プロによる英語校正で論文はAI作成と判定されるのか？2026年の研究調査

この研究に関する限り、一貫した傾向は見られませんでした。13種類のオープンソースAI検知器で検証したところ、人手による校正によってAIスコアが上がった検知器もあれば下がったものもあり、実質的な有意差が見られたのはそのうち7種類だけでした。校正の有無よりも検知器自体の差のほうがはるかに大きく、同一の未校正原稿に対する偽陽性率は0.0%から100%にまで及びました。なお、Turnitinを含む商用検知器は一切テストされていません。

この研究は、韓国・中央大学のHyeonchu Park氏、Bugeun Kim氏、およびWordviceのGahye Jeong氏による論文"Style as a Confound: False Positives in AI Detection of Non-Native Academic Writing"（文体という交絡因子：非母語話者による学術論文のAI検知における偽陽性）です。2026年8月27日にarXivへ公開され、EMNLP 2026で発表されたと記載されています。使用された文書データは、プロの英文校正サービスを提供するWordviceから提供されました。Wordviceの公式ブログによると、共著者の1人であるGahye Jeong氏は同社のCTOであり、ブログ内ではWordviceを"the developer of the Wordvice AI Detector"（Wordvice AI Detectorの開発元）とも説明しています。

使用されたデータは、2018年から2025年にかけての40以上の学術分野にまたがる135,389組の文書ペアです。それぞれのペアは、英語非ネイティブが執筆した原稿と、それをネイティブの校正者が手を入れた同一文書で構成されています。全体の半分強（52.9%）が学術論文の校正、37.6%が入試・出願書類の校正でした。単一の分野として最多だったのは出願エッセイで、22,639件に上ります。残りはビジネス文書校正、TOEFLライティング、翻訳などでした。著者、テーマ、内容は同一のままであるため、検知器スコアに生じた変化はすべて校正によるものとなります。

校正自体は人間の手によって行われました。論文の記述によれば、同サービスのガイドラインでは機械的なエラーチェックにのみAI文法チェッカーの使用が認められており、"AI-generated rewriting, paraphrasing, or stylistic generation is explicitly prohibited."（AIによる書き換え、言い換え、または文体生成は明示的に禁止されている）と定められていました。校正による修正は実質的であったものの控えめであり、6,000組のサンプル調査では、文書全体の語数の変化中央値はわずか6.5語にとどまり、平均文長も24.35語から23.51語へとわずかに短縮しただけでした。

検証された13種類の検知器は、すべて公開されている研究用ツールであり、標準設定で実行されました。GLTRなどの統計的手法、Fast-DetectGPTやBinocularsなどのゼロショット手法、そしてRoBERTaやRADARなどの学習済み分類器が含まれています。

著者が人間による執筆とみなしている2023年以前の原稿において、誤ってAIと判定された割合は、ほぼ検知器の種類によって決まっていました。

まったく同じ人間が書いた文書であるにもかかわらず、あるツールではほぼ100%がAIと判定され、別のツールではほぼ完全に人間が書いたものと判定されました。著者らは次のように結論付けています。"These findings suggest that AI detectors do not represent a unified measure of AI-generated content; rather, they rely on a mix of generation-origin and linguistic-quality signals."（これらの知見は、AI検知器がAI生成コンテンツを一貫した統一基準で測定しているわけではなく、生成元に由来する信号と文章の質に関する信号を混同して判定に用いていることを示唆している）。また著者らは、こうした絶対的なパーセンテージは設定した閾値に左右される点にも注意を促しています。

校正後のスコアの変化方向は、検知器によって異なりました。以下の数値は、上の表にある2023年以前の原稿だけでなく、2018年〜2025年の全データを対象としています。

• 校正後に誤判定が減少： MAGE（10.7ポイント低下）、RADAR（4.7ポイント低下）、BiScope（0.5ポイント低下）。
• 校正後に誤判定が増加： LastDE+（5.8ポイント上昇）、Fast-DetectGPT（4.6ポイント上昇）、RoBERTa（1.7ポイント上昇）。
• 判定不能： DiVeye（論文内の表によって数値の増減方向が食い違っている）。
• ほぼ変化なし： 残りの検知器（変動は約0.1ポイント以内）。

著者らは、絶対的な誤判定率よりも、こうした校正前後の変化のほうが信頼性の高いデータであると考えています。"the relative patterns across editing conditions provide more robust evidence of detector sensitivity to linguistic refinement."（校正条件間における相対的なパターンは、文章の推敲に対する検知器の感度を示すより強固な証拠となる）。

原稿に大幅な校正が加えられるほど、その検知器がもともと持っていた判定傾向の方向へスコアがより大きく動きました。また、この影響は2018年〜2022年のデータに比べ、2023年〜2025年では弱くなっていました。

• 商用検知器は対象外： 著者らの言葉を借りれば、"the analysis does not cover future systems or proprietary commercial detectors."（本分析は、将来のシステムや独自の商用検知器を対象としたものではない）とされています。Turnitin、GPTZero、Originality、Pangramなどはテストされておらず、論文中にTurnitinへの言及もありません。
• 学術校正が中心だが、それだけではない： 著者らはデータを主に学術原稿であると説明していますが、実際には3分の1以上が出願書類の校正であり、論文内では文書種別ごとの結果は個別に報告されていません。さらに著者らは、"Detector behavior may differ for student essays, journalistic articles, creative writing, social media content, and other genres with distinct linguistic and stylistic characteristics."（学生のエッセイ、報道記事、創作文、SNSのコンテンツなど、言語的・文体的な特徴が異なる他のジャンルでは、検知器の挙動が異なる可能性がある）と付け加えています。
• 人手による校正のみ： 今回のデータにおける校正は、AIによる書き換えを禁じる規定のもとで人間によって行われました。そのため、AI校正ツールを使った場合については何も分かりません。
• AI生成テキストの対照群がない： 著者らの言葉通り、"the study does not include AI-generated control texts subjected to comparable editing procedures."（本研究には、同様の校正手順を経たAI生成の対照群テキストは含まれていない）という制約があります。
• 誰が実施したのか： データおよび著者の1人は、校正サービスを販売し、自社の説明によるとAI検知器の開発も手がけているWordvice社によるものです。

1. 検知器の判定ではなく、校正そのもののメリットで判断する： 今回検証された13種類の研究用検知器に関する限り、AI判定を恐れて人間の校正者を諦めるべき理由は見当たりません。3つの検知器で校正後に誤判定が増加したものの、大半の検知器でスコアの変動はごくわずかであり、上昇・低下の双方に分かれました。Turnitinでも同様の結果になるかはテストされていません。投稿先の学術誌や所属コースが校正サポートの申告を義務付けているかどうかを事前に確認してください。
2. 両方のバージョンを保存しておく： 自身が執筆した初稿と校正者の変更履歴付きファイルは、人間が具体的にどこを修正したのかを正確に示す証拠になります。これは検知器のスコアでは証明できないものです。
3. どの検知器が出したスコアかを確認する： 本研究の検知器は、同じ人間が書いた文章に対して極めて異なる判定を下しました（ただし著者らは、具体的な割合は設定した閾値に左右されると指摘しています）。非ネイティブ執筆者に関する以前の研究については非英語ネイティブの執筆者がAI判定されやすい理由を、EFL学習者のエッセイを用いた2026年のTurnitin自体の検証についてはTurnitinは非英語ネイティブの文章をAIと判定するのかを参照してください。

手元にTurnitinまたはiThenticateのレポートがあり、指摘された箇所を書き直す必要があるなら、HumanPenのHumanizeオプションがまさにその役割を果たします。Turnitin または iThenticate のレポートを読み込み、指摘された箇所だけを書き換えます。同じ形式の編集可能なファイルを受け取れます。使用する前に、まず学術誌や所属コースのAI利用規定を確認し、戻ってきたファイルは提出前に必ず通読してください。

ネイティブに校正してもらうと、TurnitinにAI判定されてしまいますか？ この研究からは分かりません。Turnitinやその他の商用検知器は検証されていないためです。

校正によって、論文はより人間らしく見えたのでしょうか、それともAIらしく見えたのでしょうか？ 検知器によって両方の結果となりました。校正後に誤判定が減った検知器が3つ、増えた検知器が3つあり、DiVeyeは論文内の表ごとに数値が食い違っており、残りはほとんどスコアが動きませんでした。

この結果はAI校正ツールにも当てはまりますか？ 当てはまりません。今回のデータに含まれる校正はすべて人間が行ったものであり、AIによる書き換えを禁じるガイドラインのもとで実施されています。AIによる推敲に関する2026年の研究については、AIによる推敲はAI検知に引っかかるのかを参照してください。

なぜ一部の検知器は、ほぼすべての原稿をAIと判定したのですか？ 著者らの分析によると、人間が執筆したテキストに対してトークン統計ベースの検知器が最も高い偽陽性率を示した一方、尤度比に基づくゼロショット検知器はほぼゼロに近い水準にとどまりました。ただし、こうした絶対的な割合は使用した閾値に左右されるとも指摘されています。

• Hyeonchu Park、Gahye Jeong、Bugeun Kim、Style as a Confound: False Positives in AI Detection of Non-Native Academic Writing、arXiv:2608.26710（2026年8月27日公開、EMNLP 2026発表として記載）、2026年9月27日確認（表2〜4、8、18）。
• Wordvice、How Professional Editing Changes AI Detector Scores、Gahye Jeong氏によるブログ記事、2026年9月27日確認。