प्रक्रिया ही नया प्रमाण है: ट्रैक्ड चेंजेस बनाम डिटेक्टर स्कोर

Newby v. Adelphi का निर्णय न्यूयॉर्क के एक न्यायालय ने पलट दिया, जिसमें एक शैक्षणिक अखंडता (integrity) निष्कर्ष को इस आधार पर निरस्त किया गया कि एकल Turnitin AI स्कोर अपने आप में, स्कूल की नीति के अनुसार, सबूतों के “प्राबल्य” (preponderance of evidence) तक नहीं पहुँचता। 2026 के वसंत में सैकड़ों संस्थानों में चल रहे पायलट के तहत ऐसी “ड्राफ्ट फॉरेंसिक्स” तैनात हो रही है जो चिपकाए गए पाठ (pasted text), लिखने में लगा समय (writing time), और छात्र के संशोधन इतिहास का पूरा प्लेबैक (full playback) कैप्चर करती है। Clarity प्रोडक्ट इसमें शामिल है, जिसे Turnitin स्वामित्व में रखता है। 10 अप्रैल 2026 को Anthropic, Claude for Word को सार्वजनिक बीटा में लॉन्च करता है, जिससे AI-सहायता प्राप्त शैक्षणिक लेखन के लिए “नेटीवली” ट्रैक्ड चेंजेस उपलब्ध हो जाते हैं; यानी Claude के संपादन Word के review pane में revisions के रूप में जोड़े जाते हैं। हर बदलाव की समीक्षा संभव है। मूल (original) सभी पंक्तियाँ अखंड बनी रहती हैं। Curtin University ने Turnitin की AI डिटेक्शनिंग को पूरी तरह बंद कर दिया है, क्योंकि उनके पास ऐसे अधिक विवाद हुए हैं जहाँ डिटेक्टर गलत था, बजाय उन मामलों के जहाँ उसने धोखा देने वाले छात्रों को पकड़ा था। 2026 की पहली छमाही में चार संकेत एक ही दिशा में धकेल रहे हैं।

चार संकेत, एक पैटर्न। यह पैटर्न बताता है कि शैक्षणिक लेखन में लेखकीयता (authorship) का “भरोसेमंद प्रमाण” डिटेक्टर स्कोर से हटकर अब एक प्रक्रिया-आधारित रिकॉर्ड (process record) बन चुका है। अदालतें, जर्नल, कॉन्फ्रेंसें, और स्वयं डिटेक्टर विक्रेता, सब एक ही निष्कर्ष पर अभिसरित हो रहे हैं: ड्राफ्ट इतिहास, प्रायिकता (probability) स्कोरों से बेहतर प्रमाण है।

यह पोस्ट वह ब्रांड-तर्क (brand argument) है जिसे हम 2026 के बाकी हिस्से में आगे बढ़ाएँगे। हम चारों अभिसरण संकेतों को विस्तार से कवर करते हैं, डिटेक्टर-साक्ष्य और प्रक्रिया-साक्ष्य (process evidence) के बीच की असमानता (asymmetry) समझाते हैं, वे “रक्षात्मक” (defensible) प्रक्रिया दस्तावेज़ीकरण वास्तव में कैसा दिखता है जो शोधकर्ता पहले से जिन टूल्स का उपयोग करते हैं उनमें संभव है, और ऐसी ड्राफ्टिंग आदतें कैसे बनाई जाएँ जो एक ऐसा रिकॉर्ड तैयार करें जिसे आप बिना किसी अतिरिक्त चिंता के संपादक (editor), समीक्षक (reviewer), या शैक्षणिक अखंडता बोर्ड (academic integrity board) को सौंप सकें। यह पुनर्संवर्तन (reframe) दार्शनिक (philosophical) नहीं, व्यावहारिक (operational) है: डिटेक्टर के लिए अनुकूलन (optimize) करना बंद करें, काम का दस्तावेज़ीकरण शुरू करें।

क्या ट्रैक्ड चेंजेस साबित कर सकते हैं कि आपने AI-सहायता प्राप्त शैक्षणिक लेखन में काम किया?

हाँ। जैसे ही आप काम करते हैं, एक टाइमस्टैम्प्ड ट्रैक्ड-चेंजेस और रिविज़न हिस्ट्री तैयार होती है, और मूल लेखन के समान समय निवेश किए बिना बाद में इसे दोबारा (reconstructed) नहीं बनाया जा सकता, जिससे डिटेक्टर स्कोर की तुलना में इसे जालसाज़ी करना कहीं अधिक कठिन हो जाता है। अदालतें, जर्नल, और यहाँ तक कि Turnitin भी अब एक ही स्थिति पर अभिसरित हो रहे हैं: शैक्षणिक लेखन में यह प्रक्रिया-रिकॉर्ड, एक AI डिटेक्टर के प्रायिकता स्कोर की तुलना में अधिक महत्वपूर्ण (outweighs) है। Newby v. Adelphi के फैसले ने माना कि केवल डिटेक्टर स्कोर ही “प्राबल्य” (preponderance of evidence) नहीं बनता।

चार अभिसरण संकेत

इस बदलाव को सिद्धांत (theory) में गढ़ा नहीं गया है। इसे 2025–2026 की चार ठोस घटनाओं ने आगे बढ़ाया है, प्रत्येक अकादमिक पारिस्थितिकी तंत्र (academic ecosystem) के अलग हिस्से से।

Newby v. Adelphi (फरवरी 2026, न्यूयॉर्क राज्य न्यायालय). AI डिटेक्शन अनुशासन (discipline) पर पहला बड़ा न्यायिक निर्णय Adelphi के उस ESL (English as a Second Language) स्नातक के खिलाफ फैसले को उलट देता है। परिणाम संकीर्ण (narrow) था, लेकिन तर्क निर्णायक: छात्र की भाषाई प्रोफ़ाइल (linguistic profile) के लिए सत्यापन (validation) के बिना डिटेक्टर स्कोर, स्कूल की नीति के अनुसार, “प्राबल्य” (preponderance of evidence) का गठन नहीं करता। विशेष रूप से, न्यायालय ने Adelphi को इस बात के लिए फटकारा कि उसने सबमिशन पोर्टल में ड्राफ्ट-इतिहास (draft history) की अनुपस्थिति को दोष (guilt) के सबूत की तरह इस्तेमाल किया (हालाँकि उस पोर्टल में ड्राफ्ट अपलोड अनिवार्य नहीं था)। यह कानूनी रिकॉर्ड में प्रक्रिया-साक्ष्य (या उसकी कमी) जोड़ देता है।

Turnitin Clarity (2026 का वसंत पायलट, व्यापक रोलआउट जारी). Feedback Studio में Turnitin का ऐड-ऑन, प्रशिक्षकों (instructors) के लिए छात्र की लेखन-प्रक्रिया (writing process) का पूर्ण प्लेबैक देता है, कब छात्र ने टेक्स्ट पेस्ट किया, लेखन सत्र की अवधि, लेखन निर्माण समय (construction time), और ड्राफ्ट इतिहास। छात्र की अनुमति के साथ, Clarity कीस्ट्रोक रिदम (keystroke rhythm) और एडिटिंग टाइमलाइन (editing timeline) रिकॉर्ड करता है। प्रोडक्ट का घोषित फ्रेम है: “इंटीग्रिटी के लिए आकलन (assessment for integrity), केवल डिटेक्शन के लिए नहीं।” उस कंपनी की ओर से यह बड़ा बदलाव है जिसने AI डिटेक्शन स्कोर बनाया था, जिस पर अकादमिक संस्थानों ने पिछले तीन वर्षों से भरोसा किया है। अब वे प्रक्रिया-रिकॉर्ड को अधिक भरोसेमंद संकेत के रूप में पेश कर रहे हैं। Claude from

Claude for Word (10 अप्रैल 2026, सार्वजनिक बीटा). Anthropic इसे Microsoft Word के लिए एक native ऐड-इन के रूप में शिप करता है। जब Claude कोई संपादन (edit) करता है, तो वह उसे Word review pane में tracked change के रूप में छोड़ता है, मूल पाठ (original text) को deletion की तरह संरक्षित रखते हुए और नए पाठ को insertion की तरह जोड़ते हुए। लेखक (author) Word के native इंटरफ़ेस में हर बदलाव को स्वीकार (accept) या अस्वीकार (reject) करता है। दस्तावेज़ खोलने वाला समीक्षक (reviewer) संपादन इतिहास (full edit history) देख सकता है। यह “सिर्फ फीचर जोड़ना” नहीं है। यह एक आर्किटेक्चरल (architectural) विकल्प है जो tracked-changes रिकॉर्ड को मानव लेखक (human author) और AI सहायक (AI assistant) के बीच canonical इंटरफ़ेस की तरह ट्रीट करता है, वही रिकॉर्ड जिसे जर्नल या थीसिस कमिटी काम की जाँच (verify) के लिए इस्तेमाल कर सकती है। After

Curtin University (2026 की शुरुआत, ऑस्ट्रेलिया) और समानांतर संस्थान. Curtin ने निष्कर्ष निकाला कि यह स्कोर उतने विवाद पैदा कर रहा है जितना वह हल कर रहा है; इसलिए उन्होंने Turnitin की AI डिटेक्शनिंग पूरी तरह बंद कर दी। Vanderbilt और मिशिगन स्टेट के कई विभागों ने भी 2025 में यही निष्कर्ष निकाला। इनमें से किसी भी विश्वविद्यालय ने AI के उपयोग पर प्रतिबंध नहीं लगाया। उन्होंने डिटेक्शन लेयर हटाया और इंटीग्रिटी वार्तालाप को disclosure (घोषणा), process (प्रक्रिया), और tracked-changes साक्ष्य पर केंद्रित कर दिया। साथ ही, कुछ अन्य विश्वविद्यालयों (विशेषकर कुछ Big Ten और Ivy League संस्थानों में 2025 के उत्तरार्ध में) ने डिटेक्शन पर और सख्ती की, जिससे क्षेत्र (field) असमान बना रहा, पर बदलाव की दिशा नहीं बदली।

चार संकेत, सिस्टम के चार हिस्से, एक ही दिशा। यह दुर्घटना नहीं है; यह एक custom probability स्कोर की तुलना में, ज्यादा आसानी से सिद्ध होने वाले प्रमाण, के आसपास सिस्टम का पुनर्संतुलन (rebalancing) है।

यह बदलाव समझ में क्यों आता है

इस बदलाव की स्थायित्व (enduring nature) इसलिए है क्योंकि डिटेक्टर-साक्ष्य और प्रक्रिया-साक्ष्य के बीच असमानता (asymmetry) है। दोनों प्रकार के साक्ष्यों (evidence) में सटीकता (accuracy) की ज्ञात सीमाएँ (floors) होती हैं। डिटेक्टर की “floor” बहुत कम है।

डिटेक्टर-साक्ष्य एक प्रायिकता स्कोर (probability score) है जो उस मॉडल से निकलता है जो टेक्स्ट की उन विशेषताओं (text features) को सीखता है जो AI आउटपुट से सह-संबद्ध (correlated) होती हैं। Stanford 2023 के अध्ययन ने सात प्रमुख डिटेक्टर पाए जिनमें से 61.3% TOEFL निबंधों (TOEFL essays) को, जो गैर-मातृभाषी अंग्रेज़ी (non-native English speakers) द्वारा लिखे गए थे, AI-जनरेटेड के रूप में गलत तरीके से पहचान लिया गया। Newby discovery में सामने आए Adelphi के संस्थागत (institutional) डेटा में विश्वविद्यालय के अपने Turnitin intake पर 28% ESL false-positive rate था। विक्रेता द्वारा प्रदान किए गए precision के आँकड़े सामान्यतः मातृभाषीय अंग्रेज़ी (native-English) टेक्स्ट पर गणना किए जाते हैं और वे सामान्यीकृत (generalize) नहीं होते। स्कोर की सटीकता लेखक की भाषा-परिचय (language background), उस prompt वितरण (prompt distribution) पर निर्भर करती है जिस पर डिटेक्टर प्रशिक्षित किया गया था, और संस्थान द्वारा तय की गई threshold पर। सबमिशन के समय लेखक इन बातों में से किसी को नहीं देख पाता।

प्रक्रिया-साक्ष्य अंतिम दस्तावेज़ तक पहुँचने वाली घटनाओं (chain of events), टाइमस्टैम्पों (timestamps), और संशोधनों (revisions) की श्रृंखला है। Google Docs सभी संशोधनों को स्वतः ट्रैक करता है। Word AutoRecover और built-in revision info सभी संशोधनों को ट्रैक करते हैं। OneDrive लॉग करता है कि फ़ाइल कब खोली और कब सेव की गई। ब्राउज़र टैब इतिहास बताता है कि लेखक ने किन स्रोतों (sources) पर शोध कब किया, जिन्हें उसने उद्धृत (cited) किया। रेफरेंस मैनेजर सॉफ्टवेयर (Zotero, Mendeley, EndNote, Paperpile) हर citation को जोड़ते समय उस तारीख/समय का टाइमस्टैम्प रिकॉर्ड करता है। पूरा साक्ष्य-समूह प्रक्रिया का भाग बनकर बनता है। इसे बाद में उसी स्तर का समय निवेश किए बिना बनाया नहीं जा सकता, जितना पहली बार लेखन में लगा था।

यही बदलाव को “लोड-बेयरिंग” बनाता है: भरोसे की असमानता (trust asymmetry)। डिटेक्टर स्कोर को validation, threshold और population bias के आधार पर चुनौती दी जा सकती है; और स्कोर का बचाव करने वाले संस्थान को वह साक्ष्य (evidence) देना पड़ता है जो अक्सर उनके पास नहीं होता। प्रक्रिया-रिकॉर्ड को authenticity के आधार पर चुनौती दी जा सकती है, जिसके लिए उस संस्थान को वही साक्ष्य देने पड़ते हैं जो उसे उस लेखक के खिलाफ चाहिए होंगे जो platform-generated metadata की ओर इशारा कर सकता है। लगभग हमेशा, प्रक्रिया-रिकॉर्ड का बचाव करने वाले के पास आसान मामला होता है।

यह humanizer बनाम डिटेक्टर की बहस नहीं है। humanizer सतह (surface) बदलता है; प्रक्रिया-रिकॉर्ड साक्ष्य-आधार (evidence base) बदलता है। मान भी लें कि कल हर AI डिटेक्टर मातृभाषीय अंग्रेज़ी पर पूर्ण (perfect) सटीकता हासिल कर ले, तब भी प्रक्रिया-रिकॉर्ड अधिक उपयोगी संकेत ही रहेगा, क्योंकि यह प्रायिकता (probability) की बजाय लेखकीयता (authorship) पर बात करता है।

ट्रैक्ड चेंजेस और ड्राफ्ट इतिहास: रक्षात्मक प्रक्रिया दस्तावेज़ीकरण (defensible process documentation) कैसा दिखता है

अच्छी खबर यह है कि शोधकर्ता लगभग हर वह टूल इस्तेमाल करते हैं जो डिफ़ॉल्ट रूप से प्रक्रिया-साक्ष्य (process evidence) तैयार करता है। काम यह है कि उसे कैप्चर करना आता हो और जरूरत पड़ने पर उसे कहाँ खोजा जाए, यह पता हो।

Google Docs. File फिर Version history फिर See version history. पूरा revision tree अनिश्चितकाल (indefinitely) तक संरक्षित रहता है, जिसमें यह भी शामिल होता है कि किसने और कब संपादन किया। यदि साझा करने योग्य रिकॉर्ड चाहिए, तो इसे PDF के रूप में export किया जा सकता है; export में timeline दिखाई देती है। 2026 में शैक्षणिक लेखकों के लिए उपलब्ध सबसे उपयोगी प्रक्रिया-टूल, मुख्यतः इसलिए कि यह default है, अनिश्चितकाल तक संरक्षित रहता है।

Microsoft Word. AutoRecover स्वतः-सेव (auto-saved) संस्करणों को एक छिपे हुए फ़ोल्डर में सेव करता है। Track Changes (Review tab फिर Track Changes) सक्षम होते ही आपके द्वारा किए गए हर संपादन को कैप्चर करता है। जो workflow बदलाव करने लायक है, वह यह है कि अपना ड्राफ्टिंग करते समय Track Changes ऑन कर दें: शुरुआत से Track Changes ऑन रखें और यह उस बिंदु के बाद आपके सभी संपादनों को कैप्चर करेगा। यह महत्वपूर्ण है कि आप संस्करणों (versions) को स्पष्ट रूप से वर्णनात्मक नामों ("draft-2026-07-12-section-3-rewrite") के साथ सेव करें ताकि प्रत्येक फ़ाइल खोले बिना भी क्रम (sequence) समझ में आ जाए। अधिकांश शोधकर्ता अपने ड्राफ्टिंग के लिए Track Changes ऑन नहीं करते, लेकिन यदि आप लिखते समय tracked changes को ट्रैक करना चाहते हैं, तो इसे करने का यह सबसे अच्छा तरीका है।

OneDrive, Google Drive, Dropbox. क्लाउड स्टोरेज प्रदाता फ़ाइल गतिविधि (file activity) लॉग करते हैं। अधिकतर अकादमिक IT सेवाएँ इसे कम-से-कम 90 दिनों तक, और कुछ में उससे भी अधिक समय तक संरक्षित रखती हैं। यह लॉग स्थापित करता है कि फ़ाइल कब संशोधित हुई, किसके द्वारा, और किस डिवाइस से। जब आपके प्राथमिक संपादक (primary editor) की revision history अधूरी हो, तो यह एक उपयोगी पूरक (supplement) बन जाता है।

Reference managers. Zotero, Mendeley, EndNote, और Paperpile, सभी यह रिकॉर्ड करते हैं कि कोई citation आपकी लाइब्रेरी में कब जोड़ा गया और वह किस दस्तावेज़ (document) में जोड़ा गया। शोध-चरण (research stage) पर process evidence, यह लेखन-चरण (writing stage) से पहले का साक्ष्य है और साथ ही लेखन-चरण के लिए सत्यापन (validation) भी है। मान लीजिए कोई समीक्षक सोचता है कि आपने जिस स्रोत को cite किया, उसे आपने पढ़ा नहीं। तब आप उस व्यक्ति को उस टाइमस्टैम्प के साथ उत्तर दे सकते हैं जब आपने उसे पढ़ा था।

Tracked changes export. यह समीक्षक, संपादक, या integrity board के साथ प्रक्रिया-साक्ष्य साझा करने के लिए सबसे उपयोगी आउटपुट है। tracked changes एक Word या Google Docs दस्तावेज़ है जिसमें सभी edits साफ़ दिखते हैं (कौन क्या करता है, कब)। हमारे proofreader में tracked changes हर export पर डिफ़ॉल्ट रूप से सक्षम होते हैं, लेकिन यदि आपको “raw text” (साफ़/शुद्ध संस्करण) देखना हो, तो एक विकल्प भी उपलब्ध है। हम इस संस्करण की सिफारिश उन सभी सबमिशनों के लिए करते हैं जहाँ लिखने की प्रक्रिया पर सवाल उठ सकता है। ध्यान दें कि इसे Claude for Word में नेटीव तौर पर भी जनरेट किया जा सकता है। Claude for Word वही आर्टिफैक्ट नेटीव तौर पर बनाता है, यही प्रोडक्ट का आर्किटेक्चरल पॉइंट है।

Email और chat archives. सुपरवाइज़र, सह-लेखकों (co-authors), और writing center tutors के साथ चर्चाएँ। बातचीत की थ्रेड्स (threads) सुरक्षित रखें। वे उस iterative सोच (iterative thinking) को स्थापित करती हैं जिसने मैन्युस्क्रिप्ट (manuscript) को जन्म दिया, जिसे कोई डिटेक्टर नकली (fake) नहीं कर सकता।

ऐसी ड्राफ्टिंग आदतें जो रक्षात्मक प्रक्रिया (defensible process) तैयार करती हैं

पाँच आदतें, जिनमें से कोई भी आपके मौजूदा वर्कफ़्लो में सार्थक (meaningful) बाधा (friction) नहीं जोड़ती, जो मिलकर एक रक्षात्मक प्रक्रिया-रिकॉर्ड तैयार करती हैं।

1. ऐसे टूल में ड्राफ्ट करें जो डिफ़ॉल्ट रूप से revision history सुरक्षित रखे। Google Docs या Word में Track Changes ऑन रखें। ऐसे plain text editors में ड्राफ्ट न करें जो history सुरक्षित नहीं रखते; साफ़ (clean) कॉपी में export करके working file को discard न करें। यदि आपका मौजूदा वर्कफ़्लो पहले किसी नोटबुक में ड्राफ्ट बनाना और बाद में टाइप करना शामिल करता है, तो टाइप किया गया संस्करण (typed version) आपका ड्राफ्ट है, इसे सुरक्षित रखें।

2. dated और descriptive नामों के साथ संस्करणों को स्पष्ट रूप से सेव करें। सप्ताह में एक बार, मौजूदा ड्राफ्ट का एक snapshot सेव करें और उसका नाम कुछ ऐसा रखें: "manuscript-2026-07-18-after-methods-rewrite." नामित संस्करण एक नज़र में क्रम (sequence) को पठनीय (legible) बनाते हैं और cloud-storage retention purges से भी बच जाते हैं।

3. मैन्युस्क्रिप्ट के साथ एक लाइन का edit log रखें। उसी फ़ोल्डर में एक plain text फ़ाइल। हर प्रविष्टि एक तारीख (date) और एक वाक्य (sentence) होती है: "2026-07-18: supervisor से मीटिंग के बाद Section 3 की methodology फिर से लिखी।" सप्ताह में पाँच मिनट, और वह सोच (thinking) कैप्चर हो जाती है जो अकेले revision history में स्पष्ट नहीं होती।

4. AI-सहायता प्राप्त edits को tracked-changes pipeline के माध्यम से चलाएँ। यदि आप संपादन में मदद हेतु Claude for Word, ChatGPT या किसी अन्य AI टूल का उपयोग करते हैं, तो काम ऐसे pipeline से करें जो tracked-changes रिकॉर्ड तैयार करे। Claude for Word यह नेटीव तौर पर करता है। हमारा proofreader हर export में यह करता है। वही रिकॉर्ड आगे चलकर disclosure या integrity की किसी भी बातचीत को संभालने (tractable) लायक बनाता है।

5. सहायक (supporting) शोध को archive करें। Reference manager exports, dated फ़ोल्डर में डाउनलोड किए गए PDFs, और स्रोत पेजों के browser bookmarks। शोध-रिकॉर्ड citation रिकॉर्ड को सत्यापित करता है, और citation रिकॉर्ड लेखन-रिकॉर्ड को सत्यापित करता है। हर परत ऊपर वाली परत की रक्षा करती है।

इन पाँच आदतों से, सप्ताह में लगभग 15 मिनट के ओवरहेड के साथ, एक ऐसा प्रक्रिया-रिकॉर्ड बनता है जो भविष्य में किसी भी चुनौती (challenge) को, डिटेक्टर, समीक्षक, या integrity board, के खिलाफ बचाव योग्य बनाता है। AI-tool उपयोग को मैन्युस्क्रिप्ट में स्वयं कैसे दस्तावेज़ित किया जाए, इस व्यापक प्रश्न के लिए, manuscripts हेतु हमारा AI disclosure guide disclosure पक्ष कवर करता है; और यदि स्वच्छ प्रक्रिया होने के बावजूद आपको flagged किया गया है, तो appeal-side में क्या करना है, इसके लिए appeal-letter playbook आपकी प्रतिक्रिया (response) का रास्ता दिखाता है।

संस्थानों, जर्नल और डिटेक्टर विक्रेताओं के लिए इसका क्या अर्थ है

इस बदलाव के संस्थागत (institutional) परिणाम होंगे जिन्हें अगले 18 महीनों में देखा जाएगा।

विश्वविद्यालयों के लिए परिचालन (operational) प्रश्न यह है कि क्या सबमिशन के समय draft history कैप्चर करना अनिवार्य किया जाए, कौन-सा consent फ्रेमवर्क इसे समर्थित करता है, और अनुशासनात्मक प्रक्रियाओं (disciplinary processes) में कैप्चर किए गए साक्ष्य को डिटेक्टर स्कोरों के मुकाबले कैसे तौला जाए। जिन संस्थानों ने इसे ठीक तरह से संभाला, वे ऐसी स्पष्ट नीति (clear policy) प्रकाशित करेंगे जो trusted evidence और कार्रवाई (action) के लिए threshold, दोनों को नाम के साथ परिभाषित करेगी। जो संस्थान हेज करेंगे, उन्हें नियमित रूप से Newby-शैली की अपीलों (appeals) का सामना करना पड़ेगा।

जर्नल्स के लिए प्रश्न यह है कि peer-review वर्कफ़्लो में प्रक्रिया-साक्ष्य को कैसे एकीकृत (integrate) किया जाए, बिना उस friction के, जिसे सिस्टम झेल नहीं सकता। कुछ जर्नल्स मैन्युस्क्रिप्ट के साथ tracked-changes uploads की माँग करेंगे; कुछ disclosure statement में process attestations स्वीकार करेंगे। कुछ जर्नल verification को उन विक्रेताओं (vendors) को आउटसोर्स करेंगे जो publisher-facing tooling बना रहे हैं। जो जर्नल्स पहले आगे बढ़ेंगे, वे de facto मानक (de facto standard) तय करेंगे।

डिटेक्टर विक्रेताओं के लिए यह बदलाव अस्तित्व-सम्बंधी (existential) है। Turnitin की Clarity पिवट (pivot) एक केस स्टडी है: जिस कंपनी ने detection score बनाया था, वही अब प्रक्रिया-रिकॉर्ड को अधिक भरोसेमंद संकेत के रूप में पेश कर रही है। जो विक्रेता उसी पिवट को नहीं करेंगे, वे उन विक्रेताओं को अपने संस्थागत कॉन्ट्रैक्ट्स (institutional contracts) खो देंगे जो करेंगे। detection score गायब नहीं होगा; वह कई संकेतों में से एक बन जाएगा, और किसी भी अच्छी तरह से डिज़ाइन की गई integrity प्रक्रिया (integrity process) में उसका भार (weight) प्रक्रिया-रिकॉर्ड से कम रखा जाएगा। Turnitin Clarity के process forensics पर हमारा नोट बताता है कि प्रोडक्ट वास्तव में क्या करता है और रोलआउट में संस्थान कहाँ बैठते हैं।

इसका सबसे साफ़ निहितार्थ शोधकर्ताओं (researchers) के लिए है। रिकॉर्ड तैयार करने का काम छोटा है। वह बचाव-योग्यता (defensibility) जो यह देता है, बहुत बड़ी है। “डिटेक्टर पास कराएँ” से “प्रक्रिया दस्तावेज़ करें” तक का यह reframe, वही ब्रांड पोज़िशन है जिसे हम साल के बाकी हिस्से में भी बचाव करेंगे।

अक्सर पूछे जाने वाले प्रश्न

प्र. 1: क्या “प्रक्रिया ही नया प्रमाण है” का मतलब यह है कि AI डिटेक्टर हट रहे हैं?

पूरी तरह नहीं। डिटेक्टर एक स्क्रीनिंग (screening) संकेत के रूप में बने रहेंगे, विशेषकर स्नातक (undergraduate) शिक्षण में, जहाँ सबमिशनों की मात्रा के कारण process-evidence review महँगा पड़ जाता है। बदलाव वजन (weight) में है: अच्छी तरह डिज़ाइन किए गए संस्थानों में अब अनुशासनात्मक प्रक्रियाओं (disciplinary processes) के लिए केवल डिटेक्टर स्कोर को मुख्य प्रमाण (main evidence) के रूप में स्वीकार नहीं किया जाता, और Newby v. Adelphi के फैसले ने अदालत में उस स्थिति को औपचारिक (formalized) रूप दे दिया। स्कोर अब अधिक निकट समीक्षा (closer review) के लिए इनपुट बनता है, अंतिम निष्कर्ष (conclusion) नहीं।

प्र. 2: मैं कागज़ पर ड्राफ्ट करता/करती हूँ और बाद में टाइप करता/करती हूँ। क्या मैं प्रक्रिया-साक्ष्य का बचाव खो दूँगा/दूँगी?

पूरी तरह नहीं, लेकिन सुरक्षा (protection) कमजोर होगी। टाइप किया गया संस्करण प्रक्रिया-साक्ष्य के दृष्टिकोण से आपका ड्राफ्ट है; जैसे ही आप टाइप करना शुरू करें, उस दस्तावेज़ को सुरक्षित रखें और उसे revision history जमा करने दें। अपने लिखे नोट्स की फोटो/स्कैन करके और उन छवियों पर तारीख (dating) जोड़कर, एक दूसरी परत (second layer) जोड़ी जा सकती है। दोहरा रिकॉर्ड (handwritten + typed revisions) वास्तव में केवल-typed रिकॉर्ड से अधिक मज़बूत होता है, क्योंकि handwritten परत को पीछे से (retroactively) बनाना कठिन होता है।

प्र. 3: अगर मेरा संस्थान tracked changes को प्रमाण के रूप में स्वीकार नहीं करता?

FERPA अनुरोध (U.S. में; यू.के. के Data Protection Act 2018 और कहीं और EU GDPR Article 15 के समकक्ष) दायर करें ताकि अपना पूरा रिकॉर्ड प्राप्त हो सके। संस्था ने औपचारिक रूप से उस फॉर्मेट को स्वीकार किया हो या नहीं, फिर भी किसी भी अपील (appeal) के साथ tracked changes जमा करें। Newby फैसले ने स्थापित किया कि इस साक्ष्य (evidence) पर विचार करने के लिए स्पष्ट प्रक्रिया का अभाव खुद एक procedural issue है। संस्थान जवाब में अपनी नीतियाँ अपडेट कर रहे हैं, और रिकॉर्ड को सक्रिय रूप से (proactively) देना उस दबाव (pressure) का हिस्सा है जो अपडेट को आगे बढ़ाता है।

प्र. 4: क्या मुझे अपने खुद के ड्राफ्टिंग के लिए Track Changes ऑन कर देना चाहिए, भले ही मैं एकमात्र लेखक/लेखिका हूँ?

हमारे अनुभव में हाँ, और यही वह workflow बदलाव है जिससे अधिकांश शोधकर्ता सबसे अधिक लाभ उठाते हैं। हर दस्तावेज़ (document) के शुरू से Track Changes ऑन रखने पर आपको बिना किसी अतिरिक्त अनुशासन (discipline) के पूरा edit रिकॉर्ड मिल जाता है। सामान्य ड्राफ्टिंग के लिए markup view छिपा सकते हैं (Review tab फिर Display for Review फिर No Markup), लेकिन underlying record को यथास्थान (in place) रहने दें और जरूरत पड़ने पर tracked-changes संस्करण export कर लें। friction कम है और सुरक्षा वास्तविक (real) है।

प्र. 5: क्या यह अमेरिका के बाहर भी लागू होता है, जहाँ Newby बाइंडिंग precedent नहीं है?

हाँ, दो कारणों से। पहला, Turnitin Clarity का रोलआउट, Claude for Word, और जर्नल-नीति (journal-policy) में बदलाव, ये सभी वैश्विक (global) हैं, क्षेत्राधिकार (jurisdiction)-विशिष्ट नहीं; trusted-evidence वाला यह बदलाव इस बात पर निर्भर किए बिना आगे बढ़ रहा है कि आप कहाँ सबमिट करते हैं। दूसरा, Newby की reasoning पोर्टेबल (portable) है: यू.के., ऑस्ट्रेलिया, कनाडा, भारत, और E.U. में अदालतें और इंटीग्रिटी बोर्ड इस तर्क पर संलग्न (engaged) हुए हैं कि केवल डिटेक्टर स्कोर, “प्राबल्य” (preponderance of evidence) नहीं बनाते। इसे जहाँ यह प्रेरक (persuasive) तो है, पर बाइंडिंग नहीं, वहाँ भी केस को स्पष्ट रूप से cite करें; reasoning अच्छी तरह “यात्रा” करती है।

Process-is-Proof Era के लिए बना प्रूफरीडर

हर संपादन पर ट्रैक्ड-चेंजेस निर्यात। टूल और संस्करण स्वचालित रूप से कैप्चर किए जाते हैं। वही रिकॉर्ड जिस पर आपका संपादक, समीक्षक, या इंटीग्रिटी बोर्ड भरोसा करेगा।