Gradescope 能检测 ChatGPT 吗？学生和教师需要了解的内容

Gradescope 是什么，教师如何使用它？

Gradescope 是世界各地的大学和学院使用的一个评分和提交平台，在 STEM 学科中最为广泛。它由加州大学伯克利分校于 2014 年创立，2018 年被 Turnitin 收购。教师可以将 Gradescope 作业配置为接受多种提交格式：在线输入的回应、上传的 PDF（扫描的手写作业或数字文档）以及编程作业的代码文件。该平台最初的设计目标是简化大型课程的基于评分标准的评分——而不是监督学术诚信——但 Turnitin 的收购将 AI 检测基础设施引入了同一生态系统。如今，Gradescope 被斯坦福大学、康奈尔大学、麻省理工学院和数百所社区大学等机构使用。对于典型的 STEM 课程，学生以 PDF 形式上传完成的问题集，教师使用基于点数分配的评分标准在 Gradescope 界面内进行评分。在教师启用了 Turnitin 集成的课程中，相同的提交也会通过 Turnitin 的原创性和 AI 检测系统。特定课程是否激活了该集成完全取决于教师——没有大学范围内的默认设置可以为每个 Gradescope 作业启用 AI 检测。

Gradescope 能检测书面作业中的 ChatGPT 吗？

对于键入的书面提交，只有教师为该特定作业激活了 Turnitin 的 AI Writing Indicator，Gradescope 才能显示 AI 检测结果。启用集成后，提交的内容会被传递到 Turnitin 的服务器，其中基于 Transformer 的模型会分析文本中与 AI 生成相关的统计模式——主要是困惑度（每个词选择的可预测性）和爆发性（文档中句子长度和复杂性的变化程度）。如果提交的得分超过教师认为有意义的百分比，教师会看到一个彩色的 AI 指示器，旁边是标准的相似性报告。实际含义是，AI 检测是否适用于你的 Gradescope 提交取决于两个条件：Turnitin 集成是否对你的作业启用，以及 AI Writing Indicator 是否在该集成中启用。许多 Gradescope 教师使用该平台纯粹进行基于评分标准的评分，完全不启用 Turnitin。在这些课程中，无论如何生成的作业都不会进行自动 AI 检测。对于扫描的手写作业 PDF，Turnitin 的 OCR 会在分析前处理文本——但 OCR 提取的文本上的检测准确性低于直接输入的文档。Turnitin 本身承认其 AI 检测是为了干净、数字化的英文文本而设计的，对非英文作业或少于 300 字的提交的效果较差。

"AI Writing Indicator 不是裁决——它是教师进一步调查的信号。" — Turnitin 产品文档

Gradescope 中的 Turnitin 集成如何工作？

由于 Turnitin 拥有 Gradescope，两个平台之间的连接是本机的，而不是第三方连接器。想要为 Gradescope 作业进行相似性和 AI 检测的教师在作业设置过程中启用它。启用后，对该作业的任何提交都会自动同步到 Turnitin 并进行分析。生成的报告——包括原创性相似性百分比和 AI Writing Indicator 得分——在 Gradescope 界面内或通过链接的 Turnitin 查看器对教师可见。教师可以选择是否与学生共享这些报告。当启用学生报告访问权限时，每个学生在评分发布后可以查看他们的个人得分，包括显示哪些段落触发了最高 AI 可能性得分的句子级突出显示。一个重要的细节是：Turnitin AI 检测模型在至少 300 字的英文文本上效果最好。其他语言的提交、非常短的回应或包含公式密集格式的高度技术性文本会产生不太可靠的结果。Turnitin 还透露，结构化的技术写作类型——实验报告、案例摘要、结构化工程写作——即使作业完全是由人编写的，也会持续产生较高的 AI 得分，因为这些格式的设计本身限制了句子长度的变化。熟悉这种模式的教师往往会比阅读个人文章或开放式回应时更谨慎地阅读技术提交的 AI 得分。

1. 教师创建一个 Gradescope 作业并启用 Turnitin 集成选项
2. 学生通过 Gradescope 学生门户提交他们的作业
3. 提交自动同步到 Turnitin 进行原创性和 AI 分析
4. Turnitin 生成一个 AI Writing Indicator 得分和相似性报告
5. 教师在 Gradescope 评分界面中查看两个得分
6. 如果启用学生报告共享，学生可以在评分发布后查看自己的 AI 得分

Gradescope 能检测编程作业中的 ChatGPT 吗？

代码提交提出了与书面文章不同的检测问题。ChatGPT 和其他语言模型生成语法正确且有效的代码，但 Turnitin 使用的 AI 检测模型是在自然语言文章上训练的——不是 Python、Java、C++ 或 SQL。这意味着 Turnitin 的标准 AI Writing Indicator 对源代码提交不能可靠地适用。Gradescope 和教师用于代码相似性的替代工具是 MOSS（软件相似性度量），这是一个在斯坦福大学开发的工具，比较同一课程内的提交中的结构和令牌级模式。MOSS 在识别两个学生何时提交了可疑相似的解决方案方面很有效，但它不是为了特别检测 AI 生成的代码而设计的。对于 ChatGPT 生成的代码，在技术上经验丰富的教师通常依靠手动代码审查而不是自动标记。ChatGPT 的输出往往具有可识别的特征：遵循特定风格惯例的变量名、解释任何程序员都认为明显的操作的冗长内联注释，以及反映原始问题提示措辞而不是教师打算学生探索的算法方法的解决方案结构。这些都不是单独的决定性信号，但一个了解班级作业测试内容的教师通常可以识别出提交的解决方案何时解决了与分配的问题略有不同的版本。Gradescope 能自动检测代码中的 ChatGPT 吗？不能——但一个在技术上流利的教师在办公时间要求进行简短的口头解释通常可以直接评估理解能力。

"自动化代码相似性工具会发现复制。教师会发现理解的差距。两者都很重要，但它们会发现不同的东西。"

当提交被标记时，教师会看到什么？

当 Turnitin AI 检测处于活动状态且书面提交返回教师认为有意义的分数时——通常为 20% 或更高，尽管没有通用的阈值——教师可以打开详细的 Turnitin 报告来查看句子级突出显示。每个突出显示的段落都有单独的置信度分数。在多个学期中使用过 AI 检测的教师学会了在背景下阅读这些分数：结构化实验报告上的 28% AI 得分通常表示没有什么不寻常的，而以不寻常的干净、正式文章编写的个人反思上的 28% 得分可能值得与学生进行后续对话。在 Gradescope 界面中，AI 得分默认不会在主评分面板中显示。教师必须导航到链接的 Turnitin 报告才能看到它，这意味着在处理每周数百个问题集上传的大型课程中，一些教师可能不会定期检查每个提交的 AI 得分。当教师确实决定对标记进行处理时，标准的学术诚信做法是与学生安排一个会议，而不是立即提交正式报告。大多数机构在升级前需要初步谈话，该过程的结果取决于你所在机构的具体政策——而不是 Gradescope 设置中的任何内容。

1. 教师从 Gradescope 评分视图导航到链接的 Turnitin 报告
2. 审查 AI Writing Indicator 百分比和句子级突出显示
3. 教师将提交类型、课程背景和分数范围一起考虑
4. 如果认为必要，教师与学生安排一个会议来讨论作业
5. 机构的学术诚信流程——而不是 Gradescope——决定任何正式后果

学生在提交到 Gradescope 前应该做什么？

最实际的第一步是确定你的特定 Gradescope 课程是否使用 Turnitin 集成。直接询问你的教师、查看课程大纲中是否提及 Turnitin 或 AI 检测，或查看你机构的学术诚信指南中是否有 AI 相关的条款。对于 Turnitin 处于活动状态的课程中的书面作业，在提交前通过独立的 AI 检测工具运行你的文本可以预览哪些段落最可能被注册为类似 AI 的——不是为了逃避检测，而是为了了解你的写作是否清楚地反映了你自己的声音。使用 AI 工具进行早期头脑风暴或粗稿，然后进行大量修改的学生有时会保留 AI 输出中的措辞而没有注意到。提交前审查为在 Turnitin 看到文档前提供了有意修改的机会。对于编程作业，最可靠的保护是能够在后续审查中解释解决方案的每一部分。怀疑代码中有 AI 帮助的教师通常会要求简短的口头讲解，解释设计决策和权衡的能力是真正理解的最直接证据。养成增量提交代码（带有有意义的 git 消息）和保存书面作业中间草稿的习惯可以为你提供时间戳的流程文档，如果你的作业受到质疑，你可以提供这些文档。NotGPT 的 AI 文本检测工具允许你粘贴任何段落并查看类似于教师在 Turnitin 中看到的内容的句子级突出显示——在你点击提交前进行有用的自检。

1. 查看你的课程大纲并询问你的教师 Turnitin AI 检测是否对 Gradescope 作业启用
2. 对于书面作业，通过独立的 AI 检测器运行你的文本以识别任何统计上类似 AI 的段落
3. 修改突出显示的部分以获得更自然的句子变化、具体的示例和个人声音
4. 对于编程作业，确保你可以口头解释每个实现决策和权衡
5. 保存带日期的草稿并增量提交代码以创建带时间戳的流程证据
6. 如果大纲不清楚，在作业截止前询问你的教师有关 AI 政策