Czy Gradescope potrafi wykryć ChatGPT? Co powinni wiedzieć studenci i wykładowcy

Czym jest Gradescope i jak go używają wykładowcy?

Gradescope to platforma oceniania i przesyłania materiałów używana przez uczelni i uniwersytety na całym świecie, szczególnie w dyscyplinach STEM. Została założona na UC Berkeley w 2014 roku i przejęta przez Turnitin w 2018 roku. Wykładowcy konfigurują zadania Gradescope tak, aby akceptowały kilka formatów przesyłania: wpisane odpowiedzi online, przesłane pliki PDF (skanowane prace pisane odręcznie lub dokumenty cyfrowe) oraz pliki kodu dla zadań programistycznych. Platforma została zaprojektowana przede wszystkim w celu usprawnienia oceniania opartego na rubrykach w dużych kursach — a nie do nadzorowania uczciwości akademickiej — ale przejęcie przez Turnitin przyniosło infrastrukturę detekcji AI do tego samego ekosystemu. Dziś Gradescope jest używany w instytucjach takich jak Stanford, Cornell, MIT i setki community colleges. W typowym kursie STEM studenci przesyłają swoje rozwiązane zestawy problemów jako pliki PDF, a wykładowcy oceniają w interfejsie Gradescope za pomocą rubryk przydzielające punkty. W kursach, w których wykładowcy włączyli integrację Turnitin, ta sama przesyłka jest również kierowana do systemów detekcji oryginalności i AI firmy Turnitin. To, czy ta integracja jest aktywna dla konkretnego kursu, zależy całkowicie od wykładowcy — nie ma domyślnie ustawionej detekcji AI dla każdego zadania Gradescope na poziomie uniwersytetu.

Czy Gradescope potrafi wykryć ChatGPT w pracach pisemnych?

W przypadku wpisanych przesyłek pisemnych, Gradescope może wyświetlić wyniki detekcji AI tylko wtedy, gdy wykładowca aktywował Turnitin AI Writing Indicator dla tego konkretnego zadania. Po włączeniu integracji przesyłki są wysyłane na serwery Turnitin, gdzie model oparty na transformerze analizuje tekst pod kątem wzorów statystycznych związanych z generowaniem AI — przede wszystkim dezorientacja (jak przewidywalna jest każda pozycja słowna) i wybuchowość (jak bardzo różnią się długość zdania i złożoność w całym dokumencie). Jeśli przesyłka uzyska wynik wyższy niż procent, który wykładowca uzna za istotny, wykładowca widzi kolorowy wskaźnik AI obok standardowego raportu podobieństwa. Praktyczne implikacje są takie, że to, czy detekcja AI ma zastosowanie do Twojej przesyłki Gradescope, zależy od dwóch warunków: czy integracja Turnitin jest aktywna dla Twojego zadania oraz czy Turnitin AI Writing Indicator jest włączony w ramach tej integracji. Wielu wykładowców Gradescope używa platformy wyłącznie do oceniania opartego na rubrycach bez włączania Turnitin. W tych kursach nie zachodzi automatyczna detekcja AI niezależnie od tego, jak prace powstały. W przypadku przesyłek będących skanami PDF pracy pisanej odręcznie, OCR Turnitin przetwarza tekst przed analizą — ale dokładność detekcji na tekście wyodrębnionym z OCR jest niższa niż na bezpośrednio wpisanych dokumentach. Sam Turnitin przyznaje, że jego detekcja AI jest zaprojektowana dla czystego, cyfrowego tekstu angielskiego i działa mniej niezawodnie w przypadku prac w innych niż angielski lub przesyłek poniżej 300 słów.

"AI Writing Indicator to nie werdykt — to sygnał dla wykładowców do dalszego zbadania." — Dokumentacja produktu Turnitin

Jak działa integracja Turnitin w Gradescope?

Ponieważ Turnitin jest właścicielem Gradescope, połączenie między dwiema platformami jest natywne, a nie łącznikiem strony trzeciej. Wykładowcy, którzy chcą podobieństwa i detekcji AI dla zadania Gradescope, włączają to podczas procesu konfiguracji zadania. Po włączeniu, każde przesłanie do tego zadania jest automatycznie synchronizowane z Turnitin i analizowane. Wynikowy raport — zawierający zarówno procent podobieństwa oryginalności jak i wynik AI Writing Indicator — jest widoczny dla wykładowcy w interfejsie Gradescope lub za pośrednictwem połączonego przeglądarki Turnitin. Wykładowcy decydują, czy udostępnić te raporty studentom. Po włączeniu dostępu do raportu studenta każdy student może wyświetlić swój indywidualny wynik po opublikowaniu ocen, w tym wyróżnienie na poziomie zdania, które pokazuje, które fragmenty wyzwoliły najwyższe wyniki podobne do AI. Jedna ważna niuansacja: model detekcji AI Turnitin sprawdza się najlepiej w tekście angielskim o długości co najmniej 300 słów. Przesyłki w innych językach, bardzo krótkie odpowiedzi lub wysoce techniczny tekst z gęstym formatowaniem wzorów dają mniej wiarygodne wyniki. Turnitin ujawnił również, że strukturalne gatunki pisania technicznego — raporty laboratoryjne, streszczenia spraw, strukturowane opracowania inżynierskie — konsekwentnie dają podwyższone wyniki AI nawet gdy prace są całkowicie napisane przez człowieka, ponieważ te formaty narzucają niską zmienność długości zdania z założenia. Wykładowcy zaznajomieni z tym wzorem mają tendencję do ostrożniejszego czytania wyników AI dla przesyłek technicznych niż dla osobistych esejów lub odpowiedzi otwartych.

1. Wykładowca tworzy zadanie Gradescope i włącza opcję integracji Turnitin
2. Student przesyła swoją pracę przez portal studenta Gradescope
3. Przesyłka jest automatycznie synchronizowana z Turnitin w celu analizy oryginalności i AI
4. Turnitin generuje wynik AI Writing Indicator obok raportu podobieństwa
5. Wykładowca przegląda oba wyniki w interfejsie oceniania Gradescope
6. Jeśli udostępnianie raportu studenta jest włączone, studenci mogą wyświetlić swój wynik AI po opublikowaniu ocen

Czy Gradescope potrafi wykryć ChatGPT w zadaniach kodowania?

Przesyłki kodu stanowią inny problem detekcji niż proza pisemna. ChatGPT i inne modele językowe generują kod, który jest składniowo poprawny i funkcjonalny, ale modele detekcji AI używane przez Turnitin zostały przeszkolone na naturalnym tekście — a nie na Pythonie, Javie, C++ ani SQL. Oznacza to, że standardowy Turnitin AI Writing Indicator nie jest niezawodnie stosowany do przesyłek kodu źródłowego. To, czego Gradescope i wykładowcy używają zamiast tego do porównania podobieństwa kodu, to MOSS (Measure Of Software Similarity), narzędzie opracowane na Stanford, które porównuje wzory strukturalne i na poziomie tokenów między przesyłkami w tym samym kursie. MOSS jest skuteczny w identyfikowaniu, kiedy dwaj studenci przesłali podejrzanie podobne rozwiązania, ale nie został zaprojektowany, aby konkretnie wykrywać kod generowany przez AI. W przypadku kodu wygenerowanego przez ChatGPT, wykładowcy z doświadczeniem technicznym zazwyczaj polegają na ręcznym przeglądzie kodu zamiast automatycznego flagi. Wynik ChatGPT ma tendencję do udostępniania rozpoznawalnych charakterystyk: nazwy zmiennych postępujące według określonej konwencji stylistycznej, rozwlekłe komentarze wbudowane wyjaśniające operacje, które są oczywiste dla każdego programisty, oraz struktury rozwiązań, które odzwierciedlają sformułowanie oryginalnego podpowiedzi problemu, a nie podejście algorytmiczne, które wykładowca zamierzał aby studenci badali. Żaden z nich nie jest sam w sobie definicyjnym sygnałem, ale wykładowca, który wie, co testuje przypisanie klasy, często potrafi rozpoznać, gdy przesłane rozwiązanie rozwiązuje nieco inną wersję problemu niż przypisane. Czy gradescope potrafi automatycznie wykryć chatgpt w kodzie? Nie — ale technicznie biegły wykładowca, który prosi o krótkie wyjaśnienie ustne na godzinach konsultacyjnych, zazwyczaj może bezpośrednio ocenić zrozumienie.

"Automatyczne narzędzia podobieństwa kodu znajdują kopiowanie. Wykładowcy znajdują luki w zrozumieniu. Oba mają znaczenie, ale łapią różne rzeczy."

Co widzą wykładowcy, gdy przesyłka jest oznaczona?

Gdy detekcja AI Turnitin jest aktywna, a przesyłka pisemna zwraca wynik, który wykładowca uznaje za istotny — powszechnie 20% lub wyżej, chociaż nie ma uniwersalnego progu — wykładowca może otworzyć szczegółowy raport Turnitin, aby przejrzeć wyróżnienie na poziomie zdania. Każdy wyróżniony fragment nosi indywidualny wynik pewności. Wykładowcy, którzy korzystali z detekcji AI przez wiele semestrów, uczą się czytać te wyniki w kontekście: wynik 28% AI w strukturalizowanym raporcie laboratoryjnym często nie sygnalizuje nic niezwykłego, podczas gdy wynik 28% w osobistej refleksji napisanej w niezwykle czystej, formalnej prozie może uzasadniać rozmowę z uczniem. W interfejsie Gradescope wynik AI nie pojawia się domyślnie w głównym panelu oceniania. Wykładowcy muszą przejść do połączonego raportu Turnitin, aby go zobaczyć, co oznacza, że w dużych kursach przetwarzających setki przesyłek zestawów problemów tygodniowo, niektórzy wykładowcy mogą nie rutynowo sprawdzać wyniki AI dla każdej przesyłki. Gdy wykładowca zdecyduje się działać na podstawie flagi, standardową praktyką uczciwości akademickiej jest zaplanowanie spotkania ze studentem, a nie złożenie natychmiastowego formalnego raportu. Większość instytucji wymaga początkowej rozmowy przed eskalacją, a wynik tego procesu zależy od konkretnych zasad Twojej instytucji — a nie od czegokolwiek w samych ustawieniach Gradescope.

1. Wykładowca przechodzi z widoku oceniania Gradescope do połączonego raportu Turnitin
2. Procent AI Writing Indicator i wyróżnienie na poziomie zdania są przejrzane
3. Wykładowca rozważa typ przesyłki, kontekst kursu i zakres wyników razem
4. Jeśli uzasadnione, wykładowca planuje spotkanie ze studentem w celu omówienia pracy
5. Proces uczciwości akademickiej instytucji — nie Gradescope — określa wszelkie formalne konsekwencje

Co powinni zrobić studenci przed przesłaniem do Gradescope?

Najnowocześniejszym pierwszym krokiem jest dowiedzenie się, czy Twój konkretny kurs Gradescope używa integracji Turnitin. Zapytaj bezpośrednio swojego wykładowcę, sprawdź sylabus kursu, aby znaleźć jakiekolwiek wzmianki o Turnitin lub detekcji AI, lub przejrzyj wytyczne uczciwości akademickiej Twojej instytucji, aby znaleźć przepisy dotyczące AI. W przypadku prac pisemnych w kursach, w których Turnitin jest aktywny, uruchomienie tekstu za pośrednictwem niezależnego narzędzia do detekcji AI przed przesłaniem daje podgląd, które fragmenty są najbardziej prawdopodobne do rejestracji jako podobne do AI — nie aby uniknąć detekcji, ale aby zrozumieć, czy Twoje pisanie wyraźnie odzwierciedla Twój własny głos. Studenci, którzy używają narzędzi AI dla wczesnego burzy mózgu lub pierwszych projektów, a następnie istotnie weryfikują, czasami zachowują frazy z wydatku AI bez zauważenia. Przegląd przed przesłaniem tworzy okazję do celowego rewizji przed przejrzeniem Turnitin dokumentu. W przypadku zadań kodowania, najbardziej niezawodną ochroną jest umiejętność wyjaśnienia każdej części Twojego rozwiązania podczas przeglądu uzupełniającego. Wykładowcy, którzy podejrzewają pomoc AI w kodzie, często żądają krótkiego spaceru ustnego, a zdolność do wyjaśnienia decyzji projektowych i kompromisów jest najbezpośredniejszym dowodem rzeczywistego zrozumienia. Opracowanie nawyku zatwierdzania kodu stopniowo (z sensownymi wiadomościami git) i zapisywania wersji roboczych pracy pisemnej daje dokumentację procesu z sygnaturą czasową, którą możesz przedstawić, jeśli Twoja praca zostanie kiedykolwiek kwestionowana. Narzędzie do detekcji tekstu AI NotGPT pozwala wkleić każdy fragment i wyświetlić wyróżnienie na poziomie zdania podobne do tego, co widać wykładowcy w Turnitin — przydatna auto-kontrola przed kliknięciem przycisku przesyłania.

1. Sprawdź sylabus swojego kursu i zapytaj wykładowcę, czy detekcja AI Turnitin jest aktywna dla zadań Gradescope
2. W przypadku prac pisemnych uruchom tekst za pośrednictwem niezależnego detektora AI, aby zidentyfikować fragmenty o statystyce podobne do AI
3. Rewizuj wyróżnione sekcje dla bardziej naturalnej zmienności zdania, konkretnych przykładów i osobistego głosu
4. W przypadku zadań kodowania, upewnij się, że możesz ustnie wyjaśnić każdą decyzję implementacji i kompromis
5. Zapisz datowane robocze i zatwierdź swój kod stopniowo, aby utworzyć dowód procesu z sygnaturą czasową
6. Zapytaj wykładowcę o zasadę AI przed terminem zadania, jeśli sylabus jest niejasny