Turnitin 的 AI 率能降到 0% 吗?
当前报告可以显示 0%。自 2024 年 7 月 8 日起,1% 到 19% 被折叠成一个星号;更早的旧报告可能保留数字,而学生不能直接看到这个指标。
HumanPen 团队
· 19 分钟
先说结论
当前 Turnitin 的 AI 指标可以显示 0%。自 2024 年 7 月 8 日起,零是二十以下唯一会被显示出来的精确数字:1% 到 19% 一律渲染成星号,不给百分比,也不给高亮。更早生成的报告是例外,Turnitin 明写旧报告仍可能保留 20% 以下的数字。而这个指标学生也看不到。所以人们说「0% AI」时想要的那个东西——一个能反复盯着看、能瞄准、能确认的低数字——通常既不归自己控制,也不归自己观察。它出现在别人的屏幕上,而且报告日期会改变它的显示规则。
下面讲的是:这四种显示分别是什么、0 到 20 之间为什么没有刻度,以及如果真有人把一份 0% 的报告递到你手上,它能定下什么、定不下什么。
当前四种显示,二十以下只有一个精确数字
Turnitin 当前 FAQ 里有一节小标题叫「What do the different indicators mean?」,讲的是提交处理完之后指标会显示成什么样。这一节列了四种,而这四种之间的差别,比两个数字之间的差别重要得多。
| 显示成什么 | Turnitin 说它是什么意思 | 它没告诉你的 |
|---|---|---|
| 蓝色,带 0 到 100 之间的百分比 | 提交处理成功。百分比覆盖的是 qualifying text,也就是散文句子;Turnitin 明写它「is not necessarily the percentage of the entire submission」(未必是整份提交的百分比) | 你这份文件里到底有多少内容进了分母 |
| 星号(*%) | 检出的 AI 落在 1% 到 19% 这一档。不给分数,也不显示高亮 | 被藏起来的那个数是 2 还是 18,以及它落在文档的哪个位置 |
| 灰色,双破折号(- -) | 「The AI writing detection indicator is unable to process this submission」(AI 检测指标无法处理这份提交) | 关于你写作的任何信息。这是算不出来,不是查得干净 |
| 感叹号( ! ) | 「Turnitin has failed to process the submission」(Turnitin 未能处理这份提交)。FAQ 给的做法是稍后再试;文件如果满足全部要求还是这个状态,就联系支持 | 关于你的文字、你这份文件的任何信息。这一档是他们那边没跑成,不是一个判定 |
底下两行根本不是结果:一行是 Turnitin 不处理这份文件,另一行是它试了没成。把上面两行放在一起看,当前这把尺子的形状就清楚了。二十及以上,指标像个量具:有数字,还有你能翻过去逐段看的高亮。二十以下,它像个开关。零是一档,1% 到 19% 是另一档。
按 2024 年 7 月 8 日起生效的规则生成的报告,不会显示 4%、11% 或 19%,而会显示星号。更早的旧报告可能保留这些数字,所以引用一个低分时必须把报告日期一并写上。对当前报告来说,「我想把分降到一个比较小的数」描述的是界面没法细分给你的结果;「我想要 0%」描述的则是二十以下唯一会显示的精确数字。
当前报告为什么不显示 0 和 20 之间的数字
这条规则是公开的,理由也是公开的:
「False positives (incorrectly flagging human-written text as AI-generated) are a possibility in AI models. To avoid potential incidence of false positives, no score or highlights are attributed for AI detection scores in the 1% to 19% range. When AI is detected below the 20% threshold in the report, it is now indicated with an asterisk (*%) and no percentage is attributed.」(误判在 AI 模型里是有可能的。为避免误判,1% 到 19% 这一档不给分数、也不给高亮;检出低于 20% 阈值时,报告用一个星号标注,不给出百分比。)
这条边界会拿走两类信息,而第二类得到的注意远不够。数字没了,这是所有人都会注意到的部分。高亮也没了。到了阈值以下,报告既不给你可检查的段落,也不标出结果具体落在哪些句子上。
把它顺到当前显示规则下的一次修改上。假设底层结果从 17% 变成 3%,两份报告都会显示星号。同一个符号,同样没有高亮,什么都一样。事情确实发生了,但界面没有报告它的词汇。谁跟你说一份当前报告「从 15% 降到了 4%」,他说出了报告没有显示的两个精确数字。带日期的 2024 年 7 月 8 日之前旧报告是例外,不能拿来反推当前规则。
这条规则和「算不算学术不端」无关,它只是厂商决定在屏幕上放什么;学校从什么分数开始审查一份提交,则由校方政策另行决定。这一层我们在20% 的 AI 率算高吗里拆过。
看这个指标的人不是你
所以「我能不能降到 0%」首先问的是你有没有查看权限,其次才是难不难。FAQ 用两句话解释了原因,而第二句通常会被丢掉:
「The AI writing detection indicator and report are not visible to students. However, with the PDF download feature, instructors can download and share the AI report with students.」(AI 检测指标和报告对学生不可见。但借助 PDF 下载功能,教师可以把 AI 报告下载下来分享给学生。)
同一页别处还有一句:「only instructors and administrators are able to see the indicator」(只有教师和管理员能看到这个指标)。所以你自己的 AI 结果能到你手上,唯一的路径是有人决定去下载一份 PDF 再发给你。这条路真实存在——很多人确实看到过自己的报告——但它不是一个你能随手查的表盘。
于是大多数建议默认存在的那个循环,其实并不存在。提交、看分、修改、再看分:带「看」的那两步都不归你。你实际得到的是一次性的、迟到的、可能经人转述的结论,甚至可能只是一张没有日期的截图。而当导师说指标「显示不出来」时,那背后有一整套与你的文件无关的已知原因——我们在AI 率没有显示、或者前后对不上里收过。
一个 0% 能定下什么、定不下什么
假设你还是拿到了:教师下载了 PDF,递给你,上面写着 0%。关于这个数字背后的设计取舍,Turnitin 是这么说的:
「In order to maintain this low rate of 1% for false positives, there is a chance that we might miss some AI written text in a document. We're comfortable with that since we do not want to incorrectly highlight human-written text as AI-written. For example, if we identify that 50% of a document is likely written by an AI tool, it could contain as much as 65% AI writing.」(为了把误判率维持在 1% 这么低,我们有可能漏掉文档里的一部分 AI 文本。我们接受这一点,因为我们不想把人写的文字错标成 AI 写的。举例来说,如果我们判定一份文档有 50% 可能由 AI 写成,它实际可能含有多达 65% 的 AI 写作。)
这是厂商用自己的话在说:宁可漏检,也不误判。由此有三条推论,而且它们指向两个相反的方向:
- 0% 不能证明这份稿子没有 AI 参与。 这个工具是往少了报的。零既与一份干净的稿子相容,也与一份模型没抓到的稿子相容,而报告里没有任何东西能把这两种情况区分开。
- 0% 不是关于整份文件的陈述。 百分比只在 qualifying prose 上算。一份大部分是列表、数值表格和参考文献的文档,被评估到的部分本来就少,它的零覆盖的范围比看上去窄。整段散文放在表格单元格里是另一回事:Turnitin 说表格里的长文散文是会被处理的。分母这件事我们在怎么读一份 Turnitin AI 检测报告里讲透过。
- 0% 不是你能带进谈话里的证据。 Turnitin 明确说自己不判定学术不端,只是给教育者提供做判断的数据。真正回答「这是不是你写的」的,是草稿、来源、笔记,以及你能不能把这份工作讲清楚——那份清单在被标了,但确实是你写的里。
一个零,是一个分类器在某一天、用某一个模型版本、对一份文档的一部分跑出来的输出。它值得拥有。它能定下的事,比「0% AI」这四个字听起来少得多。
三种容易被误认成 0% 的状态
没有数字,不自动等于零。有时根本没有结果,有时是一个非零结果但精确数字被藏起来,还有时短文档或散文占比低的文件会在较窄的分母上得到真实结果。这三类必须分开叫。
- 灰色双破折号或处理错误:没有结果。 长文散文不足 300 词、超过 30,000 词、语言或文件类型不在支持范围,会让文件不符合要求;另一种错误状态则表示 Turnitin 处理失败。两者都不是干净分,更不能被转述成 0%。细节在一整本学位论文,Turnitin 查得了吗。
- 星号:有一个高于零的结果,只是数字被藏起来。 在当前规则下,它表示检出的范围是 1% 到 19%。出于误判风险,百分比和高亮都不显示。它虽然不给位置,却不是空白。
- 短文档或散文占比低:仍可能得到真实结果。 非散文内容只会缩小分母,不会自动拿走分数。只要仍有至少 300 词长文散文,文件就能生成报告。Turnitin 说,只有几百词的文档因为仅有一个片段、没有重叠可供平均,预测基本上是「all or nothing」。这是对极端结果的提醒,不是第三种空白状态。原文没有排除「nothing」落在零这一端,而零本来就在 Turnitin 公布的成功状态区间内。
判断方法很简单。双破折号或错误表示没有分数;星号表示一个没有被显示出来的非零分数;蓝色 0% 则是分类器真正给出的结果,即使文件很短、qualifying text 的分母很窄也一样。三者不能都揉成「什么都没检出」。
唯一能看出变化的那一段区间
把上面这些倒过来看,会掉出一个有点别扭的结论。最让人紧张的那些报告——二十及以上的那些——恰恰是唯一带够了信息、能据以行动的报告:有一个数,还有一批被高亮的段落。当前 1% 到 19% 这一档两样都没有;0% 有数字,但没有可供修改的高亮段落。
HumanPen 就建在这条线的这一侧。把 DOCX 连同 Turnitin 或 iThenticate 的 AI 报告一起传上来,被高亮的段落就成了作用范围。只改这些文字,范围之外不动;费用按被改写部分的词数结算,不看整份上传文件有多长。
HumanPen 也提供免费后续支持:符合条件时可以免费继续降 AI。这项支持不承诺检测器会给出某个特定结果。
以上没有一句是预测。那一页自己的常见问题里就写着:「Detectors keep changing, so no one can honestly promise a fixed outcome.」(检测器一直在变,谁都没法诚实地承诺一个固定结果。)重查会落在哪个百分比无人知晓,提前报数就是编造。Turnitin 从未说明某次编辑应当带来多少分值变化,而且按上面那条显示规则,阈值以下谁也没法验证这类说法。我们能告诉你的是:哪些词会被动,哪些词会被计费。
常见问题
Turnitin 的 AI 报告真的能显示 0% 吗? 能。Turnitin 的 FAQ 把处理成功的状态描述为蓝色指标带一个 0 到 100 之间的百分比,零就在这个区间里。日期差异落在 1% 到 19%:旧报告可能保留数字,当前报告显示星号。
星号是不是就等于 0%? 不是。在当前报告里,星号表示检出的 AI 落在 1% 到 19% 这一档,Turnitin 出于误判的考虑在这一档不给数字也不给高亮。它是一个非零的结果,只是界面不愿意把它量化出来。
我能不能在导师之前先看看自己的 AI 率? 通过这个指标不行。Turnitin 写明 AI 检测指标和报告对学生不可见,教师可以把报告下载成 PDF 分享给学生。你能看到的每一份,都是因为有人选择给你看。
如果报告写着 0%,我就安全了吗? 这是个好结果,但它不是一张证书。Turnitin 说自己为了压住误判率,接受漏掉一部分 AI 写作;它也说 AI 分不判定学术不端。这两句都要算数。
改写能不能改到 0%? 未来一次检测的百分比无法承诺。任何提前报出数字的工具,都在引用一个尚不存在的结果。一次按报告走的改写决定的是:哪些段落会被改,哪些段落原封不动。
继续阅读