英語論文の AI 検出率を下げる方法：Turnitin が何を確認しているかを理解する

校正を始める前に、まず押さえておくべきことがあります。検出された文章のすべてが AI 生成というわけではなく、文章の特徴が誤検出を引き起こしているケースがあるという点です。Turnitin の FAQ にはこうあります：

"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."（「誤検出には、構造的な変化に乏しい内容、文字通り繰り返されている文章、新たなアイデアを加えずに言い換えただけの文章が含まれる場合があります」）

"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."（「こうした文章で AI 生成の割合が高く出た場合は、表示された数値を見る際にその点を考慮に入れるようお勧めします」）

つまり、文章に構造的な変化が乏しかったり、同じ表現がそのまま繰り返されていたり、新たなアイデアを加えずに言い換えただけだったりすると、検出ツールは AI の割合を高めに出す可能性があるということ。これはあなたが AI を使ったという意味ではなく、これらの特徴が AI 生成文章の統計的パターンと重なっているに過ぎません。

この FAQ の一文から、自分の原稿で確認できる 3 つのポイントが導き出せます。いずれも完成した段落が持つ性質です：構造に変化があるか、繰り返していないか、前の段落がまだ展開していない論点を各段落が進めているか。一方、そこに至るためにどんな校正を加えたかについては何も語っていません。実際に統計値を変える校正手法 は、この部分を手作業で補おうとする試みです。

論文のすべてが解析対象となるわけではありません。FAQ にはこう明記されています：

"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."（「対象となるのは散文の文のみであり、標準的な文法構造で書かれた文章のブロックのみを解析し、リスト、箇条書き（短い非文構造）、その他の非文構造は含まないことを意味します」）

リスト、箇条書き、短い非文構造は解析対象外です。レポートに割合が表示されていても、それは文書全体ではなく、散文の文のみから算出された数値です。

ここから戦略も見えてきます：論点が散文の段落に書かれているなら、検出ツールが調べるのはまさにその段落です。校正の際は、そこに集中しましょう。リストや表は AI 検出を気にする必要はありません。段落内のどの文を正確に保つべきかは別の話です：言い換えてよい部分とそのまま残すべき部分。

検出ツールがどのように採点しているかを理解すれば、なぜある校正は効果があり、別のある校正はそうでないのかが見えてきます。Turnitin はそのプロセスをこう説明しています：

"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."（「論文が Turnitin に提出されると、提出文から文が抽出され、予測解析のために重複するセクションに分割されます。各セクションは AI 検出モデルによって分類され、0 から 1 の値が与えられ、その文章が人間によるものか AI 生成であるかの確率を示します」）

各セクションには 0 から 1 の値が割り当てられ、AI 生成である確率を表します。ただし、このモデルはブログ記事でよく見かける指標を使って判定しているわけではありません：

"Our model is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity,' or other individual metrics sometimes referenced in public discussions."（「私たちのモデルは、公の議論で時々言及される『バースティネス』『パープレキシティ』その他の個別指標といった特定のシグナルを評価するように明示的にプログラムされているわけではありません」）

"Instead, it learns statistical patterns from our training data."（「代わりに、学習データから統計的パターンを学習します」）

核心となるシグナルは単語の確率です：

"Our classifiers are trained to detect these differences in word probability and are adept at the particular word probability sequences of human writers."（「私たちの分類器は、単語の確率のこれらの差異を検出するように訓練されており、人間による執筆に特有の単語確率の連鎖を識別することに長けています」）

これを誤検出の項と結びつけて考えると：構造的に均一で繰り返しの多い文章が検出されるのは、表面的に「AI らしく見える」からではなく、単語の確率連鎖が AI 生成文章のそれと類似しているからです。人間の文章のほうが単語選択に予測不可能性があり、AI 生成文章は確率の高い単語を選びがちです。AI 検出ツールがパープレキシティやバースティネス以外に何を測っているか に詳しく解説しています。

以上を踏まえると：

1. リストではなく散文の段落を校正する。検出ツールが解析するのは標準的な散文の文のみです。リスト、箇条書き、表内の短い構造は対象外です。
2. 構造の変化を増やす。構造的变化の欠如は誤検出の主な原因です。段落の長さや文構造が似通っている場合は、文の長さや統語パターンに変化をつけてみましょう。
3. 繰り返しを減らす。文字通りの自己重複は AI スコアを押し上げます。2 つの段落が同じことを言っているなら、統合するか、後者を論点を実際に前進させる内容にしましょう。
4. 言葉だけでなくアイデアを深める。FAQ が指摘するのは「新たなアイデアを加えずに言い換えただけ」の問題ですから、問われるべきは段落が以前には持っていなかった何かを今や持っているかどうかです。その過程でどんな校正を加えるかについては何も語られておらず、より明確な言葉を選ぶのはあらゆる校正の自然な一部です。
5. 採点単位を理解する。各セクションは個別に採点されるため、1 つの段落が検出されても論文全体が AI 生成というわけではありません。レポートは包括的な判定ではなく、セクションごとの確率を示します。

AI 検出率を下げるのに、特定のツールやプロンプトを探す必要はありません。重要なのは、検出ツールが何を調べているかを理解することから始まります。Turnitin が解析するのは散文の文のみ。リストや短い構造は対象外です。モデルはバースティネスやパープレキシティではなく単語の確率連鎖に基づいて分類し、各セクションは独立して採点されます。構造的変化に乏しく、文字通りの繰り返しがあり、新たなアイデアを展開しない言い換えの文章は、誤検出されやすくなります。

レポートを受け取ったら、どの散文段落が検出されたかを確認し、そこに着手しましょう：構造に変化をつけ、繰り返しを減らし、実質的な論点を展開する。リスト、表、引用文献に手を加える必要はありません。手をつけていない部分は手をつけないままにしておく――これこそが Turnitin レポートで検出された段落のみを校正する の根幹にある考え方です。