怎么读一份 Turnitin AI 检测报告

这是报告里最常被读错的数字。Turnitin 自己的定义是合格文本（qualifying text）所占的比例，而合格文本指的是长文格式中的正文中的完整句子：出现在段落里、组成一篇完整文章的那些句子——essay、学位论文、期刊文章都算。

其余一切都不参与计算。Turnitin 声明该模型在非散文文本上无法可靠检测，并明确点名了诗歌、脚本、代码，以及短文本或非常规写作：项目符号、表格、注释书目。

一篇有一半是表格和列表的论文得了 30%，这不是"你论文的 30%"。这是 Turnitin 愿意评估的那部分散文中的 30%，而那部分可能只占你提交内容的三分之一。

还有一个下限：提交的内容必须包含至少 300 词的长文格式散文，才会生成报告。低于这个量，不是给你一个低分，而是根本没有百分比。另一头也有上限：AI 报告最多处理 30,000 词，所以一篇完整的学位论文拿不到一份覆盖全文的报告。

当前文件要求还有更多边界：文件小于 100 MB，格式为受支持的 DOCX、PDF、TXT 或 RTF，并使用受支持的语言。2026 年 8 月 18 日 Turnitin 加进了现代标准阿拉伯语，这份清单变成四种；它自己还有两个英文页面仍印着三种，你打开的那一页未必已经跟上。相似度报告成功生成，不等于这份文件必然符合 AI 检测报告条件；两套系统的目的和要求不同。

举个分母的例子。一份 4,000 词实验报告里，1,600 词位于表格、列表、代码与参考文献中，只剩 2,400 词符合检测条件的正文。显示 25%，指的是模型把这 2,400 词中约四分之一归入相关分类，不是全部 4,000 词的四分之一。报告没有提供足够信息让读者凭肉眼反推出精确词数，因此这只是解释分母，不能拿来倒算总量。

解释百分比前先问两个问题：文件是否符合条件？文档里究竟有多少内容被算作符合检测条件的正文？

读者经常发现高亮的段落加起来根本凑不出那个百分比，于是认为哪里坏了。没有坏。Turnitin 直接说了：包含多种写作类型的文档必然会出现百分比与高亮不一致的情况。

百分比是在合格文本上算的。而高亮标注在整篇文档上，文档里还包含不参与计算的部分。两者的分母不同，所以肉眼对不上是必然的，拿一个去核对另一个是白费功夫。

高亮真正有用的地方是分布。标记落在哪里，比标记有多少更能说明问题。

读报告可以分三遍。第一遍先认清状态。Turnitin 一共记了七种，而只有两种会在屏幕上给出百分比：0%，以及 20 起跳的具体数字。星号、报告还在生成、处理出错、文件不符合要求、提交时没开启检测——这五种给你的都不是一个数。第二遍看提交内容分解。2026 年 8 月 4 日之前，它把「AI 生成」和「AI 生成后又被改写」分成两类；此后 Turnitin 把两类合并成单一的蓝色，所以那个日期前后生成的报告，图例并不相同。第三遍才逐段检查高亮，同时读它前后的未高亮句子。直接跳进一个醒目段落，会丢掉判断它所需的上下文。

• 高亮集中在方法或模板文字，应当与必用模板、实验规程对照，因为这些地方本就高度惯例化。
• 高亮落在两种起草方式的交界处，要连同前后句复核，分类边界未必精确。
• 高亮分散，仍应回到版本历史与来源；视觉上的分散不能替代写作过程证据。
• 星号下没有任何高亮，这是低分隐藏区间的正常行为，不是页面加载失败。

不要数高亮行数再除以页数。页面排版、字体、参考文献和排除的写作类型，会让这个算法与 Turnitin 的合格文本分母毫无关系。高亮用于定位待复核段落，不是按页面面积审计百分比。

报告把百分比拆成两种检测类型。

• 仅 AI 生成 —— 模型判断很可能来自大语言模型的文本，也可能之后又被绕检测工具改动过。
• AI 生成后又经 AI 改写 —— 判断为很可能是 AI 生成、随后又被 Turnitin 所称「AI 改写工具或 AI word spinner」处理过的文本。Turnitin 的文档里点名了 QuillBot 作为例子。

第二个分类值得停下来想想。改写这一步瞒不过模型：把 AI 文本过一遍改写器，恰恰是检测器专门训练过来抓的模式，而不是绕过它的方法。如果你疑惑过为什么改写之后分数没降，这就是有文档依据的答案。

很多人对改写工具的失望，根源也在这里。模型读的是句子的骨架，所以一次改动如果没有动到骨架，被读的那部分也就没有动——这一点可以对照检测器实际在测什么一起看。

分类名称描述的是模型判断，不是已经核实的来源链。"仅 AI 生成"不会告诉你是哪一个模型、提示词或使用者；"AI 改写"也不能证明某个具名服务确实被用过。Turnitin 自己承认，模型可能把人类文本、AI 文本和 AI 改写文本相互误认。分类能帮助教师组织复核，却不能把概率输出变成法证来源。

还有一条容易漏掉的语言限制：Turnitin 当前说明里，AI 改写与绕检测识别只包含在英文检测器中，西班牙文和日文暂不提供这两项能力。比较两份分类截图前，必须先确认报告语言。

从 2024 年 7 月 8 日起，当模型结果落在 1%–19% 时，报告显示星号，不给出具体百分比，也不给高亮。没有合格文本与处理失败是另外两种状态。

Turnitin 给出的理由是：测试发现低百分比区间误判更多，隐去具体数字可以减少误读。因此星号的意思是"结果非零但低于显示阈值，可靠性较低"，不是"0%"、"安全"或"学术不端"。

这是一条界面展示规则，不是学校的处分阈值。2024 年 7 月 8 日前生成的一份 19% 报告，与新报告里的一个星号，可能只是同一分数区间在两套规则下的不同呈现。比较前先记录报告日期。

显示 0% 同样不能证明没有使用任何 AI 辅助。它只表示这个版本与配置没有把合格文本识别进相关分类。检测器既有误判也有漏判，而不受支持或被排除的内容从一开始就不在百分比里。

Turnitin 明确声明：模型可能把人类文本、AI 生成和 AI 改写文本相互误认，不应成为对学生采取不利行动的唯一依据。它提供数据，由教师结合本机构政策和其他证据复核。这是厂商在报告说明里写明的边界。

如果这样一份报告正压在你头上，这也是最有用的一条。该问的不是"怎么把这个数字降下去"，而是"这个数字被拿来做什么用，我们学校的政策规定它意味着什么"。

• 它不是相似度分数。 与既有来源的文本匹配和 AI 分类是两套独立分析，一个不能解释另一个。
• 它不是抄袭结论。 作者身份、引用与允许的辅助方式，要由课程规则和证据判断。
• 它不是逐词概率图。 高亮标识被归类的段落，不是给每个词一个独立置信度。
• 它不跨版本恒定。 资格、模型与显示规则都会变化；应保留原报告，不能日后重跑再假定两者等价。

讨论报告时，带上原提交文件、完整报告、作业的 AI 使用规则，以及草稿和笔记等过程材料。它们分别回答四个问题：交了什么、工具标了什么、允许什么、文档如何形成。单独的百分比只回答第二个，而且还受检测器边界限制。