Paano Tukuyin ang AI sa Pagsusulat ng Estudyante: Praktikal na Gabay para sa mga Guro

Mga Manu-manong Palatandaan na Nagmumula sa Pagsusulat ng Estudyante Gamit ang AI

Ang mga guro na gumagawa nang walang mga tool sa pagkilala ay maaari pa ring makilala ang malakas na mga signal na ang isang pagsusumite ay maaaring nabuo ng AI. Ang pinaka-maaasahang signal na manu-manong pagsusuri ay isang kahulugan sa kalidad ng papel at kung ano ang ipinakita ng estudyante sa ibang mga konteksto — pagbibigay-priyoridad sa klase, maikling pagsusulat sa loob ng klase, o mga nakaraang pagtatalaga. Kapag ang isang estudyanteng may karanasan sa pagbuo ng mahusay na mga argumento sa klase ay lumilikha ng isang pagsusumite na may sopistikadong istraktura ng talata, tumpak na mga paglipat, at eksakto sa paksa na mga halimbawa, ang ganitong pagkakaiba lamang ay nagbibigay-dahilan upang magsaliksik nang mas malapit.

Lampas sa pagkakaiba sa kalidad, maraming partikular na mga pattern ng pagsusulat ang makikita nang tuluy-tuloy sa teksto ng akademikong nabuo ng AI. Ang mga pambungad na talata ay madalas na naglalaman ng kahulugan ng paksa ng pagtatalaga sa unang pangungusap at naglalaman ng istraktura ng papel bago gumawa ng anumang argumento — isang pag-uugaling sumusunod sa template na bihirang muling-likhain ng mga estudyanteng tao nang ganito ang regular. Ang mga katawan ng talata ay may tendensyang magsimula sa isang paghahabol, suportahan ito ng dalawa o tatlong pangkaraniwang pahayag, at tumagal sa pagpapahayag na sumasalamin sa pagbubukas, na lumilikha ng istrukturang pantay sa maraming talata na nagbabasa nang malinis ngunit natatangi sa karamihan ng pagsusulat ng estudyante. Ang mga paglipat sa pagitan ng mga talata ay madalas na gumagamit ng isang maliit na umiikot na hanay ng mga pangungusap sa koneksyon — "Bukod dito," "Dagdag pa," "Mahalaga na tandaan," "Sa wakas" — sa mga inaasahang pagitan.

Ang kakaibang sanggunian ay isa pang nagpapahayag na pattern. Ang pagsusulat ng estudyante ay karaniwang sumasaklaw sa mga konkretong detalye na nakuha mula sa mga aktwal na materyales ng kurso: mga partikular na argumento mula sa mga inaasahang pagbabasa, terminolohiya na ipinakilala sa klase, o mga halimbawa na ginagamit ng guro sa isang leksyon. Ang teksto na nabuo ng AI ay mas malamang na tugunan ang bilihan nang tama sa mga halimbawang istatistikang tama ngunit lubos na generic — mga halimbawang lalabas sa isang aklat sa halip na sa kahit ano na partikular sa kursong ito.

1. Pagkakaiba sa kalidad sa pagitan ng isinumiteng gawa at ipinakita sa loob ng klase
2. Mga pambungad na talata na naglalaman ng paksa at istraktura ng papel sa loob ng unang dalawang pangungusap
3. Pare-parehong bukas-katawan-sarado na istraktura ng talata na sumasagot na may minimal na pagbabago sa maraming seksyon
4. Mga formulaikong pangungusap sa koneksyon na ginamit sa pag-ikot: "Bukod dito," "Dagdag pa," "Sa wakas"
5. Generic, tumpak na mga halimbawa na hindi tumutukoy sa mga partikular na pagbabasa ng kurso o mga materyales ng klase
6. Kawalan ng wikang na may kondisyon o naghuhulang-hulang — ang teksto ng AI ay may tendensyang magpahabol nang sigurado kaysa sa kaligtasan
7. Pare-parehong pormal na register na walang pagbabago sa tono o tinig sa buong dokumento

"Ang pagkilala para sa akin ay palaging ang pambungad. Ang mga estudyante ay lumilikha ng kanilang argumento — hindi nila alam kung ano ang kanilang sasabihin kapag nagsimula sila. Kapag ang pambungad ay nagsasaad ng tesis, naglalahad ng tatlong suportang punto, at nangangako ng konklusyon sa unang talata, iyan ay template, hindi isang estudyante." — Guro sa pagsusulat ng mataas na paaralan, 2025

Paano Tukuyin ang AI sa Pagsusulat ng Estudyante Gamit ang Mga Tool sa Pagkilala

Ang mga tool sa pagkilala ay nag-automate ng proseso ng pagsukat ng mga istatistikal na katangian na mahirap masuri nang manu-manong. Ang dalawang pinakamalawak na ginagamit sa mga setting na akademiko ay ang Turnitin's AI Writing Indicator — available sa karamihan ng mga institusyonal na subscriber mula noong 2023 — at GPTZero, na dinisenyo partikular para sa paggamit sa edukasyon at ngayon ay available sa pamamagitan ng mga kasunduan sa institusyon sa maraming unibersidad. Parehong mga plataporma ay nagbibigay ng mga marka ng posibilidad na kasama ng pamarkahan sa antas ng pangungusap o talata na nagpapakita kung aling mga seksyon ang nag-aambag na pinakamarami sa kabuuang resulta.

Para sa mga instruksyon na nais ng isang tool na gumagana sa labas ng isang institusyonal na subscription, ang mga standalone na detector kabilang ang NotGPT ay maaaring suriin ang anumang isinumiteng mabilis. Ang pangkalahatang diskarte ay pareho sa lahat ng mga platform: ilatak ang buong teksto ng dokumento, basahin ang marka ng posibilidad at ang mga naka-highlight na pasahe nang magkasama, at tratuhin ang output bilang isang punto ng datos sa iyong pagsusuri kaysa isang huling pagtukoy. Ang pagsusuri ng mga bahagyang estratehiya ay lubhang nabawasan ang katumpakan — ang mga tool ay naka-calibrate para sa buong dokumento, at ang mga input sa antas ng talata ay gumagawa ng mas maingay na mga marka.

Kapag sinusuri mo ang output ng tool, magsimula sa mga naka-highlight na pasahe kaysa sa pangkalahatang marka. Ang porsyento ay isang buod; ang mga naka-highlight ay nagpapakita sa iyo kung saan eksaktong nakatuon ang istatistikal na signal. Ang isang dokumento kung saan ang isang solong talata ay nag-udyok ng isang kaibang mababang marka ay isang iba't ibang kalagayan mula sa isa kung saan ang pamarkahan ay ibinahagi nang pantay sa buong teksto. Pareho ay mahalaga, ngunit sila ay tumuturo sa iba't ibang susunod na hakbang.

1. Kopyahin ang buong teksto ng pagsusumite — ang mga bahagyang estratehiya ay lubhang nabawasan ang katumpakan
2. Ilatak sa larangan ng pagpasok ng teksto ng tool sa pagkilala at ipadala ang buong dokumento
3. Basahin ang marka ng posibilidad sa antas ng dokumento bilang isang unang signal, hindi isang konklusyon
4. Suriin ang pamarkahan sa antas ng pangungusap o talata upang makilala kung aling mga partikular na pasahe ang nag-udyok sa marka
5. Tandaan kung ang mga naka-highlight na pasahe ay tumutugma sa mga signal na manu-manong nakilala mo sa unang pagbasa na pagsusuri
6. Kung ang marka ay nasa hangganan (halos 30–70%), maghanap ng mga corroborating na kasalamin sa pagsusumite mismo bago gumawa ng mga konklusyon
7. I-document ang marka at ang mga partikular na naka-flag na pasahe bago makipag-ugnayan sa estudyante o mag-refer ng kaso

"Ang marka ay nagsasabi sa akin kung saan tumingin, hindi kung ano ang nangyari. Ang mga naka-highlight na pangungusap ay kung saan ako nagsisimulang magbasa nang maingat — hindi kung saan ako tumitigil." — Kolehiyo na nagsusulat ng instruksyon, 2025

Pagsusuri ng Mga Marka sa Pagkilala: Posibilidad, Hindi Patunay

Bawat pangunahing platform sa pagkilala — Turnitin, GPTZero, Copyleaks, NotGPT — gumagawa ng mga marka ng posibilidad kaysa sa mga berdiktong binary. Ang marka ng 85% ay nangangahulugan na ang mga istatistikal na katangian ng teksto ay lubhang kapani-paniwala nang output na nabuo ng AI; hindi ito nangangahulugan na ang teksto ay tiyak na ginawa ng AI. Ang parehong marka ng 85% ay lalabas sa isang dokumento na buong isinulat ng isang AI bilang isang dokumento na isinulat ng isang hindi katutubong nagsasalita ng Ingles na ang pormal na akademikong register ay nangyayari na tumugma sa istatistikal na profile na ang mga tool sa pagkilala ay nauugnay sa makina na nabuo na teksto.

Ang frame na probabilistiko na ito ay mahalaga dahil ang dalawang pinakamahalaga na katangian na sinusukat ng mga detector — perplexity at burstiness — ay maaaring mababa para sa ganap na mga dahilan ng tao. Ang perplexity ay sumusukat kung paano predictable ang bawat pagpipilian ng salita na isinasaad ng konteksto; ang mga tao na nagsusulat ay natural na nag-iiba ng kanilang bokabularyo nang higit pa sa mga modelo ng AI, na lumilikha ng mas mataas na perplexity na teksto. Ngunit ang isang estudyanteng nagsusulat ng akademikong Ingles sa isang pangalawang wika ay madalas na gumagana sa loob ng isang mas maliit na hanay ng bokabularyo, na lumilikha ng mas mababang perplexity na teksto na nagmarka nang katulad sa output ng AI. Ang burstiness ay sumusukat ng pagbabago ng haba ng pangungusap; ang pagsusulat ng tao ay may tendency na lumipat sa hindi regular na ritmo habang ang pagsusulat ng AI ay may tendency na lumipat sa pare-parehong haba ng pangungusap. Ang mabigat na na-edit na pagsusulat ng estudyante ay madalas na nawalan ng ganitong natural na pagbabago — bawat biyahe ng pagwewesto ay nag-aalis ng asperasyon na ang mga detector ay gumagamit bilang signal ng tunay na kawanggalang-loob ng tao na may pagsusulat.

Ang mga nalinisan na pagsusuri ng katumpakan ng mga pangunahing tool sa pagkilala ay nahanap ang mga rate ng maling positibo na umaabot mula 4% hanggang mahigit 15% depende sa estilo ng pagsusulat, paksa, at kung ang wika ng unang nagsasalita ay Ingles. Ang mga figurang ito ay nangangahulugang kahit ang isang mahusay na na-calibrate na tool ay magta-flag ng ilang tunay na pagsusulat ng estudyante. Ang pag-unawa sa limitasyong ito ay sentro sa pag-alam kung paano matutugunan ang pagkilala sa AI sa pagsusulat ng estudyante nang may responsibilidad — ang layunin ay upang matukoy ang mga kaso na nangangailangan ng mas malalim na pagsusuri, hindi upang lumikha ng mga paghahanap mula sa mga marka lamang.

"Ang mga maling positibo ay hindi random. Sila ay nakatuon sa pagsusulat ng mga estudyanteng na nasa kapal-paliguan — mga hindi nagsasalitang-katutubong-ingles, mga unang henerasyon na mag-aaral na nagsusulat sa mga hindi pamilyar na genre ng akademiko, mga teknikal na manunulat na sumusunod sa mga konbenyon na standard sa larangan. Ang mataas na marka ay isang dahilan upang tumingin nang mas maingat, hindi isang dahilan upang kumilos." — Mananaliksik sa akademikong pagkakasala, 2024

Pagsasama ng Mga Marka ng Tool sa Manu-manong Pagsusuri

Ang pinaka-mapagtatanggilikan na diskarte sa mga pagkakasala sa integridad ng akademiko na nagsasangkot ng AI ay kinabibilangan ng pagsasama ng mga marka ng tool sa independiyenteng manu-manong patunay kaysa sa pagtuon sa isa sa sapat na mag-isa. Ang mga platform sa pagkilala ay malinaw na nagsasaad sa kanilang sariling dokumentasyon na ang mga marka ay hindi dinisenyo upang gamitin bilang solong katunayan sa mga proseso ng akademiko — ang mga tool ay nag-flag, hindi mga tool sa paghahatol. Ang isang instruksyon na naglalahad ng kaso batay lamang sa isang marka sa pagkilala ay gumagana laban sa gabay ng tool na kinikilala nila.

Ang manu-manong pagsusuri na nagpapatunay ng mataas na marka sa pagkilala ay gumagawa ng isang mas malakas na kaso at nagpoprotekta din laban sa pagkilos sa maling positibo. Ang praktikal na diskarte ay upang makilala ang dalawa o tatlong mga partikular na alalahanin sa pagsusumite mismo — hiwalay mula sa marka — na maaari mong ipaliwanag sa isang estudyante o sa isang opisyal ng integridad. Ang mga alalahanin na iyon ay dapat na nakabase sa teksto: mga seksyon kung saan ang kalidad ng pagsusulat ay lumampas sa kung ano ang ipinakita ng estudyante sa ibang gawa, mga pasahe kung saan ang mga halimbawa ay mapagkakatiwalaan na generic, mga istraktura ng argumento na formulaiko sa buong dokumento nang walang kahit anong pagiging partikular sa kursong ito.

Kapag ang output ng tool at ang manu-manong pagsusuri ay parehong tumuturo sa parehong direksyon, ang isang pag-uusap sa estudyante ay karaniwang ang angkop na susunod na hakbang. Ang pagtatanong sa estudyante upang ipaliwanag ang kanilang proseso ng pagsusulat, talakayin ang mga pinagkukunan na dinisenyo nila, o lumikha ng isang maikling piraso ng pagsusulat sa isang monitoradong setting ay nagbibigay ng impormasyon na walang awtomatikong diskarte sa pagkilala ay maaaring magbigay: ang tunay na ugnayan ng estudyante sa isinumiteng gawa.

Ang mga guro na bumuo ng pare-parehong proseso ng pagsusuri — kaysa sa pag-apply ng pagsusuri nang pagpipilian sa mga pagsusumiteng nagmumula na maging-tingin — ay bumababa din ang panganib ng pag-apply ng pagkilala nang hindi pantay sa mga estudyante. Ang pagpapatakbo ng isang random na sample ng mga pagsusumite sa pamamagitan ng parehong workflow tulad ng mga naka-flag na pagsusumite ay nakakakuha ng mga hindi pagkakataon, nagtatag ng isang baseline para sa kung ano ang normal na mga marka para sa iyong kurso at populasyon ng estudyante, at nangangahulugang ang anumang pagtatapos na integridad na paglalahad ay nakabase sa isang sistematikong proseso kaysa sa reaktibong pag-aalinlangan.

1. Bumuo ng iyong mga obserbasyon na manu-manong bago suriin ang marka sa pagkilala upang maiwasan ang bias ng anchor
2. Makilala ang hindi bababa sa dalawang mga partikular na alalahanin sa teksto na maaari mong ilarawan nang walang reference sa marka
3. Tingnan kung ang mga naka-flag na pasahe ay naglalaman ng content na partikular sa kurso o lamang generic na sumasaklaw sa paksa
4. Ihambing ang kalidad ng pagsusulat at tinig ng pagsusumite laban sa gawa sa loob ng klase o nakaraang mga pagtatalagang-gawin mula sa parehong estudyante
5. Kung magpatuloy sa isang pag-uusap sa estudyante, magtanong ng mga katanungan tungkol sa proseso kaysa sa mga katanungan na may pagkakasala

Paggamit ng NotGPT upang Suriin ang Mga Pagsusumiteng ng Estudyante

Ang NotGPT ay nagbibigay sa mga guro ng isang tool sa pagkilala na accessible sa mobile na gumagana sa anumang teksto ng pagtatalagang-gawin — mga esiya, mga tugon sa diskusyon, mga ulat sa laboratoryo, o maikling katanungan ng pagsusulit. Ilatak ang buong pagsusumite ng estudyante upang makatanggap ng isang marka ng posibilidad kasama ang pamarkahan sa antas ng pangungusap na nagmamarka sa kung aling mga pasahe ay istatistikang kapani-paniwala nang output na nabuo ng AI. Ang pamarkahan ay gumagana bilang isang gabay sa pagbabasa: sa halip na magbasa ng buong dokumento nang pantay na pansin, maaari kang magsimula sa mga naka-flag na seksyon at suriin kung ang mga alalahanin ay nagtatagal sa mas malalim na pagsusuri.

Para sa mga guro na nais na maunawaan kung paano tukuyin ang AI sa pagsusulat ng estudyante sa antas ng mekanismo kaysa lamang sa pagsusuri ng mga indibidwal na dokumento, ang feature ng Humanize ng NotGPT ay isang kapaki-pakinabang na tool sa reference. Ang pagpapatakbo ng isang piraso ng alam na nabuo ng AI na teksto sa pamamagitan ng Humanize sa iba't ibang antas ng intensidad ay naglalarawan ng eksakto kung ano ang istatistikong pagbabago na nabawasan ang isang marka sa pagkilala — na katulad ng paglalarawan kung ano ang mga istatistikong katangian na ang pagkilala ay orihinal na tumutugon. Ang pag-unawa sa mekanismo ay ginagawang mas madali ang pagkilala sa mga katangiang iyon sa manu-manong pagsusuri, independiyente mula sa anumang output ng tool.

Ang 80/20 na paghahati sa pagitan ng paghuhulog ng manu-manong at tulong sa tool ay naaantig sa parehong direksyon: karamihan ng iyong gawain sa pagkilala ay kinabibilangan ng pagbabasa nang maingat at paghahambing sa kung ano ang iyong kaalaman tungkol sa estudyante, habang ang tool ay naglalabas ng mga partikular na pasahe na nagkakahalaga ng iyong mas malalim na pansin.