Erkennt Turnitin Gemini und Copilot? Was in den FAQ steht

Ja für Gemini, und praktisch ja für Copilot. Die FAQ von Turnitin veröffentlichen eine Liste von KI-Schreibmodellen, aus denen der Detektor Inhalte erkennen kann. Auf der Liste stehen Gemini sowie GPT, Claude, LLaMA, Mistral, Deepseek, Nova, Grok und o1-mini. Der offiziell verwendete Wortlaut lautet "can detect content from." (die Inhalte dieser Modelle erkennen kann). Die Liste endet mit: "and tools based on these LLMs as well." (und ebenso Werkzeuge, die auf diesen LLMs basieren.) Copilot baut auf GPT-Modellen auf, und GPT steht auf der Liste. Damit fällt Copilot unter die Kategorie der Werkzeuge, die auf einem gelisteten LLM basieren. Die FAQ ergänzen: "We will continue to expand our detection capabilities to other models in the future." (Wir werden unsere Erkennungsfähigkeiten künftig auf weitere Modelle ausweiten.) Die FAQ räumen außerdem ein, dass die Erkennungsfähigkeiten nicht unveränderlich sind, sondern sich ändern, wenn das Modell aktualisiert wird.

Die FAQ nennen eine kommagetrennte Liste der Modelle, aus denen Inhalte erkannt werden können. Der einleitende Satz lautet: "Currently, Turnitin's AI writing detection model for English submissions can detect content from …" (Das KI-Schreiberkennungsmodell von Turnitin kann bei englischsprachigen Einreichungen derzeit Inhalte aus … erkennen). Darauf folgt die Liste mit GPT, Gemini, Claude, LLaMA, Mistral, Deepseek, Nova, Grok und o1-mini. Die Liste schließt mit:

"and tools based on these LLMs as well." (und ebenso Werkzeuge, die auf diesen LLMs basieren.)

Der nächste Satz: "We will continue to expand our detection capabilities to other models in the future." (Wir werden unsere Erkennungsfähigkeiten künftig auf weitere Modelle ausweiten.)

Diese Formulierung ist entscheidend. Die Liste benennt nicht jedes einzelne Werkzeug oder jede Hülle darum herum. Sie benennt die zugrunde liegenden Modellfamilien und erfasst dann alles, was darauf aufbaut. Copilot wird von GPT-Modellen betrieben und fällt damit unter die Werkzeuge, die auf diesen LLMs basieren. Gemini wird auf der Liste direkt genannt. Das Versprechen, die Liste zu erweitern, bedeutet, dass sie wachsen kann, wenn neue Modelle erscheinen und das Erkennungsmodell aktualisiert wird.

Die FAQ beschreiben den Erkennungsmechanismus in Begriffen von Segmentierung und Wahrscheinlichkeitsbewertung:

"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, denoting the probability of the text being likely human or AI-generated." (Wird eine Arbeit bei Turnitin eingereicht, werden die Sätze der Einreichung extrahiert und für die Vorhersageanalyse in überlappende Abschnitte unterteilt. Jedes Segment wird vom KI-Erkennungsmodell klassifiziert und erhält einen Wert zwischen 0 und 1, der die Wahrscheinlichkeit angibt, dass der Text vermutlich von einem Menschen oder von einer KI stammt.)

Jedes Segment erhält seine eigene Bewertung. Der Gesamtprozentsatz gibt an, welcher Anteil der Segmente vom Modell als KI-generiert eingestuft wird. Der Detektor sucht nicht nach einem Wasserzeichen oder einem einzelnen verräterischen Merkmal. Er klassifiziert den Text Segment für Segment anhand von Wahrscheinlichkeitswerten. Was in diese einzelnen Werte einfließt, beschreibt Was KI-Detektoren jenseits von perplexity und burstiness messen.

Die FAQ benennen einen Zielkonflikt zwischen Fehlalarmen und übersehenem KI-Text:

"In order to maintain this low rate of 1% for false positives, there is a chance that we might miss some AI written text in a document." (Um diese niedrige Fehlalarmrate von 1 % zu halten, kann es sein, dass wir in einem Dokument KI-geschriebenen Text übersehen.)

Der Detektor ist so eingestellt, dass Studierende nicht fälschlich beschuldigt werden, KI genutzt zu haben. Der Preis dieser Einstellung: Manche KI-generierte Texte bleiben unentdeckt. Das ist eine bewusste Designentscheidung, die Turnitin selbst dokumentiert. Ein Modell, das Texte erzeugt, die menschlichen Wortwahrscheinlichkeiten näherkommen, wäre schwerer zu erkennen, zumindest so lange, bis das Erkennungsmodell aktualisiert ist und es abdeckt. Genau diese Verzögerung ist die eigentliche Frage bei Erkennt Turnitin KI-Humanizer?.

Die FAQ stellen ausdrücklich klar, dass die Erkennung kein feststehendes Ziel ist:

"As we iterate and develop our model further to better detect newer LLMs, it is likely that our detection capabilities will also change, affecting the AI percentage." (Da wir unser Modell schrittweise weiterentwickeln, um neuere LLMs besser zu erkennen, werden sich unsere Erkennungsfähigkeiten voraussichtlich ebenfalls ändern, was sich auf den KI-Prozentsatz auswirkt.)

Der nächste Satz: "However, for a submitted document, the AI percentage will change only if it's re-submitted again to be processed." (Bei einem bereits eingereichten Dokument ändert sich der KI-Prozentsatz jedoch nur dann, wenn es erneut eingereicht und verarbeitet wird.)

Daraus folgen zwei Dinge. Erstens: Das Erkennungsmodell wird fortlaufend aktualisiert, um neuere LLMs zu erfassen. Das heißt, die Abdeckung von Modellen wie Gemini und Copilot kann sich im Laufe der Zeit verbessern oder verschieben. Zweitens: Ein Dokument, das vor einer Modellaktualisierung bewertet wurde, behält seine ursprüngliche Bewertung, sofern es nicht erneut eingereicht wird. Die Bewertung einer früheren Einreichung spiegelt die Erkennungsfähigkeiten zum Zeitpunkt dieser Einreichung wider, nicht die heutigen. Deshalb plädiert Nach einer erneuten Turnitin-Prüfung weiterhin markiert dafür, zwei Berichte miteinander zu vergleichen statt zwei Zahlen.

Zusammengefasst:

• Gemini steht ausdrücklich auf der von Turnitin veröffentlichten Liste der Modelle, aus denen Inhalte erkannt werden können.
• Copilot basiert auf GPT-Modellen, die auf der Liste stehen. Die Liste umfasst außerdem "tools based on these LLMs as well." (ebenso Werkzeuge, die auf diesen LLMs basieren.)
• Die FAQ versprechen, "continue to expand our detection capabilities to other models in the future." (die Erkennungsfähigkeiten künftig auf weitere Modelle auszuweiten.)
• Der Detektor verarbeitet den Text in überlappenden Segmenten und weist jedem Segment einen Wahrscheinlichkeitswert zwischen 0 und 1 zu.
• Um die Fehlalarmrate niedrig zu halten, kann der Detektor KI-generierten Text übersehen.
• Die Erkennungsfähigkeiten ändern sich mit der Zeit. Ein Dokument, das vor einer Modellaktualisierung bewertet wurde, behält seine ursprüngliche Bewertung, sofern es nicht erneut eingereicht wird.

Wenn Sie einen Turnitin-KI-Bericht erhalten und die markierten Passagen bearbeiten möchten, importieren Sie den Bericht und arbeiten Sie daran. Passagen, die die Voraussetzungen erfüllen, können kostenlos erneut bearbeitet werden.