工科实验报告的 AI 率：到底哪一段在被测

Turnitin 只分析它所说的合格文本，官方的定义是「长文写作格式中的散文句子」。仪器清单不是。编号的实验步骤不是。一张全是数值和单位的结果表也不是。这些扣掉之后，一份实验报告里通常还剩下理论/引言那几段、如果你的课程要求用连续段落写的实验过程，以及讨论与结论。所以实验报告上的那个百分比，主要是在讲你的讨论部分——也就是评分老师真正在看的那一块。

这直接推翻了大多数人的第一反应：报告被标红，先把 Procedure 从头改一遍，因为它「读起来像机器写的」。取决于你们课程要求怎么写实验步骤，那段文字可能压根没进入这次测量；而它同时是你在实验室里做了什么的记录。顺序应该反过来。

下面这些都不预测数字。Turnitin 公开的是这条流水线的形状，不是阈值。

这一步只要几分钟，但它决定后面所有判断。打开你的报告，把下面这些从词数里划掉：仪器与试剂清单、编号步骤、结果表里的数值与短标签、图注、示例计算、参考文献。剩下的那些完整段落，才是被送进模型的东西。判断标准来自官方对合格文本的定义，注意它前半句给出的三个例子：

"Qualifying text (prose sentences contained in long-form writing format) means individual sentences contained in paragraphs that make up a longer piece of written work, such as an essay, a dissertation, or an article, etc. The model does not reliably detect AI-generated text in the form of non-prose, such as poetry, scripts, or code, nor does it detect short-form/unconventional writing such as bullet points, tables, or annotated bibliographies."（合格文本，即长文写作格式中的散文句子，指的是构成一篇更长作品的段落中的一个个句子，比如一篇论文、一篇学位论文或一篇文章等等。模型无法可靠地检测非散文形式的 AI 文本，例如诗歌、剧本或代码，也无法检测项目符号、表格、注释书目这类短篇/非常规写作。）

官方举的三个例子是论文、学位论文、文章。实验报告不在里面，官方也没有说它算哪一边——因为实验报告本来就不是一种文体，它是五种。

把这张表加起来再看官方自己写出的那条算术，读法就不一样了：

"This percentage is not necessarily the percentage of the entire submission. If text within the submission is not considered long-form prose text, it will not be included."（这个百分比不一定是整份提交的百分比。提交内容中不被视为长文散文的文本不会被计入。）

最别扭的是实验步骤那一行，因为它跟你做的实验没关系。同一个下午、同一台设备、写出同样的操作，两个人交上去的合格文本词数可能差一大截，唯一的原因是一个课程模板要编号步骤、另一个要连续段落。百分比和你眼睛看到的高亮量对不上，来源就在这里，怎么读一份 Turnitin AI 检测报告把这个落差拆开讲过；排除清单的通用版本在Turnitin AI 检测跳过哪些内容。

很多人会去找一页「理工科怎么算」的说明。我们也去找了，把找到的东西记下来。

2026 年 8 月 27 日，我们读了描述这份报告的三个 Turnitin 页面的渲染正文：AI 写作报告使用指南、AI 写作检测能力 FAQ、AI 写作报告的文件要求页。三页合起来检索：

两个对照词说明检索确实读到了页面文字，不是抓了空页。`subject area` 那三处值得看一眼，因为那是三页里唯一出现学科的地方：官方称模型的训练样本跨地域、跨学科，并点名 "anthropology, geology, sociology, and others"（人类学、地质学、社会学等）属于纳入进来的冷门学科，用意是降低偏见。那是在描述训练样本。三个页面上没有任何一句话讲某个学科会被怎么算。

所以公开的分类规则只有一条：散文对非散文。把它对到实验报告的五个小标题上，这个映射得你自己做——上一节那张表是我们对公开规则的读法，不是 Turnitin 确认过的实验报告规则。

如果你的实验步骤确实进了合格文本、而且整段被标红，FAQ 里有一段比任何机制解释都更有用：

"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."（有时候误报——把人写的文本错标成 AI 生成——可能出现在结构变化不多的内容、字面上重复自己的文本，或者只做了改写而没有产生新想法的文本上。）

真正能拿去跟助教说的是紧接着的下一句：

"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."（如果我们的指标在这类文本上显示出较高的 AI 写作比例，我们建议你在看这个百分比时把这一点考虑进去。）

那三项里有两项，正是实验步骤被要求做到的事。每一次试验都用同一个句型，是在说明四次操作确实一模一样；结构不变化，就是模板的目的。有一点要说清楚：那段话列的是误报「可能包括」哪些特征，没有附任何频率。官方没说被标红的文本里有多大比例具备这些特征，我也不会替它说。

还有一句实话：动实验步骤的语域之前，先把课程手册翻出来，看它到底要求什么。有的课程会明写用第三人称、过去时。如果你们的手册这么写了，改成更灵活的写法就是你主动放弃的分数，换来的是谁也不敢承诺的效果。

两条公开限制在这个文体上撞到一起。文件要求那一条写着 "at least 300 words of prose text in a long-form writing format"，也就是说散文不到 300 词，报告本身就不会生成。而 FAQ 说短文档的表现是性质上的不同：

"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. This means that some text that is a mix of AI-generated and original content could be flagged as entirely AI-generated."（在只有几百词的较短文档中，预测大多会是「全有或全无」，因为我们是在单个片段上预测，没有重叠的机会。这意味着一部分混合了 AI 生成与原创内容的文本，可能被整体标记为完全由 AI 生成。）

一份总共 1,500 词的实验报告，在扣掉仪器清单、结果表、示例计算和参考文献之后，很可能就落在这个区间里。而人一慌就会去做的事——把讨论那一段单独拎出来自查——量到的可能是 400 词，不是 1,500 词。短文档为什么会「全有或全无」，单独讲在短文档的「全有或全无」。

底下还埋着一件事：分数高于 0%、又没到 20% 的时候，报告用一个星号代替那个数字，也不归给任何高亮。于是站在学生这一侧，「确实改动了」和「什么都没变」这两种结果看上去毫无分别（Turnitin AI 率上的星号（*%）是什么意思）。

一篇小论文有余量：引言可以重说一遍，过渡段可以删，结论没人逐词计较。实验报告几乎没有这种余量。讨论之外的每一句话，不是一条记录，就是一个数值。

所以先把文件分一次类，再动手。

最后一行值得读两遍。偏离既定流程的那句话，往往是一份实验报告里最有价值的一句，而它也正好最像一句「读着别扭、该顺一顺」的插入语。

反过来说，讨论——唯一一块改措辞真的只是改措辞的地方——同时是拿分的地方，也是评分老师已经熟悉你文风的地方。所以它要慢慢改，改完逐行对着结果表读回去，不能扫一眼就交。同一件分类工作在研究型报告上的通用版本，见方法与结果部分哪些可以改写，哪些必须逐字保持准确；整章方法被标成一片红的学位论文版本，见Turnitin 把我整章方法都标红了。

这个文体里另一个常见的担心根本不是 AI 率。实验目的、理论推导、一半的操作步骤，可能都源自全班每个人手上那份同样的实验手册，于是三十份提交里有同样的句子。那是文本匹配的问题，落在另一份报告上：

"The Similarity score and the AI writing detection percentage are completely independent and do not influence each other."（相似度分数与 AI 写作检测百分比完全独立，互不影响。）

所以为了压 AI 率去改实验步骤，瞄的是另一份报告；而为了压相似度去改实验步骤，是一个应该先问助教再动手的问题——实验手册里的内容你被允许复述多少，那是课程的规定，不是写作技巧能解决的事。两份报告各自在测什么，见Turnitin AI 写作报告和相似度报告有什么区别。

实验报告改起来贵，贵的不是写字。是每改动一段，你就得回头把那段里的每个数字对回原始数据一次。所以修改的成本单位是「动过的段落数」。

HumanPen 就是围着这条边界做的。上传文档之后，你可以自己圈出要改的片段，也可以导入 Turnitin 或 iThenticate 的 AI 报告，让被标记的片段直接成为改写范围，其余部分保持不动。引擎不会切得比段落更细，选区只盖住半段时会被撑满整段，并在开跑前把这个边界画给你看。计费跟着真正被改写的词数走。符合条件时，仍被标记的片段可以免费继续降。

它的常见问题里有一句「复杂文档下载后请复核」，这句应该按字面理解。放到实验报告上，复核的含义很具体：改写后的每一个数值、每一个单位、每一处不确定度，都要逐个回到它出处的那张结果表上对一遍。

理论部分的公式会算进 AI 百分比吗？ 官方公开的规则是模型分析段落中的散文句子，并明说无法可靠检测非散文形式的 AI 文本。独立公式周围的段落是散文，公式本身不是被打分的单位。更细的讨论见 Turnitin 如何处理数学公式和非散文内容。

我在结果表的某个单元格里写了一段解释，那段算吗？ 2023 年 8 月 9 日的一条更新记录写明模型现在能够处理表格中的长文散文，同一条还写明既有的含表格提交需要重新提交才会被重新处理。所以单元格里的一段话，行为跟正文里的一段话一样——这一点常常出乎那些「为了排版把文字塞进表格」的人的意料。

要不要把实验步骤改得不那么模板化？ 先看课程手册。如果它明写了语域，改掉就是你主动丢的分，换来一个没人能承诺的结果。另外，如果你的实验步骤是编号列表，按官方公开的合格文本定义，它本来就在范围之外。

我一份旧报告里参考文献被标红了。 同一条 2023 年 8 月的更新记录写着：在参考文献中高亮 AI 写作是一个已修复的 bug，处理 AI 写作报告时参考文献现已被排除。既有提交需要重新提交才会生效，所以旧报告上仍然看得到。

能不能拿一个低分证明是我自己写的？ 不能，而且这话是厂商先说的：模型 "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."（可能并不总是准确，可能误判人写的、AI 生成的和 AI 改写的文本，因此不应作为对学生采取不利行动的唯一依据。）这句话对两个方向同时成立。