회의 논문과 Turnitin AI 탐지: 알아야 할 사항

회의 논문은 AI 탐지에 있어 어려운 위치에 있습니다. 자격을 갖춘 산문이 몇백 단어에 불과한 문서에 대해 Turnitin이 설명하는 “전부 아니면 전무” 문제를 일으킬 만큼 짧습니다. FAQ의 위양성 프로필과 일치하는 방법론 및 관련 연구 요약이 조밀하게 들어 있습니다. 또한 모델이 자격을 갖춘 텍스트로 분석하지 않는 글머리 기호, 그림 캡션, 표 항목도 포함하고 있습니다. 보이는 백분율은 예상보다 훨씬 작은 논문의 일부를 반영할 수 있습니다.

FAQ는 위양성이 발생하기 쉬운 특정 텍스트 유형을 식별합니다:

"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." (때때로 위양성(인간이 작성한 텍스트를 AI 생성으로 잘못 표시)에는 구조적 변화가 많지 않은 콘텐츠, 문자 그대로 반복되는 텍스트, 또는 새로운 아이디어를 전개하지 않고 바꾸어 쓴 텍스트가 포함될 수 있습니다.)

회의 논문은 이러한 기준 중 몇 가지를 충족합니다. 페이지 제한은 저자를 효율적이고 균일한 문장으로 이끕니다. 관련 연구 섹션은 전체 연구를 각각 한두 문장으로 압축하며, 이는 새로운 아이디어를 전개하지 않는 바꾸어 쓰기입니다. 초록, 서론, 결론은 동일한 주장이 여러 곳에 나타나야 하므로 반복적인 틀 문장을 공유하는 경우가 많습니다. FAQ는 계속됩니다:

"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." (우리의 지표가 그러한 텍스트에서 더 많은 AI 작성을 보여주는 경우, 표시된 백분율을 볼 때 그것을 고려에 넣기를 권장합니다.)

이 조언은 회의 논문에 대해 특히 진지하게 받아들여야 합니다.

점수를 논의하기 전에, Turnitin이 실제로 무엇을 받아들이는지 다루어야 합니다. Turnitin 도움말 문서가 제약을 지정합니다:

"File must be written in a supported language: English, Spanish, Japanese" (파일은 지원되는 언어로 작성되어야 합니다: 영어, 스페인어, 일본어)

이 언어 항목은 제품보다 한 버전 뒤에 있습니다. Turnitin은 2026년 8월 18일에 현대 표준 아랍어를 추가하여 목록을 네 가지로 늘렸으며, 위에 인용된 요구 사항 페이지는 이 글이 작성된 시점에 그렇게 편집되지 않았습니다. 같은 출처가 허용되는 형식과 크기 제한을 나열합니다:

"Accepted file types: .docx, .pdf, .txt, .rtf" (허용되는 파일 유형: .docx, .pdf, .txt, .rtf)

추가 요구 사항에는 100MB 미만의 파일, 최소 300단어의 산문, 30,000단어 이하가 포함됩니다. 회의 논문의 경우 300단어 최소값이 중요합니다. 그림, 표, 수식이 포함된 6페이지 논문은 비산문 콘텐츠를 제외한 후 300단어 미만의 자격 산문만 가질 수 있습니다. 30,000단어 상한은 문제가 될 가능성이 낮지만, 산문 최소값은 문제가 될 수 있습니다.

회의 논문이 LaTeX으로 작성되고 PDF로 내보내지는 경우 서식이 허용됩니다. DOCX를 제출하는 경우, 모델은 텍스트를 같은 방식으로 처리합니다. 형식 자체는 점수를 바꾸지 않지만, 그 형식에서의 자격 산문의 양은 바꿉니다.

FAQ는 논문을 점수로 바꾸는 파이프라인을 설명합니다:

"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." (논문이 Turnitin에 제출되면, 제출물에서 문장이 추출되어 예측 분석을 위해 겹치는 섹션으로 분할됩니다. 각 세그먼트는 AI 탐지 모델에 의해 분류되고 텍스트가 인간 또는 AI 생성일 확률을 나타내는 0과 1 사이의 값을 받습니다. 이러한 세그먼트 내의 각 자격 문장은 세그먼트의 점수를 상속받습니다. 세그먼트가 겹치기 때문에 일부 문장은 여러 점수를 가질 수 있으며, 그런 다음 단일 점수로 합산됩니다. 이러한 문장 점수는 추가로 집계되어 문서 전체의 AI 작성 점수를 계산하는 데 사용됩니다.)

회의 논문에서 두 가지가 두드러집니다. 첫째, 자격 문장만 추출됩니다. FAQ는 자격 텍스트를 정의합니다:

"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." (이 자격 텍스트는 산문 문장만 포함하며, 표준 문법적 문장으로 작성된 텍스트 블록만 분석하고 목록, 글머리 기호(짧은 비문장 구조) 또는 다른 비문장 구조와 같은 다른 유형의 글쓰기를 포함하지 않음을 의미합니다.)

둘째, 백분율은 그 자격 산문만 반영합니다. FAQ는 다음과 같이 명확히 합니다:

"This percentage is not necessarily the percentage of the entire submission." (이 백분율은 반드시 전체 제출물의 백분율은 아닙니다.)

10페이지의 회의 논문은 그림, 표, 글머리 기호 목록의 여러 페이지를 가질 수 있습니다. AI 점수는 산문 문장만 다룹니다. 40% 점수는 논문의 40%가 AI 생성으로 읽힌다는 것을 의미하지 않습니다. 자격 산문의 40%가 그렇다는 것을 의미합니다.

회의 논문은 저널 논문보다 짧습니다. 비산문 콘텐츠를 제외한 후, 전형적인 회의 논문의 자격 산문은 FAQ가 경고하는 범위에 떨어질 수 있습니다:

"In shorter documents where there are only a few hundred words, the prediction will be mostly 'all or nothing' because we're predicting on a single segment without the opportunity to overlap." (몇백 단어만 있는 더 짧은 문서에서는 겹칠 기회 없이 단일 세그먼트로 예측하기 때문에 예측은 주로 “전부 아니면 전무”가 됩니다.)

결론은 직접적입니다:

"This means that some text that is a mix of AI-generated and original content could be flagged as entirely AI-generated." (이것은 AI 생성과 원본 콘텐츠가 혼합된 일부 텍스트가 완전히 AI 생성으로 표시될 수 있음을 의미합니다.)

회의 논문이 총 3,000단어이더라도 그림 캡션, 표 항목, 글머리 기호 목록을 제외한 후의 자격 산문은 훨씬 적을 수 있습니다. 세그먼트가 적다는 것은 각각이 더 많은 무게를 가짐을 의미합니다. 높은 점수의 세그먼트 하나가 전체 백분율을 급격히 끌어올릴 수 있습니다.

Turnitin의 탐지기가 “burstiness”와 “perplexity”를 평가한다는 일반적인 믿음이 있습니다. FAQ는 이에 직접 답합니다:

"Our model is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity,' or other individual metrics sometimes referenced in public discussions." (우리의 모델은 “burstiness”, “perplexity” 또는 공개 논의에서 때때로 언급되는 다른 개별 지표와 같은 특정 신호를 평가하도록 명시적으로 프로그래밍되지 않았습니다.)

다음 문장이 대신 무슨 일이 일어나는지 설명합니다:

"Instead, it learns statistical patterns from our training data." (대신, 우리의 훈련 데이터에서 통계적 패턴을 학습합니다.)

FAQ는 그런 다음 분류기가 실제로 집중하는 것을 설명합니다:

"Our classifiers are trained to detect these differences in word probability and are adept at the particular word probability sequences of human writers." (우리의 분류기는 단어 확률의 이러한 차이를 탐지하도록 훈련되었으며 인간 작가의 특정 단어 확률 시퀀스에 능숙합니다.)

이것은 모델이 훈련 데이터에서 학습한 단어 선택 패턴을 본다는 것을 의미합니다. 문장 길이 변화나 어휘 희귀성을 개별적으로 측정하지 않습니다. 이것을 이해하는 것은 압축되고 관습적인 표현을 가진 회의 논문이 잘못 느껴지는 점수를 유발할 수 있는 이유를 설명하는 데 도움이 됩니다. 효율적인 학술 산문의 단어 패턴은 모델이 AI 생성 훈련 예제에서 학습한 패턴과 유사할 수 있습니다.

보고서 가이드는 점수가 어떻게 사용되어야 하고 사용되지 않아야 하는지에 대해 명확합니다:

"Our AI writing detection model may not always be accurate (it may misidentify human-written, AI-generated, and AI-paraphrased text), so it should not be used as the sole basis for adverse actions against a student." (우리의 AI 작성 탐지 모델은 항상 정확하지 않을 수 있으며(인간이 작성한 텍스트, AI 생성 텍스트, AI 바꾸어 쓴 텍스트를 잘못 식별할 수 있음) 학생에 대한 불리한 조치의 유일한 근거로 사용되지 않아야 합니다.)

다음 문장이 그 점을 강화합니다:

"It takes further scrutiny and human judgment in conjunction with an organization's application of its specific academic policies to determine whether academic misconduct has occurred." (학술 부정행위가 발생했는지 여부를 결정하려면 조직의 특정 학술 정책 적용과 함께 더 많은 조사와 인간의 판단이 필요합니다.)

회의 논문이 동료 심사에 나갈 때도 마찬가지입니다. 높은 AI 점수를 가진 프로그램 위원회 구성원이나 저널 편집자는 공급자 자신의 설명에 따르면, 그 뒤에 인간의 판단을 필요로 하는 정보를 가지고 있으며, 발견이 아닙니다.

회의 논문이 높은 Turnitin AI 점수를 받은 경우 명심할 사항은 다음과 같습니다:

• 회의 논문은 위양성 프로필과 일치합니다: 균일한 구조, 바꾸어 쓴 관련 연구, 섹션 간의 반복적인 틀 문장.
• 300단어 산문 최소값은 그림이 많은 논문에서 비산문 콘텐츠를 제외한 후 충족되지 않을 수 있습니다.
• 백분율은 자격 산문만 반영하며 전체 제출물이 아닙니다.
• 짧은 자격 산문은 겹치는 세그먼트가 적은 “전부 아니면 전무” 예측을 유발할 수 있습니다.
• 모델은 훈련 데이터에서 학습한 단어 확률 패턴을 측정하며, “burstiness”나 “perplexity”가 아닙니다.
• 점수는 어떤 판단의 유일한 근거가 되어서는 안 됩니다.

표시된 구절을 다루고 싶다면, Turnitin 보고서를 가져오십시오하고 그것들을 검토하십시오. 자격을 갖춘 구절은 무료로 다시 실행할 수 있습니다.