Perché il tuo testo tra virgolette e con citazione continua a comparire nel Similarity Report

Ogni corrispondenza viene smistata in uno di quattro gruppi, in base al fatto che il software abbia rilevato virgolette e una citazione nel testo attorno: né citato né virgolettato, virgolette mancanti, citazione mancante, oppure citato e virgolettato. Questo riconoscimento è un modello di machine learning con limiti dichiarati pubblicamente: è addestrato sull’inglese, il riconoscimento delle citazioni copre quattro formati indicati per nome, riconosce sette forme specifiche di virgolette e può mancare una citazione collocata lontano dal testo corrispondente. Un passaggio attribuito correttamente ma con la forma sbagliata finisce nel gruppo sbagliato.

La cifra complessiva di similarità ha una definizione che puoi tenere a mente: le parole corrispondenti divise per il totale delle parole nel documento. La formula non pesa nulla e non sconta nulla per il fatto che un passaggio sia attribuito.

Quello che muove la cifra è un meccanismo del tutto diverso, e non sta a te impostarlo. Lo stesso sito di assistenza ha una guida ai filtri di esclusione e ne elenca cinque: exclude bibliography (escludi la bibliografia), exclude quoted text (escludi il testo tra virgolette), exclude cited text (escludi il testo citato), exclude small matches (escludi le corrispondenze piccole), exclude small sources (escludi le fonti piccole). Quello che conta di più, qui, è il secondo. «ignores text enclosed in quotation marks or formatted as block quotes, preventing properly quoted material from appearing as matches» (ignora il testo racchiuso tra virgolette o formattato come citazione in blocco, impedendo che il materiale correttamente citato compaia come corrispondenza), e copre anche i blocchi rientrati quando il file è .doc o .docx.

Il che è già metà della risposta alla domanda nel titolo. A volte un paragrafo correttamente citato compare perché nessuno ha attivato quel filtro. Che fosse attivo o no è una decisione di chi ha eseguito il controllo, e non risulta sulla cifra che ti viene inviata.

Vale la pena fissare il denominatore, perché l’indicatore di scrittura AI sulla stessa piattaforma non usa quello. La sua percentuale è calcolata sulla prosa che soddisfa i requisiti, non su tutto il tuo file: ecco perché quella cifra e le sue evidenziazioni possono sembrare sproporzionate l’una rispetto all’altra. Due numeri, due denominatori. Li abbiamo messi a confronto in leggere un punteggio di Similarity accanto a un punteggio di scrittura AI.

Una soglia che conviene conoscere prima di tutto il resto: perché venga prodotto un Similarity Report, un elaborato deve contenere almeno 20 parole.

E la frase di inquadramento con cui si apre la documentazione, che è facile sorvolare: «Highlighted matches are instances of text similarity; they do not always indicate plagiarism. The match could be a quote or cited material listed in a bibliography.» (Le corrispondenze evidenziate sono casi di similarità testuale; non indicano sempre un plagio. La corrispondenza potrebbe essere una citazione o materiale citato elencato in una bibliografia.)

I Match Groups suddividono la similarità complessiva in base a come era attribuito il testo corrispondente. Nelle parole stesse della documentazione:

• Not Cited or Quoted (né citato né virgolettato): rientrano qui le corrispondenze «that are not written as a quotation or has no citation to its original source» (che non sono scritte come citazione o che non hanno alcun rimando alla fonte originale).
• Missing Quotations (virgolette mancanti): «This text is cited, but the match is so exact that it may also require quotation marks.» (Questo testo è citato, ma la corrispondenza è così esatta che potrebbe richiedere anche le virgolette.)
• Missing Citation (citazione mancante): «This text is written as a quote, but lacks a citation to its original source.» (Questo testo è scritto come citazione, ma manca del rimando alla fonte originale.)
• Cited and Quoted (citato e virgolettato): «This text contains a quotation and is cited to a source.» (Questo testo contiene una citazione ed è ricondotto a una fonte.)

Lo scopo dichiarato è consentire a chi valuta di «distinguish between integrity issues, teachable moments, and properly-included source text» (distinguere tra problemi di integrità, occasioni didattiche e testo di fonte inserito correttamente). Il che significa che il gruppo in cui cade una corrispondenza incide davvero sul modo in cui una persona legge il tuo manoscritto: più, verrebbe da dire, della percentuale in testa alla pagina.

Quindi la domanda pratica smette di essere «perché c’è questa corrispondenza» e diventa «in quale gruppo è finita questa corrispondenza, ed è il gruppo giusto».

Questa è la parte documentata e quasi mai ripetuta da nessun’altra parte.

Il riconoscimento di citazioni e virgolette è un modello addestrato, non una regola: la guida dice che si usa tecnologia di machine learning «to recognize in-text citations and quotation marks associated with matched text» (per riconoscere le citazioni nel testo e le virgolette associate al testo corrispondente). E il fornitore dichiara il proprio tasso di errore in parole semplici: «Since there are innumerable ways to include in-text citations and quotation marks, the Similarity Report won't get it right every time.» (Poiché esistono innumerevoli modi di inserire citazioni nel testo e virgolette, il Similarity Report non indovina sempre.)

Da questo derivano tre limiti documentati.

Vale solo per l’inglese. «The technology that powers Match Groups is trained on English content, and this functionality is currently only available for submissions in English.» (La tecnologia su cui si basano i Match Groups è addestrata su contenuti in inglese, e questa funzionalità al momento è disponibile solo per gli elaborati in inglese.)

L’addestramento sulle citazioni copre quattro formati. «Citation recognition models have been trained on citations in certain formats: APA, MLA, Turabian, and IEEE numbered citations and references. If a citation is included for a match but is not in one of these formats, the report may--but is less likely to--recognize those as citations.» (I modelli di riconoscimento delle citazioni sono stati addestrati su citazioni in determinati formati: APA, MLA, Turabian e citazioni e riferimenti numerati IEEE. Se una corrispondenza include una citazione che non è in uno di questi formati, il report può riconoscerla come tale, ma è meno probabile.)

Leggi quell’elenco pensando alla tua disciplina. Vancouver, Chicago autore-data, Harvard e le sue molte varianti interne non compaiono. Questo non significa che non vengano mai riconosciuti: la formulazione è «less likely» (meno probabile); ma se scrivi in uno stile che non è uno di quei quattro, è documentato che le probabilità che la tua citazione attribuita venga letta come attribuita sono più basse. A quale stile tu sia effettivamente vincolato è un problema a sé, e lo abbiamo affrontato in quale stile di citazione Harvard è il tuo e in scegliere uno stile di citazione per disciplina.

La distanza conta. «Citations may not be recognized if they are placed very far from the matched text.» (Le citazioni potrebbero non essere riconosciute se si trovano molto lontane dal testo corrispondente.) Una citazione in blocco il cui rimando sta alla fine del paragrafo seguente è esattamente questo caso.

Sette forme, elencate esplicitamente nella pagina dei Match Groups:

• Virgolette doppie diritte: "…"
• Virgolette singole ricurve: ‘…’
• Virgolette a caporale: «…»
• Virgolette a caporale invertite: »…«
• Virgolette doppie basse-alte: „…“
• Parentesi bianche a squadra: 『…』
• Parentesi a squadra: 「…」

Copia quell’elenco con cura, perché la voce per le virgolette doppie è quella diritta e quella per le virgolette singole è la coppia ricurva. E la guida ai filtri di esclusione sullo stesso sito di assistenza stampa un elenco ancora diverso: otto voci, con virgolette singole diritte invece che ricurve, con 《…》 e 〈…〉 in più e con 「…」 in meno. Due elenchi pubblicati su un solo sito di assistenza, dieci forme distinte in totale, e nessuna delle due pagine cita l’altra.

Non farne una regola su quale forma usare. Fanne una regola su non permettere a nulla di modificare le tue virgolette tra la bozza che hai riletto e il file che carichi.

E un modo di fallimento è dichiarato apertamente: «Quotation marks are not recognized if they are separated from the text by a space (for example, " this improperly quoted text").» (Le virgolette non vengono riconosciute se sono separate dal testo da uno spazio — per esempio: " questo testo virgolettato in modo scorretto".)

Questa è la cosa più verificabile di tutto l’articolo. Uno spazio fuori posto dopo una virgoletta di apertura — di quelli che sopravvivono a un copia-incolla da un PDF, o che compaiono quando un paragrafo viene ricomposto — basta a spostare una corrispondenza da Cited and Quoted a Missing Quotations.

Dove le virgolette non vengono riconosciute, la corrispondenza ricade in «Missing Quotations» (virgolette mancanti) o in «Not Cited or Quoted» (né citato né virgolettato), a seconda che sia stata rilevata una citazione. I due errori si sommano.

Quando le stesse parole corrispondono a più di una fonte, il report ne sceglie una da mostrare per prima, e l’ordine di priorità è pubblicato: Internet, poi Publications, poi Submitted Works.

Quest’ordine può risultare controintuitivo quando guardi il tuo lavoro. Una frase che hai preso, correttamente, da un articolo pubblicato può essere attribuita nella scheda a un sito web che ha riprodotto quell’articolo. C’è un controllo «Show overlapping sources» (mostra le fonti sovrapposte) che rivela il resto, e un’azione View other sources (vedi altre fonti) su ogni singola scheda.

Vale saperlo prima di contestare una corrispondenza: la fonte indicata sulla scheda è la corrispondenza più forte, non necessariamente la fonte che hai usato.

Nulla di tutto questo richiede l’accesso al report. Puoi farlo nel file che stai per inviare.

1. Individua ogni citazione diretta e controlla che la virgoletta di apertura sia aderente al primo carattere, senza spazi in mezzo. Cerca una virgoletta seguita da uno spazio.
2. Controlla le forme delle virgolette, e controllale di nuovo dopo ogni conversione. Un passaggio attraverso un modello, un PDF o l’editor di un coautore scambia le diritte con le ricurve senza avvisarti. In un manoscritto tradotto puoi avere forme che non compaiono in nessuno dei due elenchi pubblicati.
3. Avvicina le citazioni. Se il rimando di una citazione sta alla fine della frase o del paragrafo successivo, portalo accanto al materiale citato.
4. Segnati il tuo stile di citazione. Se non è APA, MLA, Turabian o IEEE numerato, aspettati un riconoscimento meno affidabile e preparati a spiegare una corrispondenza, invece di dare per scontato che il report la classifichi al posto tuo.
5. Per tutto ciò che continua a corrispondere, controlla la scheda della fonte invece del colore dell’evidenziazione, perché la fonte indicata è la corrispondenza più forte e potrebbe non essere la tua fonte reale.

Il lato similarità di un report non è il nostro campo, e la riscrittura non è ciò che lo sistema. Se un passaggio è risultato corrispondente perché è una citazione, la risposta è l’attribuzione. Cambiare le parole di una citazione la rende solo una citazione peggiore.

Lo strumento HumanPen lavora sull’altro indicatore. Quando un manoscritto torna con una percentuale di scrittura AI e con passaggi specifici evidenziati, è l’importazione di quel report a indicargli quali paragrafi aprire.

Se sul tuo report compaiono entrambi i numeri, si tratta di due problemi separati con due soluzioni separate, e trattarli come uno solo è il modo in cui si finisce per riscrivere citazioni a cui bastava spostare un paio di virgolette.

La mia citazione è correttamente referenziata eppure compare come corrispondenza. È sbagliato? Non necessariamente. La documentazione afferma che le corrispondenze evidenziate sono casi di similarità testuale e non indicano sempre un plagio, ed esiste un filtro di esclusione separato per il testo tra virgolette, che qualcuno deve attivare. Se è disattivato, è prevedibile che il materiale correttamente citato risulti corrispondente. Quello che conta allora è in quale dei quattro gruppi cada.

Il report capisce il mio stile di citazione? È documentato che il riconoscimento delle citazioni è addestrato sui formati APA, MLA, Turabian e IEEE numerato. Anche altri formati possono essere riconosciuti, ma la guida dice che è meno probabile.

Perché le mie virgolette non sono state considerate? Le forme riconosciute sono elencate, e c’è un errore esplicito: le virgolette separate dal testo da uno spazio non vengono riconosciute. Cerca uno spazio subito dopo una virgoletta di apertura.

Tutto questo vale anche per un manoscritto non scritto in inglese? È documentato che i Match Groups sono addestrati su contenuti in inglese e disponibili solo per gli elaborati in inglese.