ذلك. ما تُوثّقه الشركة هو ما اختارت توثيقه فقط، والنموذج المُدرّب يحتوي على أكثر بكثير مما تحتويه صفحات المساعدة. ما نثبت هنا أضيق وأكثر فائدة: "well written" (مكتوب بشكل جيد) ليس معيارًا يبلغ عنه هذا النظام، فالتعليم ليس حكمًا على جودة الكتابة، والنصيحة القائلة بأن تكتب بأقل من مستواك -وهي النصيحة التي يبنيها الناس على افتراض contrario- لا تستند إلى أي وثيقة منشورة.

بحثنا في النص الظاهر لثلاث صفحات استُرجِعت في 18 أغسطس 2026 لأن `guides.turnitin.com` أعاد خطأ 403 عند محاولة جلبها بأداة سطر أوامر بسيطة: "Using the AI Writing Report" (استخدام تقرير الكتابة بالذكاء الاصطناعي) و "Turnitin's AI writing detection capabilities FAQs" (الأسئلة الشائعة حول قدرات Turnitin في كشف الكتابة بالذكاء الاصطناعي) و "File requirements for an AI Writing Report" (متطلبات الملف لتقرير الكتابة بالذكاء الاصطناعي). تحدد هذه الصفحات الآلية وقواعد الملفات؛ وكانت ملاحظات الإصدار ومشكلاته المعروفة خارج نطاق هذا البحث. يسجل الجدول الحضور أو الغياب بحساسية للأحرف الكبيرة والصغيرة لا الأعداد الدقيقة، التي قد تتغير مع تحديث الصفحات الحية.

الصف السفلي هو السبب في أن لبقية الجدول معنى: فالنتيجة الفارغة والفشل في الاسترجاع يتركان الأثر نفسه، لذا يجب أن يكون المصطلح المعروف بوجوده في الصفحات الثلاث حاضرًا أولاً. في قسم الأسئلة الشائعة، نجد "writing" (كتابة) و "segment" (مقطع)، بينما تغيب "vocabulary" (مفردات) و "word choice" (اختيار الكلمات) و "clarity" (وضوح). أما "breakdown" (تفصيل) فموجود في دليل التقارير، لكن فقط كاسم لأحد أقسام الواجهة، لا كإحصائية.

ثم هناك الصور، التي لا يستطيع البحث النصي رؤيتها أصلًا. لا تحتوي مقالة الأسئلة الشائعة نفسها على أي صور؛ شعار الموقع ينتمي إلى هيكل الصفحة لا إلى المحتوى. يحمل دليل التقارير لقطات شاشة بدون نص بديل، ففتحناها بشكل منفصل. تتضمن عينّة تقرير تظهر 56% ذكاء اصطناعي بجانب 23% تشابهًا، وصفحة من نثر مُبرَز، ورسائل حالة. لا يستخدم أي منها الكلمات المذكورة أعلاه. تحمل إحداها جملة لا تظهر في أي مكان في نص الصفحة نفسها:

"AI detection includes the possibility of false positives. Although some text in this submission is likely AI generated, scores below the 20% threshold are not surfaced because they have a higher likelihood of false positives." (يشمل كشف الذكاء الاصطناعي احتمال الإيجابيات الكاذبة. رغم أن بعض النص في هذا التسليم مولّد بالذكاء الاصطناعي على الأرجح، لا تُظهر النتائج الدرجات دون عتبة 20% لأن احتمال الإيجابيات الكاذبة فيها أعلى.)

هذا هو المنتج الذي يرفض طباعة رقم في النطاق الذي يثق بنفسه فيه أقل ما يمكن، وجدير بالاحتفاظ به، لأن كل مكان آخر في هذه المواد يُوصَف معدل الخطأ بدلاً من التصرف بناءً عليه.

هناك شيء يقوم بالعمل، وتسمّيه الأسئلة الشائعة تحت عنوان "What parameters or flags does Turnitin's model take into account when detecting AI writing?" (ما المعايير أو المؤشرات التي يأخذها نموذج Turnitin في الحسبان عند كشف الكتابة بالذكاء الاصطناعي؟):

"Our classifiers are trained to detect these differences in word probability and are adept at the particular word probability sequences of human writers." (مُصنّفاتنا مُدرّبة على كشف هذه الفروق في احتمالية الكلمات، وماهرة في تسلسلات احتمالية الكلمات الخاصّة بالكتّاب البشر.)

تضيف الإجابة نفسها بحرص أن النموذج "is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity,' or other individual metrics sometimes referenced in public discussions" (ليس مبرمجًا صراحةً لتقييم إشارات محدّدة مثل 'burstiness' أو 'perplexity' أو مقاييس فردية أخرى يُشار إليها أحيانًا في النقاشات العامة)، وأنه "learns statistical patterns from our training data" (يتعلم أنماطًا إحصائية من بيانات التدريب الخاصة بنا) عوضًا عن ذلك. كلتا الجملتين موجودتان في الصفحة، وقراءة أي منهما دون الأخرى تأخذك إلى مكان خاطئ: المورد ينفي مصطلحين عامّين مسمّيين، لا ينفي أن احتمالية الكلمات هي العملة. ما يعنيه ذلك بالنسبة للمصطلحات التي يجادل الناس فيها مُوضّح في ما تقيسه أدوات كشف الذكاء الاصطناعي.

الآن اتبع الوحدات المنشورة صعودًا لا نزولًا. كلمات، ثم جمل، ثم هذا:

"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. Since segments overlap, some sentences may have multiple scores, which are then pooled into a single score. These sentence scores are further aggregated and used to compute the overall document AI writing score." (عند Submit ورقة إلى Turnitin، تُستخرَج جمل من التسليم وتُقسَّم إلى أقسام متداخلة لتحليل التنبؤ. يُصنّف كل مقطع بواسطة نموذج كشف الذكاء الاصطناعي ويُعطى قيمة بين 0 و1... ترث كل جملة مستوفية ضمن هذه المقاطع درجة المقطع. ولأن المقاطع تتداخل، قد يكون لبعض الجمل درجات متعددة، تُدمَج بعد ذلك في درجة واحدة. تُجمَّع درجات الجمل هذه Further وتُستخدم لحساب درجة كتابة الذكاء الاصطناعي الإجمالية للمستند.)

تتوقف السلسلة هنا. أكبر كائن يُصنَّف على الإطلاق هو مقطع، بعرض بضع جمل، ورقم المستند هو تجميع لتلك المقاطع، لا حكم ثانٍ يُصدَر بعد قراءة الشيء بأكمله. почти كل ما يجعل المقال جيدًا أكبر من مقطع: حجة تتماسك عبر ثماني صفحات، أدلة مُختارة جيدًا، اعتراض وُرِد في القسم الثاني وأُجيب عنه في القسم الخامس. لا شيء من ذلك كائن بالحجم الذي يحدث عنده التصنيف. ليس الأمر أن النظام يزن منطقك ويكرهه. لا يوجد خانة لذلك.

عند مناقشة الإيجابيات الكاذبة في النثر الأكاديمي، يشير المورد إلى مجموعة اختبار سابقة لـ ChatGPT:

"To bolster our testing framework and diagnose statistical trends of false positives, before every update or new model release, we perform tests on over 700,000 additional academic papers that were written before the release of ChatGPT to further validate our less than 1% false positive rate." (لتدعيم إطار الاختبار الخاص بنا وتشخيص الاتجاهات الإحصائية للإيجابيات الكاذبة، قبل كل تحديث أو إصدار نموذج جديد، نجري اختبارات على أكثر من 700,000 ورقة أكاديمية إضافية كُتِبت قبل إطلاق ChatGPT لمواصلة التحقق من صحة معدل الإيجابيات الكاذبة الأقل من 1%.)

يطرح قسم الأسئلة الشائعة السؤال نفسه مرة أخرى تحت عنوانه الخاص، "How does Turnitin ensure that the false positive rate for a document remains less than 1%?" (كيف تضمن Turnitin أن معدل الإيجابيات الكاذبة للمستند يبقى أقل من 1%؟)، ويكرر الرقم مع حذف كلمة "over" (أكثر من): "we perform additional tests on 700,000 additional academic papers that were written before the release of ChatGPT" (نجري اختبارات إضافية على 700,000 ورقة أكاديمية إضافية كُتِبت قبل إطلاق ChatGPT). نفس المجموعة، جمليتان مختلفتان قليلًا في صفحة واحدة.

اقرأ كيف تصف Turnitin تلك المجموعة المرجعية: أوراق أكاديمية اختيرت لأنها كُتِبت قبل إطلاق ChatGPT. هذا وصف قائم على التاريخ، لا بيان بأن كل ورقة تحققت بشكل مستقل من أنها من تأليف بشري. الادعاء الأضيق لا يزال مفيدًا: تقول Turnitin إنها تعيد تشغيل هذه المجموعة الأكاديمية السابقة لـ ChatGPT قبل إصدارات النماذج لمراقبة معدل الإيجابيات الكاذبة. لا تصف الصفحة التحقق من تأليف كل ورقة على حدة.

وهذا لا يحسم الأمر، ولكنا تجاوزنا الحد لو قلنا ذلك. المورد ينشر الهدف لا التوزيع الكامن وراءه، والهدف نفسه يحمل حدًا تسقطه جمله التالية بهدوء. النسخة الكاملة من تلك الحجة، بما في ذلك ما يحدث عند ضرب معدل صغير في حجم سنوي لجامعة حقيقية، موجودة في ما يعنيه معدل إيجابيات كاذبة 1%.

تذكر الصفحة معدل إيجابيات كاذبة أقل من 1%، لكنها لا تنشر كيف توزع الأخطاء عبر مجموعة الاختبار. لا توجد معدلات للمجموعات الفرعية ولا تُظهِر ما إذا كان أي نوع من النصوص يتسبب في أخطاء أكثر من غيره.

ما تنشره الصفحة هو قائمة غير مُرقّمة بنوع النصوص التي قد تضمها الإيجابيات الكاذبة، يليها نصيحة لقراءة النسبة المئوية:

"Sometimes false positives (incorrectly flagging human-written text as AI-generated), can include content without a lot of structural variation, text that literally repeats itself, or text that has been paraphrased without developing new ideas. If our indicator shows a higher amount of AI writing in such text, we advise you to take that into consideration when looking at the percentage indicated." (أحيانًا قد تتضمن الإيجابيات الكاذبة -التعليم الخاطئ لنص مكتوب بشريًا على أنه مولَّد بالذكاء الاصطناعي- محتوى بدون الكثير من التباين البنيوي، أو نصًا يكرر نفسه حرفيًا، أو نصًا أُعيدت صياغته دون تطوير أفكار جديدة. إذا أظهر مؤشرنا كمية أعلى من كتابة الذكاء الاصطناعي في مثل هذا النص، ننصحك بأخذ ذلك في الحسبان عند النظر إلى النسبة المشار إليها.)

اقرأ ما في تلك القائمة وما ليس فيها. لا مفردات متطورة، لا جمل طويلة، لا حجة قوية. تذكر ثلاث خصائص نص محتملة، لكنها لا تعطي تكرارًا لأي منها. الثالثة تصف عملية بدلاً من أي شيء كنت لتنتجه بالكتابة بنفسك.

الأوليان تستحقان المقارنة بالممارسة الأكاديمية العادية، وما يلي هو قراءتنا لا قراءة المورد. إذا كان مجالك يطلب منك تسمية شيء واحد باسم واحد في كل مرة يظهر فيها، فقد تكرر نفس المصطلح عن قصد لأن المرادف قد يقدم غموضًا. إذا وضعت عناصر قابلة للمقارنة في جمل متوازية كي يتمكن القارئ من إمساكها جنبًا إلى جنب، فقد تقلل التباين البنيوي للسبب نفسه. لا يمثل أي من الخيارين تقصيرًا. تقول Turnitin إن الإيجابيات الكاذبة قد تتضمن هذه الخصائص. لا تقول كم مرة، ولا أن الأخطاء متراكزة هناك، ولا أن الخصائص مرتبطة بالأخطاء.

ما لا نقوله، لأنه ادعاء أكبر بكثير مما يدعمه أي من هذا، هو أن الكتابة المحكمة تُعلّم. تلك الجملة تنتشر على نطاق واسع، وما ترتبط به عادةً هو تعليم بأن تبدو أقل كفاءة مما أنت عليه. التعديلات التي تدعمها القائمة المنشورة فعلًا، وما تكلفه Doingها باليد، مُتناوَلة في كيفية إضفاء الطابع البشري على نص الذكاء الاصطناعي بدون أداة.

لاحظ أيضًا لمن كُتِبت تلك الجملة الثانية. يطلب الأمر ممن ينظر إلى النسبة المئوية أن يزن أي نوع من النصوص أنتجها. التعليم موجّه إلى من يحمل التقرير، لا إلى من كتب الورقة.

السؤال الواضح التالي هو ما إذا كانت الإيجابيات الكاذبة أكثر شيوعًا في تخصصك أو قسمك أو جنسك الأدبي. لدى قسم الأسئلة الشائعة عنوان يقترب من ذلك، "Does the Turnitin model take into account that AI writing detection technology might be biased against particular subject-areas or second language writers?" (هل يأخذ نموذج Turnitin في الحسبان أن تقنية كشف الكتابة بالذكاء الاصطناعي قد تكون متحيزة ضد مجالات موضوعية معيّنة أو كتّاب اللغة الثانية؟)، والإجابة عن عينة التدريب:

"One of the guiding principles of our company and of our AI team has been to minimize the risk of harm to students, especially those disadvantaged or disenfranchised by the history and structure of our society. Hence, while creating our sample dataset, we took into account statistically under-represented groups like second-language learners, English users from non-English speaking countries, students at colleges and universities with diverse enrollments and less common subject areas such as anthropology, geology, sociology, and others." (أحد المبادئ التوجيهية لشركتنا وفريق الذكاء الاصطناعي لدينا كان تقليل خطر الضرر على الطلاب، خاصة المحرومين أو المبعَدين بسبب تاريخ وبنية مجتمعنا. لذا، أثناء إنشاء مجموعة بيانات العينة الخاصة بنا، أخذنا في الحسبان مجموعات ممثلة تمثيلاً ناقصًا إحصائيًا مثل متعلمي اللغة الثانية، ومستخدمي الإنجليزية من بلدان غير ناطقة بالإنجليزية، وطلاب الكليات والجامعات ذات التسجيلات المتنوعة ومجالات الموضوعية الأقل شيوعًا مثل الأنثروبولوجيا والجيولوجيا وعلم الاجتماع وغيرها.)

أسماء المواد "الأنثروبولوجيا" و "الجيولوجيا" و "علم الاجتماع" تظهر فقط في الفقرات التي تصف كيف بُنِيت العينة. "التخصص" و "الجنس الأدبي" و "المجموعة الفرعية" غائبة عن الصفحات الثلاث. إذن المجالات الموضوعية تظهر كمدخل للتدريب، لا كقصة اختبار منشورة. لا يوجد معدل إيجابيات كاذبة منشور للأنثروبولوجيا، ولم يضع المورد أرقامًا وراء إجابة التحيز، ولهذا يجب قراءتها كبيان نوايا.

هذه الفجوة هي السبب في أن الرقم الذي يلجأ إليه الجميع في هذا السؤال يأتي من خارج الشركة: دراسة 2023 على 91 مقالة TOEFL، التي تناولنا نطاقها وتعديلاتها المضبوطة وحدودها الحقيقية في لماذا يحصل كتّاب الإنجليزية غير الناطقين بها على تعليم أكثر من أدوات كشف الذكاء الاصطناعي. ولهذا أيضًا يمكن لكاشفين تسليم نفس الفقرة حكمين مختلفين، وهي فوضى منفصلة غطيناها في لماذا تختلف أدوات الكشف.

هناك سبب آخر يجعل "علّمت مقالي الجيد" الإطار الخاطئ، وهو يتعلق بما النسبة المئوية منه. جزء فقط من مستندك مؤهل للتسجيل:

"This qualifying text includes only prose sentences, meaning that we only analyze blocks of text that are written in standard grammatical sentences and do not include other types of writing such as lists, bullet points (short non-sentence structures), or other non-sentence structures. This percentage is not necessarily the percentage of the entire submission." (يشمل هذا النص المؤهل جمل النثر فقط، ما يعني أننا نحلل فقط كتل نص مكتوبة في جمل نحوية قياسية ولا تتضمن أنواع كتابة أخرى مثل القوائم أو النقاط النقطية (تراكيب قصيرة غير جمل) أو تراكيب أخرى غير جمل. هذه النسبة ليست بالضرورة نسبة التسليم بأكمله.)

تغييران أُعلِنا في أغسطس 2023 حرّكا الحدود أكثر. أحدهما يقول إن النثر طويل الشكل داخل الجداول يُعالَج الآن؛ والآخر says إن خللًا كان يبرز أحيانًا كتابة ذكاء اصطناعي داخل ببليوغرافيا أُصلِح والآن تُستبعَد الببليوغرافيات من المعالجة. كلتا ملاحظتي الإصدار هاتين تنتهيان بالطريقة نفسها، تخبرك بإعادة تسليم ورقة موجودة قبل أن ينطبق أي من التغييرين عليها.

إذن الببليوغرافيا التي قضيت أمسيين في محاذاتها ومعايير الإشراك المكتوبة كنقاط قصيرة غير جمل تقع خارج المجموعة المسجّلة. الجداول مشروطة: النثر طويل الشكل داخلها يمكن معالجته، بينما الخلايا الرقمية والشظايا ومحتوى الجدول الآخر غير الجملي قد تبقى خارج النصوص المؤهلة. النسبة لذلك قد لا تصف التسليم بأكمله. وهذا أيضًا هو السبب الميكانيكي في أنها قد تختلف مع كمية النص الملون أمامك، الذي نفككه سطرًا بسطر في كيفية قراءة تقرير Turnitin للكتابة بالذكاء الاصطناعي.

قليل جدًا منه يتعلق بكيفية كتابتك، ومعظمه يتعلق بكم الوزن الذي يمكن أن يحمله الرقم.

• التقليل من كفاءتك هو الخطوة التي يجب استبعادها. كل ما ورد أعلاه يجادل ضدها، والمقايضة غير متكافئة بطريقة عادية: علامات الممتحن تقع على يقين، بينما التأثير على النتيجة شيء لم يقسه أحد ولا يُسمح لك عادةً بمشاهدته.
• اسأل عن أي مقاطع، لا عن أي رقم. الإبرازات تخبرك أين استقر المصنف. النسبة المئوية تخبرك كم من النص المؤهل استقر عليه، وهي كمية مختلفة عن كم من مقالك.
• توقع أن يُقاس المستند القصير بخشونة. كلمات المورد: "In shorter documents where there are only a few hundred words, the prediction will be mostly 'all or nothing' because we're predicting on a single segment without the opportunity to overlap." (في المستندات الأقصر حيث توجد بضع مئات من الكلمات فقط، سيكون التنبؤ في الغالب 'الكل أو لا شيء' لأننا نتنبأ على مقطع واحد بدون فرصة للتداخل.) الجملة التي تليها هي المهمة: "This means that some text that is a mix of AI-generated and original content could be flagged as entirely AI-generated." (هذا يعني أن بعض النص الذي هو مزيج من محتوى مولّد بالذكاء الاصطناعي وأصلي قد يُعلّم على أنه مولّد بالكامل بالذكاء الاصطناعي.) دون 300 كلمة من النص المؤهل، تقول متطلبات الملف إنه لا يوجد تقرير لقراءته أصلًا.
• إذا كان نثرك تقليديًا لأن الجنس الأدبي يتطلب ذلك، فتحقق لمن كُتِبت نصيحة المورد. هذه الجملة موجّهة إلى من يقرأ النسبة المئوية، لا إليك. جدير بالمعرفة قبل أن تستنتج أن الورقة هي الشيء الذي يجب تغييره.
• لا تثق بأي وعد حول الرقم الناتج، بما في ذلك وعدنا. موقف Turnitin نفسه هو أن التنبؤات الفردية "may not always be explainable in simple feature-by-feature terms" (قد لا تكون قابلة للشرح دائمًا بمصطلحات بسيطة خاصيةً تلو الأخرى). لا أحد خارج الشركة يمكنه رسم خريطة لتعديل على حركة في النتيجة.

لا شيء من هذا حجة لإعادة الكتابة. حيث العمل لك ومستعد لقول ذلك، الورقة ليست الكائن الذي يجب تغييره.

إعادة الكتابة تستحق مكانها عند نقطة محددة: عندما يوجد تقرير، مقاطع معينة مُعلّمة عليه، وتلك المقاطع ستُراجَع على أي حال. هذا هو الشكل الذي بُنِيت من أجله HumanPen. سلّمها الملف زائد تقرير الذكاء الاصطناعي من Turnitin أو iThenticate وتصبح المقاطع المُعلّمة هي النطاق، مع كل ما خارجها يحافظ على الكلمات التي كتبتها. صفحتنا نفسها تذكر قاعدة الحبيبية: "A paragraph is the smallest unit the engine rewrites: if your selection covers only part of one, it is expanded to the full paragraph and shown that way for you to confirm." (الفقرة هي أصغر وحدة يعيد المحرك كتابتها: إذا كان اختيارك يغطي جزءًا منها فقط،يتم توسيعها إلى الفقرة الكاملة وتُعرَض بتلك الطريقة لتأكيدها.) تعد الفاتورة الكلمات التي أُعيد كتابتها فعلًا، لذا فإن وظيفة ذات نطاق تكلف ما تكلفه النطاق لا ما يزنه الملف.

إذا علّم تقرير جديد مقاطع، يمكن للنتائج المؤهلة الاستمرار في خفض الذكاء الاصطناعي مجانًا. ما لا يمكن لأحد تسليمك إياه هو الرقم في التقرير التالي. بعد كل ما ورد أعلاه، أداة تقتبس لك واحدًا تقتبس رقمًا ليس لديها.

هل النثر المكتوب بشكل جيد أكثر عرضة للتعليم؟ هذا ادعاء أكبر مما تدعمه المواد المنشورة، ونحن لا ندّعيه. ما مُوثّق هو قائمة بثلاثة أنواع من النصوص تقول Turnitin إن الإيجابيات الكاذبة قد تتضمنها، لا شيء منها حكم جودة، إضافة إلى تأثير مقاس على كتّاب بنطاق معجمي أصغر في الإنجليزية من عينة 2023 واحدة. عالج النسخة الواسعة كادعاء متداول لا كجدية.

هل استخدام مفردات متطورة يرفع درجة الذكاء الاصطناعي الخاصة بي؟ لا شيء ينشره المورد يتحدث عنه: "vocabulary" و "word choice" كانا غائبين من صفحات المساعدة الثلاث التي بحثناها. تجربة مضبوطة واحدة 2023 حرّكت اختيار الكلمات مباشرة وضغطت ضد النظرية الشعبية لا معها: الباحثون أثروا صياغة المقالات المُعلّمة فعلًا، وانخفضت التعليمات. يثبت ذلك أن اختيار الكلمات لم يكن خاملًا في تلك التجربة. لا يثبت أي شيء عن مستندك.

كتابتي تكرر نفسها لأن المصطلحات يجب أن تكون متسقة. هذه هي الحالة التقليدية، وتجيب على أحد العناصر في قائمة الإيجابيات الكاذبة الخاصة بالمورد نفسه. نصيحتها في ذلك الموقف موجّهة إلى من يقرأ التقرير: خذ طبيعة النص في الحسبان عند النظر إلى النسبة المئوية.

هل يجب أن أضيف تنوع طول الجملة عن قصد؟ لا كتمرين تنسيق. حيث كان التنوع يحمل معنىً فعلًا، استعادته هي مراجعة عادية. تصنيعه في قسم تتطلب تقاليده التجانس يستبدل الكتابة التي طلبها تخصصك بكتابة لم يطلبها، مقابل تأثير لا يستطيع أحد قياسه من الخارج.

هل يمكنني التحقق من النتيجة بنفسي قبل التسليم؟ عادةً لا. موقف Turnitin هو أن مؤشر كتابة الذكاء الاصطناعي والتقرير للمدرسين والمسؤولين، ولا يصل إلى الطالب إلا إذا قام مدرس بتنزيل التقرير ومرره. أي نصيحة تفترض أنه يمكنك مشاهدة تحرك الرقم تفترض وصولًا لا يملكه معظم الطلاب.