Czy SafeAssign wykrywa ChatGPT? Co powinni wiedzieć studenci

Czy SafeAssign wykrywa ChatGPT?

Krótka odpowiedź brzmi: nie domyślnie, i nie w taki sposób, jak sądza większość studentów. Główną funkcją SafeAssign jest wykrywanie podobieństwa. Rozbija przesłaną pracę na nakładające się segmenty fraz i porównuje je z globalną bazą danych, która obejmuje indeksowane strony internetowe, licencjonowane czasopisma akademickie i bazę wcześniej przesłanych prac studenckich. ChatGPT nie pobiera tekstu z tej bazy — generuje nowe sekwencje słów na podstawie wzorów statystycznych poznanych podczas treningu. Świeża praca ChatGPT jest, według oryginalnej definicji SafeAssign, całkowicie oryginalna, co oznacza, że zazwyczaj będzie miała niski wynik podobieństwa plagiatu. To wynik, który wielu studentów widzi testując wynik ChatGPT: procent podobieństwa wraca bliski zeru i dochodzą do wniosku, że SafeAssign nie potrafi wcale wykryć ChatGPT. Wniosek ten był trafny, gdy SafeAssign był jedynym narzędziem na horyzoncie, ale pomija nowszą warstwę. Począwszy od 2023 roku, Anthology zaczęła dostarczać wskaźnik prawdopodobieństwa AI jako część zaktualizowanego zestawu funkcji SafeAssign. Ten komponent nie porównuje tekstu z bazą danych — przeprowadza odrębną analizę probabilistyczną zaprojektowaną do identyfikacji wzorów pisania charakterystycznych dla modeli języka. To, czy ta funkcja jest włączona na twoim kursie Blackboard, zależy od umowy twojej instytucji z Anthology, jej wewnętrznej konfiguracji IT i często od decyzji podjętych na poziomie wydziału lub instruktora. Dwaj studenci z różnych uniwersytetów mogą przesłać prawie identyczne eseje ChatGPT i mieć całkowicie różne doświadczenia: jeden widzi niski wynik podobieństwa bez żadnej flagi AI, drugi widzi niski wynik podobieństwa wraz z podwyższonym wskaźnikiem prawdopodobieństwa AI w tym samym raporcie.

Dlaczego SafeAssign ocenia przesłania ChatGPT jako oryginalne?

Aby zrozumieć, dlaczego tekst ChatGPT unika tradycyjnego sprawdzenia SafeAssign, trzeba spojrzeć na sposób, w jaki narzędzie zostało zbudowane. Algorytm podobieństwa SafeAssign opiera się na modelu dopasowywania n-gramów. Wyodrębnia krótkie nakładające się frazy z przesłania i szuka tych dokładnych lub prawie dokładnych fraz w jego korpusie referencyjnym. Podejście to jest doskonałe do łapania plagiatów skopiuj-wklej, ściśle parafrazowanych fragmentów i przetworzonych esejów z wcześniejszych semestrów. Nie wychwytuje ChatGPT z powodu strukturalnego — ChatGPT синтеzy nowy tekst zamiast pobierać lub reorganizować istniejący tekst. Zdania, które tworzy, nie pojawiły się w bazie danych SafeAssign, ponieważ nie istniały przed uruchomieniem przez użytkownika tego konkretnego promptu. Nie ma żadnego dopasowania do znalezienia. To ograniczenie dotyka każdego narzędzia do sprawdzania podobieństwa plagiatów, gdy stosuje się je do pisania AI. Oryginalność nie oznacza napisane przez człowieka — oznacza to tylko, że tekst nie pojawił się wcześniej w indeksowanej formie. Student, który skopiuje pracę z papierni, którą kupił, wykaże niski wynik podobieństwa z tego samego powodu strukturalnego, jeśli praca nie została przesłana nigdzie wcześniej. Procent podobieństwa SafeAssign odpowiada na pytanie "czy ten tekst odpowiada znanym istniejącym treściom?" — nie potrafi odpowiedzieć na "czy człowiek napisał to?" To inne pytania, a mylenie ich jest źródłem większości zamieszania na temat tego, co SafeAssign może i nie może wykryć.

"Niski wynik podobieństwa SafeAssign nie oznacza, że praca jest napisana przez człowieka. Oznacza to, że tekst nie odpowiada treści już w bazie referencyjnej — co jest zupełnie inną rzeczą."

Czy Anthology dodała warstwę wykrywania AI do ChatGPT?

Tak, z zastrzeżeniami. Anthology opracowywała i stopniowo wdrażała funkcję wykrywania pisania AI w SafeAssign jako część swojej mapy drogowej integralności akademickiej po publicznym wydaniu ChatGPT pod koniec 2022 roku. Funkcja pojawia się w raporcie dziennika ocen Blackboard jako oddzielny wskaźnik — distinct od procentu podobieństwa plagiatów — i zapewnia szacunkowe prawdopodobieństwo, że przesłany tekst został wygenerowany przez AI. Ta warstwa wykrywania AI funkcjonuje zasadniczo inaczej niż sprawdzenie podobieństwa. Zamiast dopasowywania bazy danych, wykorzystuje klasyfikator tekstu statystycznego wytrenowany do identyfikacji sygnałów związanych z wyjściami modelu języka. Dwa główne sygnały to złożoność — miara tego, jak przewidywalny jest każdy wybór słowa ze względu na otaczający kontekst — i burstiness, która przechwytuje stopień, w jakim długość i złożoność zdania różnią się w obrębie fragmentu. Tekst generowany przez AI, taki jak wynik ChatGPT, ma tendencję do niskiej złożoności, ponieważ model wybiera statystycznie prawdopodobne sekwencje słów, a do niskiego burstiness, ponieważ jego wyniki nie mają naturalnego rytmu zmienności ludzkiej prozy. Kiedy oba sygnały wskazują na autorstwo AI, klasyfikator produkuje wysoki wynik prawdopodobieństwa. Kiedy są mieszane lub dwuznaczne, wynik spada w średni zakres, który może być trudniejszy do działania dla instruktorów. Ważnym zastrzeżeniem jest to, że przyjęcie instytucjonalne tej funkcji jest nierówne. Niektóre szkoły włączyły ją do wszystkich zadań Blackboard. Inne włączyły ją tylko na określonych wydziałach lub dla określonych typów zadań. Wiele instytucji nadal korzysta ze starszych kompilacji Blackboard, które w ogóle nie zawierają funkcji. Ze strony interfejsu przesyłania student nie może niezawodnie powiedzieć, która sytuacja ma zastosowanie do ich kursu — panel przesyłania wygląda tak samo niezależnie od tego, co dzieje się w tle.

1. Student przesyła pracę przez standardowy interfejs zadania Blackboard
2. SafeAssign przeprowadza porównanie n-gramów i generuje procent podobieństwa plagiatów
3. Jeśli moduł wykrywania AI jest włączony, oddzielny klasyfikator analizuje ten sam tekst pod kątem sygnałów złożoności i burstiness
4. Oba wyniki pojawiają się w raporcie dziennika ocen Blackboard widocznym dla instruktora
5. Instruktor przegląda połączony raport obok pełnego historii przesyłania ucznia przed zdecydowaniem się na podniesienie problemu

Co się dzieje, jeśli SafeAssign oznacza twoją pracę jako AI?

Podwyższony wskaźnik prawdopodobieństwa AI od SafeAssign nie oznacza automatycznie kary za ocenę lub formalnego oskarżenia o naruszenie uczciwości akademickiej. Własne wskazówki Anthology traktują wynik jako punkt wyjścia do przeglądu instruktora, a nie wniosek, i większość instytucji, które przyjęły tę funkcję, postępuje w ten sam sposób. Typowy proces zaczyna się od przeglądu oznaczonej pracy przez instruktora w kontekście innej pracy studenta na kursie. Student, którego praca wynosi 85% prawdopodobieństwa AI, ale który konsekwentnie tworzy solidne pisanie przez cały semestr, wygląda inaczej niż student, którego wcześniejsza praca była słaba i który nagle przesyła gładką, płynną pracę. Instruktorzy na ogół powinni inicjować bezpośrednią rozmowę ze studentem przed eskalacją czegokolwiek na formalny komitet uczciwości akademickiej. Ta rozmowa może obejmować proszenie studenta, aby przeszedł przez swój proces badań i pisania, wytworzył wersje robocze lub notatki, wyjaśnił konkretne fragmenty lub ukończył krótki komponent osobisty lub ustny. Fałszywe alarmy to udokumentowany problem na wszystkich platformach wykrywania AI. Badania recenzowane przez rówieśników opublikowane w latach 2023-2025 wykazały wskaźniki błędów wahające się od 4% do ponad 15% na określonych subpopulacjach, z носителями nie-rodzimej angielszyzny i pisarzami korzystającymi z formalnych lub technicznych rejestrów na najwyższym ryzyku. Student, który pisze w szczególnie uporządkowanym akademickim stylu — lub który w dużej mierze polega na narzędziach korekcji gramatyki, które wygładzają naturalną zmienność — może otrzymać flagę pomimo napisania każdego słowa siebie. Jeśli Ci się to przydarzy, najskuteczniejszą odpowiedzią jest wejście do rozmowy instruktora z konkretnymi dowodami: zapisane wersje robocze pokazujące twój proces pisania, historia przeglądarki z sesji badawczych, notatki cytacyjne i wszelkie pisane materiały robocze, które stworzyłeś podczas komponowania.

1. Poproś instruktora o konkretny raport SafeAssign, aby zobaczyć dokładnie, które fragmenty lub miary zostały oznaczone
2. Zbierz wszystkie dowody twojego procesu pisania przed rozmową: zapisane wersje robocze, pliki zarysów, notatki i historię przeglądarki badawczej
3. Skontaktuj się z instruktorem, aby poprosić o spotkanie i umotywuj to jako okazję do przejścia przez swój proces
4. Podczas spotkania odwołaj się do swoich wersji roboczych i wyjaśnij swoje wybory dla konkretnych fragmentów w oznaczonej przesyłce
5. Jeśli sytuacja eskaluje do formalnego procesu, skontaktuj się z biurem integralności akademickiej twojej instytucji, aby zrozumieć swoje prawa i oś czasu przeglądu

"Wyniki detekcji otwierają rozmowę — nie zamykają jej. Żaden wiarygodny przegląd integralności akademickiej nie polega na jednym automatycznym wyniku prawdopodobieństwa bez zbadania pełnego kontekstu pracy studenta."

Jak dokładny jest SafeAssign przy wykrywaniu tekstu generowanego przez ChatGPT?

Anthology nie opublikowała szczegółowych publicznych benchmarków dokładności dla funkcji wykrywania AI SafeAssign, co utrudnia niezależną ocenę. To, co istnieje z ocen trzecich stron porównywalnych akademickich detektorów AI, daje ogólne ramy: dobrze wdrożone komercyjne klasyfikatory testowane na wyraźnie wygenerowanym akademickim angielskim w kontrolowanych warunkach zazwyczaj identyfikują tekst AI w tempach 85–93%. Ta liczba znacznie degeneruje się w warunkach rzeczywistych. Krótkie przesyłki poniżej 200 słów nie dają klasyfikatorowi wystarczającej ilości tekstu do wytworzenia wiarygodnego sygnału. Wynik ChatGPT, który został znacznie przepisany, edytowany zdanie po zdaniu, lub połączony z oryginalną analizą, często wchodzi w dwuznaczny średni zakres prawdopodobieństwa. Pisarze nie-rodzimi angielszyzny stanęły podwyższone wskaźniki fałszywych alarmów, ponieważ struktury zdań, które czują się całkowicie naturalne dla ich wzorów szkolenia pierwszego języka, mogą przypominać sekwencje wysokiego prawdopodobieństwa charakteryzujące wynik LLM. Sam ChatGPT jest również ruchomym celem. Nowsze wersje modelu zostały udoskonalone w sposób, który wprowadza większą zmienność poziomu powierzchni, a niektóre techniki wskazówek wytwarzają wyniki, które są trudniejsze dla klasyfikatorów statystycznych do identyfikacji z wysoką pewnością. Wynik wykrywania AI SafeAssign najlepiej rozumieć jako wskaźnik probabilistyczny — mówi ci, że tekst wykazuje wzorce, które są statystycznie bardziej powszechne w pisaniu generowanym przez AI niż w typowym pisaniu ludzkim, biorąc pod uwagę dane treningowe klasyfikatora. Nie ustala autorstawa z pewnością. Instruktorzy, którzy traktują wysoki wynik jako ostateczny dowód, ryzykują zarówno karanie studentów, którzy napisali swoją pracę w dobrze, jak i tworzenie wrażenia obiektywnego ustalenia, że podstawowa metodologia nie może obsługiwać.

Dokładność wykrywania AI SafeAssign na rzeczywistych przesyłkach — szczególnie pracach mieszanych lub lekko edytowanych — jest znacznie niższa niż wyniki benchmarku laboratoryjnego sugerują, a margines błędu ma znaczenie, gdy na linii są konsekwencje akademickie.

Czy instruktorzy używają dodatkowych narzędzi do wychwycenia ChatGPT?

Wielu robi, a zakreс narzędzi znacznie się różni w zależności od instytucji i dyscypliny. SafeAssign jest narzędziem natywnym dla Blackboard, ale nie jest jedynym zasobem integralności akademickiej, do którego mają dostęp instruktorzy. Turnitin, który działa jako oddzielna platforma subskrypcji, oferuje własny wskaźnik pisania AI i integruje się z Blackboard poprzez łącznik LTI (Learning Tools Interoperability). Niektóre instytucje uruchamiają zarówno SafeAssign, jak i Turnitin jednocześnie na tym samym zadaniu — studenci przesyłają raz przez Blackboard, a oba narzędzia analizują tekst równolegle. GPTZero, Copyleaks i Winston AI są również licencjonowane przez instytucje za pośrednictwem podobnych ścieżek LTI, co oznacza, że interfejs przesyłania, który student widzi w Blackboard, może kierować jego tekst do narzędzi, które nie mają nic wspólnego z SafeAssign. Poza dedykowanymi platformami detekcji instruktorzy coraz bardziej polegają na sygnałach kontekstowych, które żaden algorytm nie dostarcza. Student, który płynnie uczestniczy w dyskusji w klasie, ale przesyła wysoko techniczny esej używając słownictwa i struktur argumentu niespójnych z tą dyskusją, podnosi pytania, które samo oprogramowanie nie może sformułować. Pisanie w klasie, ustne obrony przesłanej pracy i zadania zaprojektowane wokół osobistego doświadczenia lub kontekstu specyficznego dla kursu to wszystkie strategie pedagogiczne, których instruktorzy używają, aby asystencja ChatGPT była mniej przydatna i łatwiej się zidentyfikować. Praktyczne implikacje dla studentów to to, że pytanie czy SafeAssign wykrywa ChatGPT jest tylko częścią obrazu. Nawet w szkołach, gdzie moduł wykrywania AI SafeAssign jest wyłączony, instruktorzy mogą uruchamiać narzędzia zewnętrzne, stosować sąd kontekstowy lub oba. Przesyłka, która przechodzi każde zautomatyzowane sprawdzenie, podlega nadal przeglądowi przez osobę, która wie, jak wygląda twoja inna praca.

Czy powinieneś sprawdzić swoją pracę przed przesłaniem przez Blackboard?

Przeprowadzenie samodzielnego sprawdzenia przed terminem zadania jest praktycznym krokiem niezależnie od tego, czy jesteś pewny, że wykrywanie AI SafeAssign jest aktywne. Jeśli piszesz w formalnym rejestrze akademickim, używasz narzędzi gramatyki, które normalizują strukturę zdań, lub opracowałeś jakąkolwiek część swojej roboczej wersji z pomocą AI, a następnie znacznie ją edytowałeś, możesz nie wiedzieć, jak ta praca przeczyta klasyfikator statystyczny, dopóki nie przetestujesz siebie. NotGPT analizuje tekst na poziomie zdania i podświetla fragmenty, które noszą najsilniejszy sygnał podobieństwa AI, co pozwala ci zobaczyć, które części twojego przesyłania z największym prawdopodobieństwem przyciągną uwagę, zanim twój instruktor cokolwiek zobaczy. Jest to przydatne w obu kierunkach: jeśli napisałeś całą pracę siebie i chcesz potwierdzenia, że twoja formalna proza nie zostanie oznaczona, przedwstępne sprawdzenie daje ci tę informację, gdy masz jeszcze czas na dokonanie zmian. Jeśli użyłeś AI dla jakiejkolwiek części wersji roboczej i dokonałeś edycji, sprawdzenie swojej ostatecznej wersji pokazuje ci, jak bardzo zmienił się profil detekcji. Celem nie jest granie w jakikolwiek system — jest to zrozumienie, jak twój tekst czyta się w tej samej klasie narzędzi, które twoja instytucja może uruchamiać, abyś mógł podejmować świadomą decyzję przed terminem przesyłania zamiast reagować na zapytanie po nim.