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散文句子：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。

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。

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 AI 改写工具或同义词替换器处理过的文本。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。同义词替换保留了句子的骨架，而模型读的正是那个骨架——这一点可以对照检测器实际在测什么一起看。

从 2024 年 7 月 8 日起，当模型检测到的 AI 比例低于 20% 时，报告显示星号，不给出百分比，也不给高亮。

Turnitin 给出的理由是：测试发现 0–19 这个区间的误判率更高。与其发布一个自己都不信的数字，不如发布一个星号。

这是厂商在拒绝为自家产品的低分区间背书——在把一个小数字当回事之前，值得知道这一点。如果你的报告早于 2024 年 7 月，可能仍会看到旧规则下生成的数字。

Turnitin 明确声明：它不判定学术不端；它提供数据，由教师依据本机构的政策做出判断。这个数字是供人做判断用的参考，这是厂商自己说的。

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"。

如果你想确切看到哪些段落被标记而不是靠推断，把报告连同文档一起导入会把它们定位出来，其余部分一个字不动。