ESL গবেষকের AI শনাক্তকরণ আপিল লেটার টেমপ্লেট

আমাদের আরেকজন পিএইচডি শিক্ষার্থী, দ্বিতীয় বর্ষ, একজন ইরানি কম্পিউটেশনাল বায়োলজিস্ট। সে একটি থিসিস অধ্যায় লিখেছিল এবং শুক্রবার বিকেলে তত্ত্বাবধায়কের কাছে পাঠায়। সোমবার সকালে তার বিভাগের একাডেমিক সততা (academic integrity) অফিস তাকে ডেকে নেয়। Turnitin-এর AI শনাক্তকরণ তার অধ্যায়ের ৮৯ শতাংশ অংশকে AI দিয়ে তৈরি বলে ফ্ল্যাগ করে। এ ধরনের ঘটনা থেকেই এই পোস্টে আমরা ‘ai detection false positive appeal letter template’ বানিয়েছি। সে ChatGPT, Claude কিংবা অন্য কোনো মডেল ব্যবহার করেনি। সে চার মাস ধরে প্রতিটি শব্দ নিজে লিখেছে। সে Google Doc ব্যবহার করে এডিটিং ট্র্যাক করেছিল, ১,৪০০টি দৃশ্যমান revision save দিয়ে। ছয় সপ্তাহ পরে সে তার আপিল জিতে যায়। এই কেসে একমাত্র যে বিষয়টি সত্যিই গুরুত্বপূর্ণ ছিল, তা হলো ২০২৩ সালের স্ট্যানফোর্ডের একটি গবেষণা, যেখানে দেখা যায়, সাতটি বড় AI শনাক্তকরণ টুল নন-নেটিভ ইংরেজি লেখকদের TOEFL প্রবন্ধে লেখা 61.3% অংশকে ভুলভাবে AI-উৎপন্ন বলে চিহ্নিত করে; কিন্তু একই লেখার প্রম্পটে কাজ করা নেটিভ স্পিকারদের ক্ষেত্রে হার প্রায় শূন্যের কাছাকাছি। ওই শনাক্তকরণ টুল তার লেখাকে ফ্ল্যাগ করেনি; এটি ফ্ল্যাগ করেছে তার ESL গদ্যের প্যাটার্নকে।

২০২৪ সালের শুরুর দিক থেকে ২০২৬ সালের মাঝামাঝি পর্যন্ত আমরা ৪১টি ESL ‘false-positive’ আপিলে একই ধরনের কৌশল চালিয়েছি। এই প্রবণতা গবেষক-আপিলের ক্ষেত্রেও প্রযোজ্য বলে মনে হয়। যদি কেউ ভালো একটি প্রক্রিয়া দেখাতে পারে এবং প্রমাণসহ একটি শক্তিশালী আপিল লেটার লিখতে পারে যে, ডিটেক্টরটি যাচাইকৃত (validated), তাহলে সাধারণত কোর্স-লেভেলে প্রায় ৬০% ক্ষেত্রে এবং অভ্যন্তরীণ আপিলে আরও বেশি ক্ষেত্রে জয় পাওয়া সম্ভব। ফেব্রুয়ারি ২০২৬-এ বিষয়টি বদলায়, যখন নিউইয়র্কের একটি আদালত Newby v. Adelphi মামলায় Adelphi University-এর সিদ্ধান্ত উল্টে দেয়, এটি AI-ডিটেকশনভিত্তিক শাস্তির বিরুদ্ধে প্রথম বড় নজির। Newby কেসে যে যুক্তিগুলো জয় এনে দিয়েছিল, সেগুলো এখন যুক্তরাষ্ট্রের প্রতিটি internal appeal শক্ত করে।

এই পোস্টে রয়েছে টেমপ্লেট এবং ডিফেন্স প্লেবুক। আমরা ব্যাখ্যা করি কেন ESL গবেষকরা অসামঞ্জস্যভাবে বেশি ফ্ল্যাগ হন, কোন প্রমাণগুলো ধারাবাহিকভাবে আপিল জিততে সাহায্য করে, আমাদের ক্লায়েন্টদের জন্য কাজ করা copy-paste ‘ai detection false positive appeal letter template’, ২০২৬ সংস্করণকে শক্ত করার Newby-সচেতন সংযোজনগুলো, এবং কখন escalation করা উচিত। আপনি যদি ফ্ল্যাগড হন এবং পরবর্তী ৪৮ ঘণ্টার মধ্যে আপিল লিখতে হয়, তাহলে টেমপ্লেট অংশে চলে যান। নীচের কনটেক্সট সেকশনগুলো সংযুক্ত করার মতো প্রমাণ দেয়।

AI Detection-এর একটি false positive আপিল চিঠির নমুনা টেমপ্লেট কি সত্যিই কাজ করে?

হ্যাঁ। ৪১টি ESL ‘false-positive’ আপিলের আমাদের লগ অনুযায়ী, যেসব গবেষক তাদের পুরো প্রক্রিয়ার রেকর্ডকে স্ট্যানফোর্ডের 61.3% false-positive ফলাফলের সঙ্গে যুক্ত করতে পেরেছেন এবং (মার্কিন যুক্তরাষ্ট্রে) Newby v. Adelphi নজিরকে কার্যকরভাবে দেখিয়েছেন, তারা কোর্স-লেভেলে প্রায় ৬০% আপিল এবং অভ্যন্তরীণ আপিলে আরও বেশি অংশে সফল হয়েছেন। নিচের copy-paste টেমপ্লেটটি আপনার জন্য সঠিক কাঠামো, ২০২৬-এর জন্য Newby-সচেতন তিনটি সংযোজন, এবং পাশাপাশি FERPA অনুরোধও দেয়।

কেন AI ডিটেক্টররা ESL গবেষকদের false positive হিসেবে চিহ্নিত করে?

মেকানিজমটি নথিভুক্ত এবং ভালোভাবে বোঝা যায়, এ কারণেই এটি আদালতেও টিকে থাকে। AI ডিটেক্টর দুটি পরিসংখ্যানগত বৈশিষ্ট্য খোঁজে, যেগুলো মেশিন আউটপুটের সঙ্গে সম্পর্কিত: low perplexity (আগের শব্দগুলোর প্রেক্ষিতে পরের শব্দ কতটা অনুমেয়) এবং low burstiness (একটি প্যাসেজজুড়ে বাক্যের দৈর্ঘ্য ও গঠন কতটা ভিন্নতা দেখায়)।

ESL লেখকরা (বিশেষ করে যাদের স্বদেশে আনুষ্ঠানিক একাডেমিক ইংরেজির ওপর আনুষ্ঠানিক প্রশিক্ষণ আছে) এমন একটি রেজিস্টার ব্যবহার করেন যা এই দুই মেট্রিকের, দুটিতেই, কম স্কোর করে। ছোট, নিয়ন্ত্রিত বাক্য। সীমিত connector vocabulary ("however," "therefore," "in addition"). অনুচ্ছেদ জুড়ে ধারাবাহিক রেজিস্টার। অনুচ্ছেদের ভেতরে সমান্তরাল কাঠামো (parallel structure)। এগুলোই হলো ESL শিক্ষণ যে বৈশিষ্ট্যগুলোর জন্য স্পষ্টভাবে পুরস্কৃত করে। এগুলোই ডিটেক্টর যে বৈশিষ্ট্যগুলোকে মেশিন-সদৃশ হিসেবে কোড করে।

স্ট্যানফোর্ডের ২০২৩ সালের গবেষণা (Liang, Yuksekgonul, and Zou, Cell Patterns-এ প্রকাশিত) TOEFL প্রবন্ধের একটি নমুনায় সাতটি বড় AI ডিটেক্টর পরীক্ষা করে। 61.3% প্রবন্ধকে প্রচলিত থ্রেশহোলে কমপক্ষে একটি ডিটেক্টর ভুলভাবে AI-উৎপন্ন বলে ফ্ল্যাগ করে। 97.8% প্রবন্ধকে অন্তত একটি ডিটেক্টর permissive threshold-এ ফ্ল্যাগ করে। একই লেখার প্রম্পটে নেটিভ-ইংরেজি প্রবন্ধগুলো প্রায় শূন্য হারে ফ্ল্যাগ হয়েছে। তারপর থেকে একাধিক গবেষণা দল এই ফলাফল পুনরায় তৈরি (replicate) ও পরিমার্জন করেছে।

প্রাতিষ্ঠানিক পরিণতি সমান নয়। কিছু বিশ্ববিদ্যালয় নীতি হালনাগাদ করেছে যাতে কেবল ডিটেক্টর স্কোরের বাইরে অতিরিক্ত corroborating evidence বাধ্যতামূলক করা হয়, বিশেষ করে ফেব্রুয়ারি ২০২৬-এর Newby v. Adelphi রায় এমন একটি তথ্য উন্মোচন করার পর, যেখানে Adelphi-এর নিজস্ব Turnitin validation ডেটায় ২৮% ESL false-positive রেট দেখা গেছে। অন্যদিকে, অনেকে এখনো ডিটেক্টর স্কোর ৮০% এর বেশি হলেই কার্যত নির্ণায়ক (dispositive) বলে ধরে নেয়। আপনি যদি একজন ESL গবেষক হন এবং আপনাকে ফ্ল্যাগ করা হয়ে থাকে, তাহলে gptzero false positive esl pattern হলো নথিভুক্ত রেকর্ড, যা আপনার কেসটিকে প্রেক্ষাপটে বসায়।

আপনি কীভাবে প্রমাণ করবেন যে আপনি AI ব্যবহার করেননি?

আমাদের ক্ষেত্রে লগে দেখা যায়, সফল আপিলের প্রায় ৯০% ক্ষেত্রে তিন ধরনের প্রমাণ উঠে আসে। চিঠি লেখার আগেই প্রত্যেকটি বিভাগ গড়ে তুলুন।

Process evidence. নথিটি ড্রাফট করতে যে কাজগুলো করেছেন, আপনি যেসব টুল ব্যবহার করেছেন সেগুলো স্বয়ংক্রিয়ভাবে ধারণ করে। Google Docs version history (File তারপর Version history তারপর See version history)। Word AutoRecover ফাইল এবং এতে থাকা embedded revision metadata। OneDrive activity logs। ব্রাউজারে গবেষণা করলে ব্রাউজারের tab history। reference manager snapshots (Zotero দেখায় প্রতিটি citation কবে যোগ করা হয়েছে)। আগে থেকেই স্ক্রিনশট নিন এবং লগ এক্সপোর্ট করুন; কিছু প্ল্যাটফর্ম নির্দিষ্ট সময়সূচি অনুযায়ী পুরনো ডেটা মুছে ফেলে।

Comparative writing samples. একই কোর্সের আগের অথবা অন্য কোর্সের অথবা প্রকাশিত কাজ থেকে আপনার আগের লেখার একটি প্রতিনিধিত্বমূলক নমুনা। তিন থেকে পাঁচটি নমুনাই যথেষ্ট। উদ্দেশ্য হলো, ফ্ল্যাগড নথিটির গদ্যের প্যাটার্ন যেন আপনার স্বাভাবিক প্যাটার্নের সঙ্গে মেলে তা দেখানো। ভাষাটি যদি আপনার অন্য লেখাগুলোর মতো শোনে, তাহলে ডিটেক্টর AI ব্যবহারকে নয়, আপনার ভাষাগত প্রোফাইলকেই ফ্ল্যাগ করেছে।

Detector validation data. আপনার বিশ্ববিদ্যালয় যে ডিটেক্টরটি ব্যবহার করে তার প্রাতিষ্ঠানিক validation রিপোর্ট, বিশেষ করে ESL-নির্দিষ্ট false-positive রেটের দিকে মনোযোগ দিয়ে। ২০২৩ সালের স্ট্যানফোর্ডের 61.3% ফলাফল হলো শুরুর বিন্দু। Newby v. Adelphi আবিষ্কার/সংশ্লিষ্ট উপকরণ এক বিশ্ববিদ্যালয়ে Turnitin-এর নিজস্ব institutional intake-এ ২৮% ESL false-positive রেটের কথা সামনে আনে। vendor-published precision রেট সাধারণত নেটিভ-ইংরেজি টেক্সটে গণনা করা হয় এবং ESL-এর ক্ষেত্রে তা সাধারণীকরণ করা যায় না।

একটি ঐচ্ছিক কিন্তু মূল্যবান চতুর্থ বিভাগ। একজন writing instructor, writing center tutor, বা একজন সিনিয়র গবেষকের সংক্ষিপ্ত সমর্থনপত্র, যিনি আপনার লেখার প্যাটার্ন সম্পর্কে সাক্ষ্য দিতে পারবেন। সফল আপিলের জন্য এটি আবশ্যক নয়, তবে থাকলে তা জোরালো করে।

The AI detection false positive appeal letter template

এটি আপনার চিঠির জন্য একটি আউটলাইন। এই আউটলাইনটি academic integrity বোর্ডগুলোর প্রত্যাশিত কাঠামোর সঙ্গে মেলে। বর্গাকার বন্ধনীর [square brackets]-এ থাকা অংশগুলো আপনার পরিস্থিতি অনুযায়ী মানিয়ে নিন। চিঠির দৈর্ঘ্য রাখুন সর্বোচ্চ দুই পৃষ্ঠার single-spaced টেক্সট; এর বেশি হলে মানুষের মনোযোগ হারানোর ঝুঁকি থাকে।

[Date]

একাডেমিক সততা সংক্রান্ত সিদ্ধান্তের বিরুদ্ধে আপিল, মামলা [CASE NUMBER] [কোর্সের নাম ও নম্বর, অথবা থিসিস অধ্যায়ের শিরোনাম] জমা দেওয়ার তারিখ: [DATE] রিপোর্টকৃত ডিটেক্টর স্কোর: [PERCENTAGE], [DETECTOR NAME and VERSION]

Dear [Recipient name],

আমি উপরোক্ত উল্লিখিত জমার সঙ্গে সম্পর্কিত [DATE]-এ জারি করা একাডেমিক সততা-সংক্রান্ত সিদ্ধান্তটির বিরুদ্ধে আনুষ্ঠানিকভাবে আপিল জানাতে লিখছি। এই সিদ্ধান্তটি [DETECTOR NAME] থেকে প্রাপ্ত একক একটি AI-সনাক্তকরণ স্কোরের ওপর ভিত্তি করে। এই জমা প্রস্তুতের ক্ষেত্রে আমি কোনোভাবেই জেনারেটিভ কৃত্রিম বুদ্ধিমত্তা ব্যবহার করিনি। নিম্নে বর্ণিত কারণগুলোর জন্য আমি বিনীতভাবে অনুরোধ করছি যে সিদ্ধান্তটি বাতিল করা হোক।

1. Factual response to the finding

আমি [TOOL, যেমন Google Docs]-এ [START DATE] এবং [SUBMISSION DATE]-এর মধ্যে জমা দেওয়ার খসড়া প্রস্তুত করেছি। খসড়া তৈরিটি ছিল ধাপে ধাপে (iterative), মোট [N]টি সেশনে, [N] দিনের মধ্যে সম্পন্ন হয়েছে, এবং এর ফলে [N]টি দৃশ্যমান revision save হয়েছে। আমি কোনো পর্যায়েই ChatGPT, Claude, Gemini, DeepSeek, বা অন্য কোনো বড় ভাষা মডেল ব্যবহার করিনি। আমি কোনো AI paraphraser বা humanizer ব্যবহার করিনি। আমি [LIST: standard tools যেমন Zotero রেফারেন্সের জন্য, প্রয়োজনে বানানের জন্য Grammarly free tier] ব্যবহার করেছি। এর কোনোটিই প্রতিষ্ঠানের নীতিমালার অধীনে generative AI হিসেবে গণ্য নয়।

2. Evidence of authorship

I attach the following documentation as evidence:

[DATE] তারিখে রপ্তানি করা জমা/সাবমিশনের জন্য Google Docs-এর ভার্সন হিস্টরি দেখান। এতে [N]টি রিভিশন [N]টি সেশনের জন্য দেখায়, যেখানে টাইমস্ট্যাম্প এবং সম্পাদনার বিষয়বস্তু দৃশ্যমান থাকে।

দেখান B: [COURSE / THESIS / PUBLISHED WORK] থেকে তিনটি পূর্ববর্তী লেখার অ্যাসাইনমেন্টের একটি নমুনা। এই নথিগুলোর গদ্যের ধরণগুলো চিহ্নিত করা জমা দেওয়া কাজটির ধরণগুলোর সঙ্গে মিলে যায়।

C: অ-দেশি (non-native) ইংরেজি লেখকদের ক্ষেত্রে ডিটেক্টরগুলোর ভুলভাবে পজিটিভ (false-positive) হার সম্পর্কে প্রকাশিত প্রমাণগুলোর একটি সারাংশ—এর মধ্যে 2023 সালের স্ট্যানফোর্ডের গবেষণাও রয়েছে (Liang, Yuksekgonul, and Zou, Cell Patterns)। ওই গবেষণায় দেখা যায় যে অ-দেশি ইংরেজি বক্তাদের TOEFL রচনায় সাতটি প্রধান AI ডিটেক্টর জুড়ে ভুলভাবে পজিটিভের হার ছিল 61.3 শতাংশ, যেখানে দেশি ইংরেজি নমুনায় এই হার ছিল প্রায় শূন্যের কাছাকাছি।

D দেখান: [OPTIONAL] আমার লেখার ধারা (writing pattern) সম্পর্কে সাক্ষ্যদানকারী [WRITING CENTER TUTOR / SENIOR RESEARCHER / SUPERVISOR] এর কাছ থেকে একটি সমর্থনপত্র।

3. Detector validation

আমি বিনীতভাবে অনুরোধ করছি যে প্রতিষ্ঠানটি পরীক্ষাধীন জনগোষ্ঠীর জন্য, যারা অ-দেশীয়/অমাতৃভাষী ইংরেজি লেখক, তাদের অন্তর্ভুক্ত করে, [DETECTOR VENDOR] থেকে যাচাইকরণ প্রতিবেদনটি (validation report) প্রকাশ করুক। Newby v. Adelphi (New York, February 2026) প্রতিষ্ঠা করেছে যে শুধুমাত্র একটি ডিটেক্টর স্কোরের ওপর ভিত্তি করে এবং শিক্ষার্থীর ভাষাগত প্রোফাইলের জন্য যাচাইকরণ (validation) সংক্রান্ত প্রমাণ ছাড়া কোনো একাডেমিক সততা-সংক্রান্ত (academic integrity) সিদ্ধান্ত—প্রমাণের প্রাধান্য (preponderance of evidence) মানদণ্ড পূরণ করে না। আমার এমন মনে হওয়ার কারণ আছে যে প্রতিষ্ঠানটি আমার ক্ষেত্রে ব্যবহৃত ডিটেক্টর ও থ্রেশহোল্ডের জন্য ESL-নির্দিষ্ট যাচাইকরণ ডেটা তৈরি করতে সক্ষম নয়। যদি প্রতিষ্ঠানটি আমার ক্ষেত্রে ব্যবহৃত ডিটেক্টর ও থ্রেশহোল্ডের জন্য ESL-নির্দিষ্ট যাচাইকরণ ডেটা সরবরাহ করতে না পারে, তবে এই সিদ্ধান্তটি এমন একটি পদ্ধতির ওপর দাঁড়িয়ে যা ডিটেক্টর ভেন্ডর আমার জনগোষ্ঠীর জন্য যাচাই করেনি।

4. Requested remedy

আমি বিনীতভাবে অনুরোধ করছি যে একাডেমিক অখণ্ডতা সম্পর্কিত সিদ্ধান্তটি বাতিল করা হোক এবং রেকর্ডটি মুছে ফেলা হোক। অফিস কর্তৃক উপযুক্ত বলে বিবেচিত যে কোনো অতিরিক্ত শুনানি বা প্রমাণ-সম্পর্কিত পর্যালোচনার জন্য আমি উপলব্ধ থাকব, এবং প্রতিষ্ঠানের একাডেমিক অখণ্ডতা নীতির সঙ্গে সামঞ্জস্যপূর্ণ যে কোনো প্রক্রিয়ায় আমি সম্পূর্ণ সহযোগিতা করব।

Thank you for your consideration. I look forward to your response.

Sincerely,

Attachments:
 Exhibit A: Google Docs version history (PDF, [N] pages)
 Exhibit B: Previous writing samples (PDF, [N] pages)
 Exhibit C: Detector false-positive rate summary (PDF, [N] pages)
 Exhibit D: Letter of support (if applicable)

কাঠামোটি ইচ্ছাকৃতভাবেই আনুষ্ঠানিক। অনেকগুলো আবেগপূর্ণ চিঠি academic integrity বোর্ডগুলো পড়ে; এই টেমপ্লেটের শান্ত, প্রমাণভিত্তিক সুরটাই এক ধরনের credibility signal। ক্ষমা করবেন না, এবং ডিটেক্টর ভেন্ডর নিয়ে সম্পাদনামূলক সমালোচনা করবেন না, কিংবা ইনস্ট্রাক্টরের উদ্দেশ্য নিয়ে অনুমান করবেন না।

2026 সালের জন্য Newby-সচেতন সংযোজন

ফেব্রুয়ারি ২০২৬-এর Newby v. Adelphi রায় এমন কিছু যুক্তি তৈরি করেছে যা যুক্তরাষ্ট্রে প্রতিটি internal appeal-কে শক্ত করে, এবং আরও অন্যান্য জায়গাতেও এর persuasive weight আছে। স্ট্যান্ডার্ড লেটার টেমপ্লেটে তিনটি সংযোজন করা মূল্যবান।

Cite Newby in Section 3. উপরের টেমপ্লেটের Section 3-এ এমন কিছু দেখা যাবে: এখানে ন্যূনতমভাবে Newby-এর একটি রেফারেন্স প্রয়োজন। যদি আপনার বিচারব্যবস্থা (jurisdiction) নিউইয়র্ক হয়, তবে আপনি Newby-কে binding state-court precedent হিসেবে উল্লেখ করতে পারবেন। যুক্তরাষ্ট্রের অন্য কোথাও হলে, আপনি এটিকে detector-evidence কেসে procedural fairness বিষয়ে persuasive authority হিসেবে উল্লেখ করতে পারেন। যুক্তরাষ্ট্রের বাইরে হলে, ডিটেক্টর-শুধুমাত্র সিদ্ধান্তগুলো আদালতে কীভাবে দেখা হয়েছে এবং তা প্রত্যাখ্যাত হয়েছে, এমন তুলনামূলক প্রমাণ হিসেবে এটি cite করুন।

Demand the institutional validation data. Newby দেখিয়েছে, একটি প্রতিষ্ঠান যদি academic integrity findings ডিফেন্ড করে, তবে ডিটেক্টর ভেন্ডরের validation রিপোর্ট দিতে বাধ্য করা যেতে পারে। আপনার আপিল লেটারে, লিখিতভাবে, এই অনুরোধ করুন। অধিকাংশ প্রতিষ্ঠান চাহিদা অনুযায়ী ESL-specific validation data দিতে পারে না; ওই অনুপস্থিতিই আপনার কেসের প্রমাণ।

Frame absence of draft history correctly. Newby বিশেষভাবে Adelphi-কে সমালোচনা করেছে, তারা এমন একটি সাবমিশন পোর্টালে draft history-এর অনুপস্থিতির ভিত্তিতে সিদ্ধান্তে পৌঁছেছে, যেখানে draft history দরকার ছিল না। আপনার সাবমিশন পোর্টাল যদি revision history ধারণ না করে, তাহলে সেটা আপনার বিরুদ্ধে কোনো প্রমাণ নয়, এটা প্রতিষ্ঠানের নকশা-সংক্রান্ত পছন্দ (design choice)। এই পয়েন্টে আপনার চিঠিতে Newby-কে স্পষ্টভাবে cite করুন, বিশেষ করে যদি আপনার চিঠি এমন একটি findings-এর প্রতিক্রিয়ায় হয় যেখানে বলা হয়েছে "no draft history."

Newby কেসটি কীভাবে জেতা হয়েছিল, এবং এটি কী করে ও কী করে না, এ নিয়ে বৃহত্তর ব্যাকগ্রাউন্ডের জন্য দেখুন আমাদের general appeal-letter playbook, যা এই পোস্টের চেয়ে বেশি গভীরে procedural দিকটি কভার করে।

আপিলের ক্ষেত্রে যা কিছুই করবেন না

আমাদের লগে এমন ভুলগুলো যা অন্যথায় জেতা সম্ভব ছিল, সেগুলো হারিয়েছে।

Do not apologize. আপনি যা করেননি তার জন্য ক্ষমা চাওয়া আংশিক স্বীকারোক্তি হিসেবে ধরা হতে পারে। উপরের টেমপ্লেটটি ইচ্ছাকৃতভাবে অনুশোচনার মতো বক্তব্য বাদ দিয়েছে। আপনি একটি finding-এর বিরুদ্ধে আপিল করছেন; এটি কোনো settlement-আলোচনা নয়।

Do not attack the detector vendor. "GPTZero is unreliable" বা "Turnitin is biased", এই ধরনের কথা ডিফেন্সিভ শোনায় এবং ওজন কম হয়। Show C-তে থাকা প্রমাণগুলোকে তাদের কাজ করতে দিন। ডিটেক্টরকে পরিচিত দুর্বলতাসম্পন্ন একটি টুল হিসেবে উপস্থাপন করুন, নির্দিষ্ট কিছু ব্যবহারে সীমাবদ্ধতা আছে। একে লক্ষ্যবস্তু (target) বানাবেন না।

Do not submit AI-generated text in your appeal. এটা হয়তো পরিষ্কারই মনে হবে। কিন্তু আমরা জানি, সময়সীমার চাপের মধ্যে কিছু গবেষক তাদের আপিল লেটার লিখতে ChatGPT ব্যবহার করেছে এবং জমা দিয়েছে। কিছু academic integrity অফিস আবার সেই একই detector দিয়েই ওই আপিল লেটার পরীক্ষা করে, যেটা মূল সমস্যা সাবমিশন শনাক্ত করেছিল। নিজের আপিল লিখুন।

Do not over-document. আপনি যে সব ইমেইল কখনো পাঠিয়েছেন, তার ২৫ পৃষ্ঠা দেখানো মরিয়া হওয়ার ইঙ্গিত দিতে পারে। উপরের টেমপ্লেট আপনাকে দেবে ২ থেকে ৩ পৃষ্ঠার একটি চিঠি এবং ৩ থেকে ৪টি exhibit। ঠিক মাপেরটা।

Do not skip the FERPA request. যুক্তরাষ্ট্রে FERPA আপনাকে আপনার educational records দেখার অধিকার দেয়, এগুলোর মধ্যে থাকে ডিটেক্টর রিপোর্ট এবং আপনার কেস সম্পর্কে যোগাযোগ। আপনার FERPA অনুরোধটি আপনার আপিল লেটারের সাথে ফাইল করুন। যুক্তরাষ্ট্রের বাইরে হলে আপনার সমতুল্য আইন (যেমন U.K. Data Protection Act 2018, EU GDPR Article 15-এর access right, অনুরূপ) একই প্রভাব ফেলে। আপনার প্রতিষ্ঠান সম্ভবত এখনো formalizedভাবে প্রমাণ সংগ্রহ করেনি। তাদের কাজটা আপনার অনুরোধের দিকে ফোকাস করুন।

Do not delete your drafts. কেসটি খোলা থাকলে আপনার draft এবং version history প্রমাণ হিসেবে কাজ করে। পারলে সেগুলো সেভ করুন। যদি এমন কোনো টুল ব্যবহার করেন যা পুরনো ভার্সন মুছে দেয়, তাহলে এখনই এক্সপোর্ট করে রাখুন।

কখন পর্যায়ক্রমে আরও উচ্চ পর্যায়ে নেওয়া উচিত

বেশিরভাগ আপিল কোর্স বা ডিপার্টমেন্ট লেভেলে মিটে যায়। কিছু ক্ষেত্রে escalation প্রয়োজন হয়।

To the institutional appeal board. যদি কোর্স-লেভেলে সিদ্ধান্ত আপনার বিপক্ষে যায় এবং আপনার কাছে শক্ত প্রমাণ থাকে, তবে প্রায় প্রতিটি প্রতিষ্ঠানে আপনাকে কোনো বাহ্যিক বিকল্প বেছে নেওয়ার আগে internal appeal শেষ করতে বলে। একই টেমপ্লেট ব্যবহার করুন, প্রতিষ্ঠানের প্রতিক্রিয়া এবং আপনার rebuttal দিয়ে সেটিকে বিস্তৃত করুন।

To the institutional ombudsman. এটি parallel প্রক্রিয়া, substitute নয়। ombudsman এমন procedural failure নথিভুক্ত করতে পারেন যা appeal board হয়তো সমাধা/উল্লেখই করবে না। আপনি জিতলেও এটি কাজে দেয়, কারণ ডকুমেন্টেশন institutional reform-এ সহায়তা করে।

To a student or staff legal services office. অধিকাংশ বড় বিশ্ববিদ্যালয়ে শিক্ষার্থীদের জন্য বিনামূল্যের লিগ্যাল সার্ভিস থাকে; স্টাফ ও পোস্টডক-দের জন্যও অনেক সময় parallel রিসোর্স থাকে। ডিগ্রি বাতিল (degree revocation), ভিসা স্ট্যাটাস, বা স্থায়ী ট্রান্সক্রিপ্ট নোটেশন, যা কর্মসংস্থানে প্রভাব ফেলতে পারে, এ ধরনের কেসে এটি সঠিক escalation। Newby এমন কয়েকজন অ্যাটর্নি তৈরি করেছে যারা AI-detection কেসে বিশেষজ্ঞ।

To external legal counsel. বিরলভাবে প্রয়োজন হয়, তবে তখনই যথার্থ যখন প্রতিষ্ঠানের প্রক্রিয়া ব্যর্থ হয়েছে এবং পরিণতিগুলো বড়। Adelphi-এর বিরুদ্ধে ডিফেন্সে Newby পরিবার ছয় অংকের (six figures) অর্থ ব্যয় করেছে। বেশিরভাগ ESL গবেষক আপিলের ক্ষেত্রে এই লেভেলের escalation লাগে না, যখন প্রমাণগুলো ভালোভাবে সাজানো থাকে, তখন অভ্যন্তরীণ লেভেলেই অনুকূলে সিদ্ধান্ত হয়ে যায়।

To press, only as a last resort. কিছু কেসে জনসচেতনতা/মিডিয়া মনোযোগ পরিস্থিতি বদলেছে, কিন্তু এতে প্রতিষ্ঠানের ঝুঁকি বাড়ে এবং finding-কে নীরবে বাতিল করা কঠিন হয়ে পড়ে। কেবল তখনই এটি বিবেচনা করুন, যখন internal escalation শেষ হয়েছে এবং পরিণতি গুরুতর।

এই সবকিছুর সঙ্গী প্রশ্ন হলো prevention। আপনি একবার ফ্ল্যাগড হলে, false-positive detection-কে হারানোর যে surface variation আছে, তা ভবিষ্যৎ ড্রাফটের জন্য সত্যিই কাজে লাগে। রেজিস্টার না বদলিয়ে বা আপনার রেফারেন্স ভেঙে না ফেলে এই ভ্যারিয়েশন যোগ করার সবচেয়ে পরিষ্কার পথ হলো একটি citation-aware humanizer; breaking academic tone না ভেঙে কীভাবে AI-adjacent টেক্সট humanize করা যায়, সে বিষয়ে আমাদের walkthrough আপনাকে অপারেশনাল ধাপগুলো দেখায়। আরেকটি সম্পর্কিত উদ্বেগ হলো, আপনি যে কোনো AI টুল সত্যিই ব্যবহার করেন, সে বিষয়ে আপনার প্রকাশিত কাজ কী disclose করতে হবে। এটি কভার করা আছে আমাদের manuscripts সংক্রান্ত AI disclosure guide-এ।

Frequently asked questions

Q: How likely is my appeal to succeed if I am an ESL researcher with a high detector score?

আমাদের কেস লগ অনুযায়ী, ভালো process record সহ ESL গবেষকের আপিল, কোর্স বা ডিপার্টমেন্ট লেভেলে প্রায় ৬০% ক্ষেত্রে সফল হয়, এবং internal appeal-এ এর হার আরও বেশি। সাফল্য ভবিষ্যদ্বাণীতে সবচেয়ে ভালো দুইটি ফ্যাক্টর হলো (১) Google Docs-এর মতো একটি draft tool থেকে পূর্ণ revision history থাকা, এবং (২) detector bias বিষয়ে Stanford 2023 প্রমাণের পাশাপাশি, যুক্তরাষ্ট্রে, Newby v. Adelphi রায়কে স্পষ্টভাবে cite করা। এই দুইটি একসঙ্গে থাকা খুব কম কেসেই পাওয়া যায়।

Q: Do I need a lawyer to write the appeal letter?

internal appeal-এর জন্য আইনজীবীর প্রয়োজন নেই। আমরা দেখেছি, এই পোস্টের টেমপ্লেট ব্যবহার করে, আইনি সহায়তা ছাড়া, কিছু কেস সফল হয়েছে। আইনজীবী লাগতে পারে কি না বিবেচনা করুন যদি আপনার কেসে ডিগ্রি বাতিল (degree revocation), বহিষ্কার (expulsion), ভিসা স্ট্যাটাস (আন্তর্জাতিক শিক্ষার্থী ও গবেষক), বা স্থায়ী ট্রান্সক্রিপ্ট নোটেশন, যা কর্মসংস্থানে প্রভাব ফেলতে পারে, এগুলো জড়িত থাকে। টেমপ্লেট প্লাস প্রমাণের প্যাকেজ সাধারণত কোর্স-লেভেল findings-এর জন্য যথেষ্ট হয়।

Q: Should I file a FERPA request before or after the appeal letter?

দুইটাই একই সময়ে ফাইল করুন, অথবা আপিলের ডেডলাইনের আগে যদি কয়েকদিন সময় থাকে, তাহলে আগে FERPA রিকোয়েস্ট ফাইল করুন। FERPA রিকোয়েস্ট অনেক সময় ডিটেক্টর রিপোর্ট এবং আপনার আপিলে উল্লেখ করতে চাইবেন এমন internal communications সামনে আনে। আমরা আরও দেখেছি, FERPA রিকোয়েস্টের অস্তিত্বই প্রতিষ্ঠানকে তাদের অনুসৃত পদ্ধতি নিয়ে আরও সতর্ক হতে বাধ্য করে। FERPA রিকোয়েস্ট যদি আপিল ফাইল করার সময় আপনার জানা ছিল না এমন কিছু উন্মোচন করে, তাহলে একটি supplemental brief ফাইল করুন।

Q: My institution is outside the U.S. Does the Newby case help me?

হ্যাঁ, persuasive তুলনামূলক (comparative) প্রমাণ হিসেবে। Newby নিউইয়র্কের বাইরে binding নয় এবং সরাসরি যুক্তরাষ্ট্রের বাইরে কোনো প্রতিষ্ঠানে বাধ্যতামূলক নয়। তবে যুক্তিটা বহনযোগ্য: ছাত্রের ভাষাগত প্রোফাইলের জন্য কোনো validation না থাকলে, কেবল একটি ডিটেক্টর স্কোর প্রাধান্যভিত্তিক প্রমাণের মান (preponderance of evidence) পূরণ করে না। U.K., E.U., Canadian, Australian, এবং Indian একাডেমিক সততা বোর্ডগুলো এই যুক্তির সঙ্গে সম্পৃক্ত হতে শুরু করেছে। এটি হয়তো binding না হলেও, কেসটি স্পষ্টভাবে cite করুন এবং নীতিটি (principle) quote করুন।

Q: Can I prevent this from happening again on my next submission?

এটি আবার না ঘটাতে আপনি তিনটি কাজ করতে পারেন: লেখার সময় এমন একটি টুল ব্যবহার করুন যা version control বজায় রাখে; Google Docs এবং Word, দুটিতেই, এই অপশন ডিফল্টভাবে অন আছে (পরিষ্কার কপি বানিয়ে নিজের কাজের ডকুমেন্ট ফেলে দেবেন না, এটা করবেন না!)। বাক্যের ছন্দ (rhythm) ইচ্ছাকৃতভাবে বদলান। signature detectors যে bursty rhythms খোঁজে, সেটি ভাঙার চেষ্টা সচেতনভাবে করুন। আপনার final draft-টি একটি citation-aware humanizer-এর মাধ্যমে করিয়ে নিন, এটি এমন superficial variation যোগ করবে যা false positives ঘটায়, কিন্তু আপনার অর্থ বা রেফারেন্সের (citations) কোনো পরিবর্তন করবে না। এগুলো সিস্টেমকে ‘গেম’ করার জন্য কোনো ‘hacks’ নয়, বরং পক্ষপাতপূর্ণভাবে মাপার পদ্ধতির বিরুদ্ধে অপারেশনাল countermeasures।