Turnitin の AI スコアを下げる first steps：レポートをどう扱うか

結論：ドキュメントを開いて最初の段落から書き直すのはやめよう。代わりに AI writing report を開く。フラグ付き箇所が表示され、そこに労力を集中すべきかがわかる。

このページは、スコアが高いものの文章は自分で書いた人向けだ。AI 生成の文章を隠そうとしているなら、ここは役に立たない。これから説明するのは、自分が書いた文章を「自分のもの」として読ませる方法と、スコアが何を意味し何を意味しないかの理解だ。

AI writing report は similarity report とは別物で、異なる問いに答える。similarity report はあなたの文章を既存の文献と比較する。AI writing report は文章そのものの統計的特性に基づき、ドキュメントのどこまでが機械的に書かれたように読めるかを推定する。

レポートに含まれる情報：ドキュメント全体のパーセンテージ、そして 20% 以上の場合には AI 執筆と判定された具体的な箇所のハイライト。20% 未満なら Turnitin は数値の代わりにアスタリスク（*%）を表示し、ハイライトも出ない。誤検知を防ぐため、この範囲ではスコアを出さないというのが社の見解だ。

これらを見られるかは学校による。この指標を確認できるのは教員と管理者のみで、学生は直接アクセスできない。ただし教員は AI レポートを PDF としてダウンロードし学生と共有可能だ。これが学生がレポートを手にする典型的な経路になる。

パーセンテージを一目見るだけでは不十分だ。レポートを「労力を向けるべき場所」を示す地図として読もう。

1 段階目：パーセンテージ。これは問題の規模を示すが、場所はわからない。40% というスコアは、対象となる文章のおよそその割合がフラグ付きセグメントにあることを意味する。具体的な箇所は数字ではなくハイライトで確認する。

2 段階目：ハイライト。スコアが 20% 以上の場合、モデルが AI 執筆と判定した箇所がハイライトされる。そこが編集対象だ。ハイライト外の部分は、現時点ではモデルが問題視していない。

3 段階目：パターン。ハイライト箇所に共通点がないか探す。すべて序論か？方法論ばかりか？同じ書き出しの段落か？このパターンから必要な編集の種類が見えてくる。指導教員と話す際、レポートが根拠になる。フラグとその文章が並べて表示されているからだ。

編集の労力は均等ではない。ハイライトが多い箇所ほど総合スコアへの影響が大きい。だからそこを先に直せば、単位時間あたりのリターンが最大になる。

これはスコアの仕組みによる。Turnitin は提出物から文章を抽出し、重複するセグメントに分割し、各セグメントに 0 から 1 の確率を割り当てる。該当する文章は属するセグメントのスコアを継承する。セグメントが重複するため、1 つの文章が複数のスコアを持ち、それらが集約されてドキュメント全体のパーセンテージになる。

ここから二つの結論が導かれる。第一に、文章のスコアはその文章単体ではなく周囲の文脈で決まる。第二に、意味のある修正の最小単位は単語ではなく段落だ。

だから手順はこうだ：最も多くのフラグが付いた箇所を選び、段落単位で書き直し、次に移る。単語単位の修正を文書全体に散らさないこと。

Turnitin は誤検知の原因となる特徴を公開している。人間が書いたのにフラグされる文章の特徴だ。それが事実上の編集ガイドラインになる。

• 構造のバリエーションが少ない文章
• 文字通り繰り返しの文章
• 新しい展開なしに言い換えただけの文章

フラグ箇所をこの三つに照らして確認しよう。単調な文章長と並列的な書き出しは構造バリエーションの問題。セクションを跨ぐ表現の繰り返しは反復の問題。新しい内容なしに主張を言い換えるだけでは新規性の欠如だ。

Turnitin は、こうした特徴を持つ文章で AI 検知率が高い場合は、パーセンテージを割り引いて見るよう求めている。つまり、まさにこの三つの特徴に当てはまる文章については、スコアを過小評価すべきというのが公式見解だ。指導教員と話す際には覚えておきたい点だ。

提出物が数百語程度の場合、レポートの読み方が二つ変わる。

第一に、予測は「すべてか無か」になりがちだ。Turnitin によれば、数百語の短い文章ではモデルが重複なしに単一のセグメントで予測するため、この傾向が強まる。重要なのは次の点だ：AI 生成と独自の内容が混ざった文章でも、完全に AI 生成としてフラグされる可能性がある。つまり、短い文章がフラグされたからといって AI 部分が大部分とは限らない。長い文章のようにハイライトが「どの部分が問題か」を示すわけではない。

第二に、300 語未満では数値自体の信頼性が落ちる。Turnitin のリリースノートにも、文章量が少し増えると精度が上がるとあり、300 語未満の提出物は AI writing スコアの精度が低くなる可能性がある。

短い文章でも上記の段落ベースの編集順序は有効だが、フラグは粗いと思っていた方がよい。大抵はフラグ箇所を文章単位で再構築し、その後再チェックするのが最善だ。

スコアは自動更新されない。Turnitin は検出機能は時間とともに変化すると述べているが、提出済みの書類の AI パーセンテージが変化するのは再提出して再処理された場合のみだ。学校が締切前の再提出を認めているなら、それが手順となる：修正し、再提出し、新しいレポートを確認する。

学校が再提出を認めていない場合でも、レポートは役立つ。ただし修正すべきスコアとしてではなく、対話のための証拠としてだ。最終提出でフラグされたレポートは、スコアの算出方法について指導者と話し合う出発点であり、あなたの誠実性に対する判決ではない。

先に述べたアクセス規則を覚えておこう。レポートが見られるのは指導者が共有した場合のみだ。共有されていないなら PDF を求めよう。これは正当な要求であり、怖い数字を実際に取り組める文章のリストに変える具体的な手段だ。

上記の編集はいずれも「何かをやり過ごす」ためのものではない。重要なのは、パーセンテージをあなたの仕事に対する評価として扱うべきではないという点だ。

Turnitin 自体のガイドラインでは、AI writing indicator を教員による行動の唯一の根拠や確定的な成績評価基準として使用すべきではないと明記されている。別の公式ページも同様の点を別の角度から補足している。AI writing detection model は常に正確であるとは限らないため、学生に対する不利益な処分の唯一の根拠として使用すべきではない。不正行為が発生したかどうかを判断するには、さらに精査し、教育機関のポリシーと照らし合わせて人間の判断を下さなければならない。

公式ガイドライン自体の表現を借りれば、スコアは単独で確定的な答えを提供するものではない。教育者が AI writing スコアを確認し、それを確定的な回答ではなく一つのデータポイントとして扱う場合、意図された使用方法となる。

したがって、高いパーセンテージは自分の文章がモデルが機械執筆と関連付ける統計的パターンに一致していることを示すシグナルに過ぎず、これらのパターンは慎重な人間の執筆にも現れる。レポートをどう活用するか——フラグ付き箇所を編集し、数値の意味を理解し、対話に持ち込む——は自分次第だ。

ドキュメントに触れる前にレポートを読む。パーセンテージは問題の規模、ハイライトはその場所、パターンはどの編集が重要かを示す。最もフラグの多い箇所から修正し、Turnitin の誤検知の三つの特徴と照合する。短い文書は異なる挙動を示すことを念頭に置く。再提出して再確認するか、レポートを対話の基礎とする。スコアは判決として意図されたものではない——これが Turnitin の立場であり、議論に持ち込める最も強力な根拠だ。