Miért jelölik az AI-ellenőrzők a nem anyanyelvi írókat (téves pozitív eredmények)?

Ön minden egyes szót megírt a dolgozatában. Forrásokat hivatkozott, kétszer átdolgozta, majd jó lelkiismerettel benyújtotta. A jelentés aztán úgy jött vissza, hogy az anyag valószínűleg mesterséges intelligenciával készült, és most kétségbeesetten próbálja cáfolni a saját írásáról szóló állítást. Ha az angol az ön második nyelve, ez nem rossz szerencse. Egy dokumentált mintázatról van szó.

És itt a kényelmetlen igazság: az AI-detektor téves pozitív eredménye sokkal nagyobb eséllyel ér el nem anyanyelvi angol szerzőt, mint anyanyelvit. Nem azért, mert a nem anyanyelvi írás rosszabb. Hanem mert ezek az eszközök a nyelv statisztikai „textúráját” mérik: a gondosan megírt, második nyelven íródó szövegek olyan jellemzőket is hordoznak, amelyek átfedésben vannak azokkal a gépszöveg-tulajdonságokkal, amelyekre a detektorokat betanították.

Ez nem „periférikus” panasz a frusztrált diákok körében. Peer-reviewed kutatás eredménye, ezért több jelentős egyetem visszavonta ezeket az eszközöket, és ezért kezdték a bíróságok és az adminisztrátorok a detektorok kimenetét tényleges körültekintéssel kezelni. Pontosan ez derül ki az evidenciákból, és ez az, amit tenni kell, ha a detektor téved.

Mit talált a Stanford-tanulmány a detektorok elfogultságáról

A legerősebb bizonyíték egy 2023-as tanulmány, amelyet Liang és munkatársai készítettek a Stanfordon. A Cell Press folyóiratban jelent meg, a Patterns címmel, és már a címben egyértelműen kimondja: "GPT-detektorok elfogultak a nem anyanyelvi angol írókkal szemben."

A kutatók hét, széles körben használt detektoron futtattak dolgozatokat. A nem anyanyelvi angol beszélők által írt esszék esetében – amelyeket a TOEFL-korpuszából vettek – a detektorok átlagosan körülbelül 61%-át jelölték AI-generáltnak. Az anyanyelvi angol írók esszéi esetén a téves pozitív arány nagyjából 5% volt. A nem anyanyelvi esszék közel egyötöde – mintegy 19,8% – pedig minden detektor által egyhangúan AI-ként lett megjelölve a tesztben. Minden esetben emberi esszékről volt szó.

A mechanizmus a legérdekesebb rész, mert megmagyarázza, miért „beépített” az elfogultság, és miért nem véletlen. Sok detektor egy perplexity-nek nevezett jelre támaszkodik, amely azt méri, mennyire meglepőek (vagyis mennyire „szokatlanok”) a nyelvi modell szemszögéből a szöveg szóválasztásai. A sok közönséges szó és kiszámítható megfogalmazás alacsony perplexity-t eredményez, és az alacsony perplexity-t a detektor gépiesnek olvassa. A második nyelven írók gyakran szűkebb, konvencionálisabb szókincset használnak – nem azért, mert az ötleteik egyszerűek, hanem mert olyan nyelven írnak, amely nem az első nyelvük, és ennek megfelelően óvatosan fogalmaznak. A detektor a sima felületet látja, és mesterségesnek címkézi.

Ez a méltányossági probléma lényege. Azok a szokások, amelyek a gondosan megírt második nyelvű prózát érthetővé és helyessé teszik, pontosan azok, amelyekre ezek az eszközök „büntetni” vannak felépítve.

Miért vált ki a nem anyanyelvi írás AI-detektor téves pozitív eredményt

Érdemes elidőzni azon, hogy miért történik ez, mert ha megértjük, valamelyest csökken a rossz jelölés „csípése”.

Ha egy anyanyelvi beszélő gyorsan ír, akkor szétszóródnak a köznyelvi fordulatok, az szokatlan szóválasztások, a furcsa ritmusok és az alkalmi nyelvtani rövidítések is. Ez az előre nem láthatóság magas perplexity-ként jelenik meg, és emberinek olvassa a detektor. Egy nem anyanyelvi író – vagy nyíltan: bármely fegyelmezett akadémiai író – általában a pontos, standard szerkezeteket és a kontrollált szókincset részesíti előnyben. A nagy nyelvi modellek is ezeket részesítik előnyben: a pontos, standard szerkezeteket és a kontrollált szókincset. A detektor nem tud különbséget tenni egy gondosan megírt emberi szöveg és egy gondosan megírt „gép” között, mert a konkrét tengelyen, amelyet mér, hasonlóan néznek ki.

Semmi ilyesmi nem jelenti azt, hogy az írás minősége alacsonyabb. A világosság erény az akadémiai prózában, nem hiba. Csupán annyit jelent, hogy a detektor a rossz dolgot méri, és ebből magabiztos következtetést von le.

Ez a magabiztosság a veszély. Az a rendszer, amely egy „tiszta” százalékot ad vissza, tekintélyt sugall, akkor is, ha a szám egy olyan jelzésen alapul, amely szisztematikusan hátrányosan érint egy teljes, valódi szerzőkből álló csoportot.

Egyetemek, amelyek visszaléptek az AI-detektoroktól

Az intézmények hamar észlelték a problémát, és több lépést is tettek.

2023 augusztusában a Vanderbilt University letiltotta a Turnitin AI-detektorát, és szokatlanul részletes magyarázatot adott a döntésre. Megjegyezte, hogy az egy körülbelül 1%-os téves pozitív arányra vonatkozó állítás – az egész dolgozatot tekintve – nem lenne jelentős, mivel évente mintegy 75 000 beküldés érkezik, ugyanakkor kimutatták, hogy a rendszer elfogult eredményeket produkál a nem anyanyelvi angol írókkal szemben, és az eljárásai átláthatatlanok. Emiatt körülbelül 750 dolgozat kerülhet tévesen megjelölésre. Hasonló lépéseket tett a Michigan State, az Austin-i Texas Egyetem, a Northwestern és a Pittsburgh Egyetem. A Southern Methodist University 2023 decemberében lépett vissza, és a University of Waterloo 2025 szeptemberében követte, miután megállapította: az ember által írt szöveg „teljesen AI-ként” kapott pontszámot.

A Turnitin iránymutatása szintén óvatos. Az AI-indikátora 1–19% közötti számokat „lejjebb” értékel, és csillaggal jelöli az értéket a szám helyett, mivel a téves pozitív eredmények gyakoribbak a skála alsó tartományában. Emellett kifejezetten figyelmeztet, hogy a pontszámot ne használják önmagában az akadémiai integritással kapcsolatos döntések meghozatalára. Ez egy olyan „forgalmazói” üzenet, amely azt mondja az intézményeknek, hogy ne tekintsék a saját kimenetét bizonyítéknak – ez erős jelzés arra, hogy egyetlen szám mennyire kevés súlyt érdemel.

Ha az ön iskolája továbbra is használja ezeket az eszközöket, az nem indok a pánikra. Arra viszont igen, hogy ismerje a jogait, és őrizze meg az anyagát – amit lentebb részletesen is tárgyalunk.

Valós ügyek, egyszerűen tálalva

Néhány vita bekerült a hírekbe, és érdemes pontosan megérteni őket, mert a részletek számítanak, a címsorok pedig gyakran elmosnak mindent.

Orion Newby, az Adelphi University hallgatója esetében például egy hallgatói esszét teljes mértékben AI-generáltnak jelöltek. Egy szövetségi bíró megvizsgálta az ügyet, és úgy találta, hogy az eredmény "megalapozatlan", ezért elrendelte a hallgató nyilvántartásából való eltávolítását – ahogy 2026 februárjában beszámoltak róla. Szétszedjük, hogy ez a határozat mit állapított meg és mit nem állapított meg a Newby v. Adelphi határozatban. A UC Davis-nél William Quartermant a GPTZero jelölte, majd a Google Dokumentumok verzióelőzményeinek segítségével tisztázta magát; ezek azt mutatták, hogy az esszé időben fokozatosan készült el. Ez adminisztratív rendezés volt, nem per.

Egy pontot egyenesen ki kell mondani, mert számos online összefoglaló elhibázza. Ezek közül az eredmények közül egyik sem volt jogi ítélet a Turnitin cég ellen, és az érintett hallgatók egyike sem "perelte a Turnitint és nyert". A viták az iskolákkal folytak arról, hogyan használták fel a jelölést, és a tanulság a folyamatról és a bizonyítékokról szól, nem arról, hogy egy detektor-szolgáltató bíróságon alulmaradt. Ha pontosan fogalmazunk, az egyik legfontosabb következtetés bátorító: egy detektor pontszáma állítás, nem ítélet, és a legitim szerzők sikeresen vitatták.

Mit tegyen, ha hibásan jelölték

Ha egy detektor olyan munkát jelöl, amit ön írt, a helyzet rendezhető, és azok a szerzők, akik jól megoldják, jellemzően ugyanazt a néhány dolgot teszik.

Őrizze meg a vázlatait és a verzióelőzményeit. A Google Docs és a Word is követi a szerkesztést időben, és ez az idővonal az egyik legmeggyőzőbb bizonyíték, amit fel tud mutatni – pontosan úgy, ahogy a UC Davis-esetben is történt. Kérdezze meg udvariasan, milyen pontszám indította a jelölést, és a bíráló hogyan értelmezi azt, hiszen egy elnyomott vagy határeset érték gyenge alap bármilyen döntéshez. Ha írásban kell felépítenie a méltányossági érvet, hivatkozzon a fenti kutatásra és intézményi óvatosságra. Lépésről lépésre szóló útmutatónk arról, hogyan fellebbezzen egy téves AI-detektálás-jelölés ellen, végigvezeti az egész folyamaton.

A jövőben nem az a cél, hogy „becsapja” az eszközt. Hanem hogy olyan magabiztos, természetes angol szöveget írjon, amelynél az ön gondosan megírt mondatait kevésbé valószínű, hogy félreolvassák – továbbá hogy minden AI-támogatást úgy tárjon fel, ahogy azt az intézménye megköveteli. Az AI-szöveg humanizálója pontosan erre készült, és ha angolul mint második nyelven ír, a AI humanizer for ESL researchers című, erre specializált útmutatónk részletesebben ismerteti a munkafolyamatot. A cél méltányosság a már elkészített munkájával kapcsolatban, nem álcázás.

Előtte és utána: a detektort „megtévesztő” lapos textúra javítása

A teória akkor könnyebb, ha egy valódi bekezdésen látja. Íme egy eredményrészlet, amelyet egy ESL-kutató AI-asszisztenssel úgy írt, hogy simább legyen az angolja. Tisztán hangzik, mégis jelölte egy detektor.

Előtte (valószínű AI-ként jelölve):

"The results demonstrate that the intervention significantly reduced recovery time by 27% across all cohorts (Chen et al., 2021). This substantial improvement clearly highlights the effectiveness of the proposed approach. The findings confirm the hypothesis and underscore the importance of early intervention."

Három mondat, szinte azonos hosszban: minden tagmondat ugyanazzal a tempóval halad. A szókincs biztonságos és kiszámítható. Pont ez az egyenletesség az, amit a detektor alacsony perplexity-ként és alacsony burstiness-ként olvas, és ugyanaz a textúra, amely sok valódi nem anyanyelvi írást is zászlóz.

Utána (a szerző hangján szerkesztve):

"Recovery time fell by 27% across the three cohorts (Chen et al., 2021), a bigger drop than we had expected (n = 214). The effect held, though it was weaker in the oldest group. That pattern points to a real benefit from early intervention, but with a sample this size we would not push the claim further than the data allows."

Olvassa őket egymás után, és a második egy olyan ember hangjaként szól, aki tényleg elvégezte a munkát.

Mi változott, és miért számít. Minden „teherhordó” tényt meghagytunk: a 27%-os adatot, a (Chen et al., 2021) hivatkozást, a kohorszok számát és a mintanagyságot. A bizonyíték semmit sem mozdult el. Amit hozzáadtunk, az a változatosság. A mondathosszak most hosszútól rövidig, majd megint hosszúig váltanak, ami növeli a burstiness-t. A szóválasztások kevésbé kiszámíthatóak, ami növeli a perplexity-t. A visszafogást is visszatettük: "points to," és "we would not push the claim further." Az AI-tervezetek kiveszik ezt az óvatosságot, és a túlsimító eszközök is – ezért sodródhat a jól megmunkált nem anyanyelvi angol az AI-profil felé.

Ez egyben minőségi szerkesztés is, nem trükk. Az „utána” verzió mértéktartóbb, megalapozottabb állítást tesz, mint az „előtte”, amely túllőtt a "demonstrate" és a "confirm the hypothesis" kifejezésekkel. Ezért mondjuk ezt újra és újra: az a szerkesztés, amely csökkenti a téves jelölés kockázatát, általában ugyanaz a szerkesztés, amely át is menne a szakmai lektoráláson. Egy academic humanizer képes elvégezni az első körös munkát úgy, hogy megvédje az idézeteit és az adatait, de a továbbiakban minden soron végig kell mennie.

Egy óvatossági megjegyzés. Egyetlen szerkesztés nem garantál tiszta pontszámot, és a detektorok folyamatosan változnak (a Turnitin 2025 augusztusában humanizáló detektálást adott hozzá). Olyan írást célozzon, amely a saját gondolkodását tükrözi, értse meg, mit mér a perplexity, és az AI-támogatást a folyóirata vagy egyeteme szabályzata szerint tárja fel.

Gyakran ismételt kérdések

K: Miért jelölik az AI-detektorok a nem anyanyelvi angol írókat?

A legtöbb detektor azt méri, mennyire kiszámítható egy szöveg szóválasztása. A gondosan megírt második nyelvű írás gyakran olyan közkeletű, standard szókincset használ, amelyet alacsony perplexity-ként olvas. Ez az „statisztikai simaság” gépiesnek hat az eszköznek, ezért az AI-detektor téves pozitív eredményt ad akkor is, ha a dolgozat minden egyes szavát egy ember írta. Az elfogultság beépül abba, amit a detektor mér, nem pedig abba, hogy milyen minőségű az írás.

K: Mit talált a Stanford-tanulmány a detektorok elfogultságáról?

A Patterns című folyóiratban megjelent 2023-as Stanford-tanulmány hét detektort tesztelt. Azt találta, hogy a detektorok a nem anyanyelvi TOEFL-esszék nagyjából 61%-át AI-ként jelölték, míg az anyanyelvi írók esetében ez kb. 5% volt. A nem anyanyelvi esszék közel 20%-át pedig minden detektor egyhangúan tévesztette meg. Az összes esszét emberek írták.

K: Mit tegyek, ha tévesen AI-ként jelöltek?

Őrizze meg a dolgozatának előzményeit a Google Docsból vagy a Wordből, mert a látható szerkesztési idővonal az legerősebb bizonyíték, amivel rendelkezik. Kérdezze meg, milyen pontszám váltotta ki a jelölést, hivatkozzon az AI téves pozitív találataira vonatkozó kutatásra, és kövesse a fellebbezési folyamatot. Egy detektor pontszáma olyan állítás, amit vitathat; nem végleges ítélet.

K: Leálltak az egyetemek az AI-detektorok használatával?

Többen korlátozták vagy letiltották őket. A Vanderbilt 2023-ban letiltotta a Turnitin AI-detektorát téves pozitív eredmények és elfogultsági aggályok miatt, és hasonló lépést tett a Michigan State, az UT Austin, a Northwestern, Pittsburgh, az SMU és a Waterloo is. Sok intézmény, amely továbbra is használ detektorokat, a pontszámot most már egyetlen jelként kezeli, nem pedig bizonyítékként.

K: A legegyszerűbb angol használata növeli annak kockázatát, hogy AI-ként jelölnek?

Bizonyos mértékig igen. A detektorok a egyszerűbb, kiszámíthatóbb szókincset alacsony perplexity-ként olvassák, ugyanazt a statisztikai jelet, amelyet az AI-hoz társítanak – ezért az érthető ESL-írás gyakran eredményez téves pozitív találatokat. A megoldás nem az, hogy mesterségesen „felpumpálja” a szókincsét, hanem hogy visszaállítsa a természetes mondatváltozatosságot, a saját visszafogását és a saját hangját.

K: Javíthatok egy téves AI-jelölést a saját írásom szerkesztésével is, humanizáló használata nélkül?

Gyakran igen. Ha hangosan elolvassa a szövegét, változtatja a mondathosszokat, és visszateszi azt a korlátot, amit valóban ért, akkor nő a burstiness, és a szöveg jobban úgy hangzik majd, mintha ön írta volna. Egy eszköz fel tud gyorsítani az első körös munkán, de a cél a valódi hang, és az AI-támogatást továbbra is fel kell tárnia a folyóirata vagy az egyetemi szabályzat szerint.

ESL írók számára készült szövegemberesítő

Írjon világos, természetes akadémiai angolul, és csökkentse azokat a gyakori téves riasztásokat, amelyek a legnehezebben sújtják a nem anyanyelvi írókat, a jelentés és az idézetek megőrzésével.