Turnitin 复检后仍有标记：怎样比较两份报告，而不是只盯总分

假设第一份 Turnitin AI 写作报告是 42%，复检后变成 28%。最直觉的说法是"改善了 14 个百分点"。但数字本身不支持这个结论：它没有告诉你旧高亮是否消失、边界是否移动、另一个章节是否新被标记，也没有告诉你文档结构变化后分母是否改变。

反过来也一样。总分不变，高亮位置却可能完全换了一批；几处旧高亮消失后，总分仍可能上升，因为修改后的文档包含更少合格散文，或者新版模型把另一区域分到了不同类别。总分把这些不同事件压缩成了一个值。

因此真正有用的问题不是"分数降了吗"，而是："第一次被高亮的每个段落后来发生了什么，两次报告又分别在什么条件下生成？"回答它需要两份源文档和两份完整 PDF。只有封面百分比的截图不够。

复检是一次新观察，默认并不是控制实验。把结果归因于修改之前，必须先确认文档变了什么、检测器又变了什么。

下面的比较方法是 HumanPen 的操作流程，依据 Turnitin 已公开的报告行为整理，并不是 Turnitin 官方程序，也不能声称段落映射能解释模型为什么改变分类。它的目标更窄：当证据只指向一小组残留段落时，不要再次重写整篇论文。

开始连线高亮之前，先完成可比性检查。下表有任何一项无法确认，都应记录这份不确定性，而不是把两个百分比当成精确的修改前后测量。

Turnitin 的模型版本说明多次注明：模型更新不会追溯应用，要得到更新后的分数必须重新提交。2025 年 10 月 14 日与 2026 年 2 月 12 日的更新都以提高召回为目标，2026 年 5 月的更新则影响西班牙语模型。两份报告若跨越这些节点，就无法只隔离你的修改效果。

图例本身也有一条变更史：Turnitin 在 2023 年 5 月调整过段落边界逻辑，2023 年 12 月加入与 AI 改写相关的处理但没有改变视觉页面，2024 年 7 月又重做分类和低分显示，2026 年 8 月 4 日把两个 AI 类目合并成一个，并写明原先用于 AI 转述文本的紫色高亮不再显示。Turnitin 还补了一句：只有那之后提交的文件才是新版式，系统里已经存着的那些，不再交一遍就一直是旧报告。高亮边界移动、图例变化，都可能来自报告版本，而不只是某一句被修改。

确认报告基本可比后，不要再用页码思考，因为段落重排就会让页码移动。更稳定的锚点是"章节标题 + 原段落开头 8 至 12 个词"。然后给每片高亮分配一种结果。

边界移动尤其容易让人过度反应。分类模型读取的是文字语境，修改一句话可能改变相邻句怎样被组合；Turnitin 历史上也明确调整过段落边界精度。复核单位应该是语义完整的段落，而不是把每一行颜色都当成独立证据。

新增高亮不等于新增了 AI 文字，只表示第二份报告显示了第一份没有显示的区域。文档修改、上下文、合格文本变化与模型版本都是竞争性解释。

好的比较表应该小到看得懂，也精确到能复现。每个段落锚点占一行，而不是每条高亮线占一行。用 `P01`、`P02` 这样的编号，并以第一份报告作为坐标系。

用 Word 的文档比较或修订记录确认两个源文件究竟改了什么，不要依赖记忆。每一行先核对数字、引用、引号状态和论断强度，再考虑文风。若因果论断被改成错误相关、限制条件消失或引用不再支持句子，AI 分类再低也不是改进。

除非适用程序要求披露，否则比较表与源文档应保持私密，其中可能包含未发表研究或学生信息。必须分享时，删除无关个人数据，只留下解释段落历史所需的证据。

即使不适合继续修改，这张表仍然有用。它可以显示第二份报告标记的是另一批材料、两次运行之间隔着模型更新，或新结果只有没有位置证据的星号。记录清楚的"无法比较"，比自信却凭空捏造的改善率更准确。

Turnitin 的AI 写作报告说明指出，百分比只覆盖合格散文；文档混合多种写作形式时，数字与肉眼看到的高亮量可以不一致。修改文档会同时改变分子——被分类的合格文本——与分母——全部合格文本，因此简单百分点运算并不完整。

• 总分相同，位置完全重排：三片旧高亮消失，又出现一片同等大小的新区域。总分掩盖了整套分布变化。
• 总分降低，核心仍在：外围高亮消失，但争议最关键的段落仍存在。数字变低，最重要的复核问题没有消失。
• 总分升高，肉眼页数更少：非散文或其他合格文本变化缩小了分母。更高百分比未必覆盖更多物理页面。
• *具体数字变成 `%`：**第二次结果在 0% 以上、20% 以下，但 Turnitin 不显示精确数字和高亮。不能把它记成 0，也不能计算准确降幅。
• 类别重新分配：在 2026 年 8 月 4 日之前出的报告里，两个类目的占比在变、合计却差不多。那之后报告只剩一个类目，所以这条只对旧报告成立；而跨在这个日期两侧的一对报告，在类目这一层根本没法比。

因此也不存在诚实的"这次修改成功了百分之多少"公式。检测器不追踪编辑，也不会给某项修改分配因果功劳。你可以报告可观察的段落结果与总分变化，却不能把它们包装成经验证的编辑有效率。

Turnitin 自己也建议把结果当作一个数据点，并与对作者、作品和学校政策的了解一起使用。它的复核说明要求查看高亮类别并使用人的判断，而不是孤立使用一个分数。

重复改写有真实成本：含义漂移、引用与论点脱节、学科术语变模糊、作者声音消失。报告没有要求追逐 0；`*%` 恰恰因为 Turnitin 认为低区间较不可靠，而不显示精确数字。

出现下列任何条件，都应先停止并复核，而不是自动再改一遍：

• 正式调查仍在进行。 保留原件，修改副本前先遵循机构程序。
• 两份报告不可比。 模型阶段、文件版本或报告状态不同，再改一次也回答不了现有不确定性。
• 只发生边界移动。 剩余差异可能来自上下文组合，而不是新的稳定改写目标。
• 再改会损害准确性。 冻结数字、引文、方法、定义和那些精确措辞承载实质含义的论断。
• 当前文字确实属于作者并且可以辩护。 你能解释它，有草稿和来源支持，并符合适用的 AI 使用与披露规则。
• 唯一目标是保证某个分数。 没有任何模型、服务或修改方法能承诺未来检测器的输出。

保留一套紧凑证据包：两份源文档、两份完整报告、比较表、修改日志，以及约束这份工作的政策或作业说明。文件名写上日期，永远不要覆盖原件。若有第三次检测，把它作为新观察加入，而不是替换第二份报告。

如果规则允许修改，且第二份报告只剩少量原位置残留，真正需要的输入是当前文档与当前报告。HumanPen 会按最新高亮工作，不会把第一份曾经标过的一切继续带进修改范围。这种范围控制可以避免已解决段落再次被改，但它仍是修改辅助，不承诺第三份报告空白。

站得住脚的结果不是"分数降了"，而是"这些段落消失、这些仍在、这些移动、这些新增，另有这些变量让比较无法成立"。