Internationale Studierende und KI-Scores: Was Sie über das Schreiben in einer Zweitsprache wissen sollten

In der Turnitin-FAQ steht, die Trainingsdaten hätten "statistisch unterrepräsentierte Gruppen wie Zweitsprachenlernende, englischschreibende Nutzer aus nicht-englischsprachigen Ländern, Studierende an Hochschulen mit diversen Studierendenschaften und weniger verbreitete Fachgebiete wie Anthropologie, Geologie, Soziologie und andere berücksichtigt, um Bias beim Training unseres Modells zu minimieren" ("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 to minimize bias when training our model."). Das ist Turnitins eigene Behauptung, keine unabhängig verifizierte Erkenntnis. Die Aufnahme ins Trainingsset bedeutet, dass das Modell während des Trainings mit Zweitsprachen-Texten konfrontiert wurde. Der Detektor arbeitet aber weiterhin nach der Klassifizierung von Wortwahrscheinlichkeitsmustern in Fließtext. Wenn Ihre Schreibweise statistische Muster aufweist, die KI-generiertem Englisch ähneln, kann der Detektor sie markieren – unabhängig davon, ob Englisch Ihre Muttersprache ist. Diese Lücke zwischen Trainingsanspruch und Erkennungsmechanismus zu verstehen, ist der Schlüssel zum Umgang mit einer Markierung.

Die FAQ geht auf Bias direkt ein:

"Während der Erstellung unseres Sample-Datensets haben wir auch statistisch unterrepräsentierte Gruppen wie Zweitsprachenlernende, englischschreibende Nutzer aus nicht-englischsprachigen Ländern, Studierende an Hochschulen mit diversen Studierendenschaften und weniger verbreitete Fachgebiete wie Anthropologie, Geologie, Soziologie und andere berücksichtigt, um Bias beim Training unseres Modells zu minimieren" ("While creating our sample dataset, we also 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 to minimize bias when training our model.")

Das ist die eigene Aussage des Unternehmens zur Trainingsmethodik. Sie besagt, die Trainingsdaten seien darauf ausgelegt gewesen, diverse Schreibproben einzubeziehen. Zahlen, Testresultate oder externe Validierungen von Bias-Leveln werden aber nicht geliefert. Die Behauptung lautet: Zweitsprachen-Texte waren im Training repräsentiert. Was die Behauptung nicht sagt: Zweitsprachen-Texte sind immun gegen False Positives. Das Modell wurde mit diversen Daten trainiert, klassifiziert aber weiterhin nach Wortwahrscheinlichkeitsmustern. Warum nicht-muttersprachliche englischschreibende Autoren häufiger von KI-Detektoren markiert werden behandelt die Forschungsgrundlage zu dieser Lücke.

Die Erkennungs-Pipeline funktioniert unabhängig vom Autor gleich:

"Wenn eine Arbeit bei Turnitin eingereicht wird, werden Sätze aus der Einreichung extrahiert und in überlappende Abschnitte zur Vorhersageanalyse segmentiert. Jeder Abschnitt wird vom KI-Erkennungsmodell klassifiziert und erhält einen Wert zwischen 0 und 1, der die Wahrscheinlichkeit angibt, dass der Text eher menschlich oder KI-generiert ist. Jeder qualifizierte Satz innerhalb dieser Abschnitte erbt den Score des Abschnitts. Da sich Abschnitte überlappen, können manche Sätze mehrere Scores haben, die dann zu einem einzigen Score zusammengeführt werden. Diese Satz-Scores werden weiter aggregiert und dienen der Berechnung des overall document AI writing score." ("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. 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.")

Der Detektor kennt Ihren sprachlichen Hintergrund nicht. Er passt seine Klassifizierung nicht danach an, ob Sie muttersprachlich Englisch sprechen oder nicht. Er liest die statistischen Merkmale Ihrer Wortsequenzen und klassifiziert sie. Wenn Ihre englischen Schreibmuster – vielleicht beeinflusst durch formale Ausbildung, die bestimmte akademische Phrasen und Strukturen betont – sich mit denen überschneiden, die das Modell mit KI-generiertem Text assoziiert, kann der Score höher ausfallen als erwartet.

Die FAQ listet Textmerkmale auf, die zu False Positives neigen:

"Manchmal können False Positives (fälschliches Markieren menschlich geschriebenen Textes als KI-generiert) Inhalte ohne viel strukturelle Variation umfassen, Texte, die sich wörtlich wiederholen, oder Texte, die paraphrasiert wurden, ohne neue Ideen zu entwickeln." ("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.")

Der nächste Satz: "Wenn unser Indikator eine höhere Menge an KI-Schreibung in solchem Text anzeigt, raten wir Ihnen, dies bei Betrachtung des angegebenen Prozentsatzes zu berücksichtigen." ("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.")

Einige dieser Merkmale kommen in akademischen Zweitsprachen-Texten häufiger vor. Nicht-muttersprachliche Sprecher lernen Englisch oft über strukturierte Templates und wiederkehrende akademische Phrasen, was zu Texten mit geringerer struktureller Variation führen kann. Übergänge wie "moreover", "furthermore" und "in addition" werden als Standard-Konnektoren gelehrt, und ihr wiederholter Einsatz kann die Art einheitlicher Struktur erzeugen, die die FAQ beschreibt. Das heißt nicht, dass Zweitsprachen-Texte immer markiert werden. Es heißt: Merkmale, die mit False Positives assoziiert sind, können sich mit Mustern überschneiden, die in instruiertem Zweitsprachen-Schreiben häufig vorkommen. Ob die Antwort darin besteht, anders zu schreiben, ist eine eigene Frage: Sollten Sie Ihre Schreibweise ändern, um Markierungen zu vermeiden?

Noch etwas sollten internationale Studierende wissen. Die FAQ stellt klar: "Nur Dozenten und Administratoren können den Indikator einsehen" ("only instructors and administrators are able to see the indicator."). Studierende können ihren eigenen KI-Score nicht prüfen. Die FAQ fährt fort: "Mit der PDF-Download-Funktion können Dozenten jedoch den KI-Bericht herunterladen und mit Studierenden teilen" ("However, with the PDF download feature, instructors can download and share the AI report with students."). Wenn Sie sich Sorgen um Ihren Score machen, können Sie ihn nur einsehen, indem Sie Ihren Dozenten bitten, den PDF-Bericht mit Ihnen zu teilen. Über ein Studentenkonto können Sie dieselbe Prüfung nicht selbst durchführen. Sobald Sie das PDF haben, ist der nächste Schritt: Wie man einen Turnitin AI Writing Report liest.

Zusammenfassung des bisher Gesagten:

• Turnitin behauptet, seine Trainingsdaten umfassten Zweitsprachenlernende zur Bias-Minimierung, liefert aber keine Zahlen zur Verifizierung dieser Behauptung.
• Der Detektor liest Wortwahrscheinlichkeitsmuster – unabhängig davon, wer den Text geschrieben hat oder welche Sprache seine Muttersprache ist.
• Merkmale, die zu False Positives neigen (wie geringe strukturelle Variation), können sich mit Mustern überschneiden, die in akademischen Zweitsprachen-Texten häufig vorkommen.
• Studierende können ihren eigenen KI-Score nicht einsehen. Nur Dozenten können das, aber sie können das PDF teilen.
• KI-Score und Similarity Score sind unabhängige Messwerte.

Wenn Sie einen Turnitin-Bericht haben, der zeigt, welche Passagen markiert wurden, importieren Sie den Bericht und arbeiten Sie gezielt an diesen Stellen. Berechtigte Passagen können kostenlos neu geprüft werden.