ESL研究者のためのAI検出異議申立て（アピール）レター・テンプレート

私たちのPhD学生の一人（2年目）が、イラン人の計算生物学者であるのですが、学位論文の一章を書き、それを金曜の午後に指導教員へ送っていました。ところが月曜の朝、所属学部のアカデミック・インテグリティ担当部署に呼び出されます。TurnitinのAI検出が、その章の89%をAIによって生成されたものとしてフラグを立てたのです。こうした事例こそ、本記事で「AI検出の誤検知に対する異議申立てレター・テンプレート」を作った理由です。彼女はChatGPTやClaude、その他のモデルを一切使用していませんでした。4か月かけて、一語ずつ自分で書いたのです。編集履歴についても、Google Docで1,400回の「表示可能な改訂保存」を記録していました。6週間後、彼女は異議申立てに勝ちました。

この件で決定的だったのは、2023年のスタンフォード研究です。7つの主要なAI検出器が、非ネイティブ英語話者が書いたTOEFLエッセイの61.3%を誤ってAI生成だとフラグ付けしていた一方、同じライティング・プロンプトで書かれたネイティブ英語話者のエッセイではほぼゼロだった、という結果が示されています。検出器は彼女の文章をフラグしませんでした。フラグしたのは、彼女のESL文体パターンでした。

私たちは、2024年初頭から2026年中旬までに、ESLの「誤検知」異議申立てを41件扱ってきました。この傾向は研究者のケースでも概ね当てはまるようです。良いプロセスを示し、検出器が検証済みであることを裏づける一定の根拠を添えて、説得力のある異議申立てレターを書ければ、コース単位では約60%の確率で勝てる見込みが高く、内部の異議申立てではさらに高くなる可能性があります。

状況が変わったのは2026年2月です。ニューヨークの裁判所が、Adelphi University の判断を Newby v. Adelphi で覆しました。AI検出に基づく懲戒に対して、最初の主要な先例となったのはこの判断です。Newbyの裁判で勝ったのと同じ論拠が、今ではそれを用いるすべての内部異議申立てを強化します。

本記事では、テンプレートと防御のための実務手順をまとめています。ESL研究者が不釣り合いにフラグされる理由、異議申立てで一貫して勝てる証拠、実際にクライアントで機能した「コピペ可能なAI検出誤検知異議申立てレター・テンプレート」、2026年版を強くするNewby対応の追記、そしてエスカレーションのタイミングを扱います。もしすでにフラグされていて、今後48時間以内に異議申立てレターを書く必要があるなら、テンプレートのセクションへ進んでください。以下のコンテキスト・セクションには、添付すべき根拠の材料を載せています。

AI検出の誤検知に対する異議申立てレター・テンプレートは本当に機能するのか？

はい。私たちの41件のESL誤検知異議申立てのログに基づくと、研究者は「完全なプロセス記録」と「スタンフォードの61.3%の誤検知（false-positive）発見」、さらに米国では「Newby v. Adelphi」の先例を組み合わせることで、コース単位の異議申立てで概ね60%の確率、内部の異議申立てではそれ以上の頻度で勝訴しています。以下のコピペ可能なテンプレートには、正確な構造、2026年向けのNewby対応の追記3点、そしてそれに添えて提出するFERPAの要求文を含めています。

なぜAI検出器はESL研究者を誤検知（false positive）としてフラグするのか？

その仕組みは文書化されており、裁判で争っても通るほど理解されています。AI検出器は、機械出力と相関する2つの統計的特徴を探します。すなわち、低いパープレキシティ（前の語までを前提に次の語がどれだけ予測しやすいか）と、低いバースティネス（文章の長さや構造が、パッセージ内でどれくらい変化するか）です。

ESLの執筆者（とりわけ、自国でフォーマルな学術英語に関する正式なトレーニングを受けた人）は、これら2つの指標の両方で低いスコアになりやすいレジスターで書きます。短く制御された文。限定的な接続語彙（"however," "therefore," "in addition"）。段落間で一貫したレジスター。段落内での並列構造。これらは、ESLの明示的な指導が評価する特徴でもあります。同時に、検出器が「機械的」とコード化する特徴でもあるのです。

スタンフォード2023年の研究（Liang, Yuksekgonul, and Zou。Cell Patterns掲載）は、TOEFLエッセイのサンプルに対して7つの主要AI検出器を試験しました。61.3%のエッセイが、通常の閾値（conventional thresholds）で、少なくとも1つの検出器により誤ってAI生成としてフラグされました。97.8%のエッセイは、許容的な閾値（permissive threshold）で、少なくとも1つの検出器によりフラグされています。同一プロンプトに基づくネイティブ英語のエッセイは、ほぼゼロの率でフラグされました。その後、この結果は複数の研究グループによって再現・精緻化されています。

制度上の帰結は一様ではありません。いくつかの大学は、検出器スコア以外の裏づけ証拠を要求するようにポリシーを更新しています。特に2026年2月の Newby v. Adelphi の判断によって、Adelphi自身のTurnitin検証データでESLの誤検知率が28%であることが露わになった後です。いっぽうで、依然として「80%以上の検出スコア」は実質的に決定的だとみなしているところもあります。

あなたがESL研究者で、すでにフラグされているなら、gptzero false positive esl pattern は、あなたのケースを文脈化するために役立つ、文書化された記録です。

あなたがAIを使っていないことは、どう証明するのか？

私たちのログでは、成功した異議申立ての約90%に、3つのカテゴリーの証拠が現れます。レターを書く前に、それぞれを組み立てましょう。

プロセスの証拠。 レター作成のためにあなたが行った作業で、あなたが使用したツールによって自動的に記録されるものです。Google Docsのバージョン履歴（File → Version history → See version history）。WordのAutoRecoverファイルと、埋め込まれた改訂メタデータ。OneDriveのアクティビティログ。ブラウザで調べた場合は、ブラウザタブの履歴。参考文献管理ツールのスナップショット（Zoteroは、各引用がいつ追加されたかを示します）。スクリーンショットとログのエクスポートは早めに行ってください。いくつかのプラットフォームでは、古いデータがスケジュールで消去されることがあります。

比較用の執筆サンプル。 同じコースの前の提出物、または別のコースの提出物、あるいは出版された業績などから得られる、過去の文章の代表的なサンプルです。3〜5本あれば十分です。狙いは、フラグされた文書の文体パターンが、あなたの通常のパターンと一致することを示すことです。言語があなたの他の作品と同じように読めるなら、検出器がフラグしたのはAI利用ではなく、あなたの言語的プロフィールそのものだということになります。

検出器の検証データ。 あなたの大学が使用している検出器についての、制度としての検証レポート。とりわけESL特有の誤検知率に注意を向けます。2023年のスタンフォードの61.3%という発見が出発点です。Newby v. Adelphi の発見資料は、ある大学でのTurnitinの制度的な取込（intake）において、28%のESL誤検知率があることを示しました。ベンダーが公表する精度（precision）率は通常、ネイティブ英語テキストで計算されており、ESLには一般化できません。

（任意だが価値が大きい）第4のカテゴリ。 あなたの文体パターンを証言できる、ライティング指導者からの短い手紙、ライティングセンターのチューター、あるいは研究グループのシニア・メンバーからのレターです。成功に必須ではありませんが、含めると説得力が高まります。

AI検出の誤検知に対する異議申立てレター・テンプレート

以下は、レターのひな形（アウトライン）です。このアウトラインは、アカデミック・インテグリティ委員会がレターで目にしたい内容と対応しています。角かっこ［ ］で示した箇所は、自分の状況に合わせて調整してください。レターの長さは、単一間隔の本文2ページまでに制限します。それ以上になると、読者の注意を失うリスクがあります。

[Date]

学術的誠実性に関する判断への異議申し立てについて、[CASE NUMBER] 件、[Course name and number, OR thesis chapter title] 提出日：[DATE] 検出スコアの報告：[PERCENTAGE]、[DETECTOR NAME and VERSION]

Dear [Recipient name],

[DATE] 付で発出された、上記の提出に関連する学術的完全性（academic integrity）に関する判断について、正式に異議を申し立てます。 当該判断は、[DETECTOR NAME] による単一の AI 検知スコアに基づいています。私は、本提出物の作成にあたり、いかなる形の生成型人工知能も使用していません。下記の理由により、当該判断を取り消していただきますよう、敬意をもってお願い申し上げます。

1. Factual response to the finding

[START DATE] から [SUBMISSION DATE] までの間に、[TOOL, 例: Google Docs] で提出原稿を作成しました。作成は反復的に行い、[N] 回のセッションを [N] 日間にわたって実施し、[N] 回の可視の改訂保存が行われました。私はいかなる段階でも ChatGPT、Claude、Gemini、DeepSeek、またはその他の大規模言語モデルを使用しませんでした。AI パラフレーズ（言い換え）やヒューマナイザーも使用していません。[LIST: 例: 参考文献には Zotero を使用、該当する場合はスペルのために Grammarly の無料版を使用] を使用しました。これらはいずれも、所属機関のポリシー上の生成的 AI には該当しません。

2. Evidence of authorship

I attach the following documentation as evidence:

Show A: 提出物の Google Docs バージョン履歴を [DATE] にエクスポートしたものです。[N] 回のセッションに対して [N] 件の改訂があることが示され、タイムスタンプと編集内容を確認できます。

例B：[COURSE / THESIS / PUBLISHED WORK] からの、3つの過去のライティング課題のサンプル。これらの文書における文章パターンは、指摘された提出物のパターンと一致しています。

C：非ネイティブ英語話者のライターにおけるデテクタの誤検出率（false-positive rates）に関する、公表されたエビデンスの要約。これには、2023年のスタンフォード研究（Liang, Yuksekgonul, and Zou, Cell Patterns）が含まれており、非ネイティブ英語話者によるTOEFLの英作文に対して、7つの主要なAIデテクタで61.3％の誤検出率が見られた一方、ネイティブ英語話者のサンプルではほぼゼロだったという結果を示している。

Dを示してください：[任意] 私の文章のパターンを裏づける、[ライティングセンターテューター／シニア・リサーチャー／指導教員]による推薦（サポート）レター。

3. Detector validation

誠に恐縮ですが、当該機関には、非ネイティブ英語話者の執筆者を含むテスト対象母集団について、[DETECTOR VENDOR] からの検証レポートを作成して提出するよう求めます。Newby v. Adelphi（ニューヨーク、2026年2月）では、学生の言語的プロフィールに関する検証エビデンスがないまま、検出器のスコアだけに基づいて行われた学術的誠実性に関する認定は、証拠の優越（preponderance of evidence）基準を満たしません。本件について、私は当該機関が、私の事案で用いられた検出器およびしきい値について、ESL（英語を第二言語とする学習者）に特化した検証データを提示できないのではないかと考えています。当該機関が、私の事案で用いられた検出器およびしきい値についてESLに特化した検証データを提示できない場合、その認定は、当該検出器ベンダーが私の母集団に対して検証していない手法に依拠していることになります。

4. Requested remedy

学術的誠実性に関する認定を取り消し、記録を抹消していただくよう、敬意をもって要請いたします。事務局が適切と考える追加の審理または証拠に関する見直しについては対応可能であり、当該機関の学術的誠実性ポリシーに一致するいかなる手続きにも全面的に協力いたします。

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)

構成は意図的にフォーマルです。アカデミック・インテグリティ委員会は、多くの感情的な手紙を読みます。このテンプレートの、落ち着いた根拠提示（evidentiary）のトーンそのものが、信頼性のシグナルになります。謝罪しないでください。検出器ベンダーについて論評しないでください。指導教員の動機について推測もしないでください。

2026年版：Newbyを踏まえた追記

2026年2月の Newby v. Adelphi の判断によって、米国における内部異議申立てを強化し、他の地域でも説得力のある議論が生まれました。標準のレターテンプレートに加えるべき追記は3点あります。

セクション3にNewbyを引用する。 上記テンプレートのセクション3は、たとえば次のように読めるはずです。ここで最低限必要なのはNewbyへの参照です。管轄がニューヨークであれば、Newbyを拘束力のある州裁判所の先例として引用できます。米国の他のどこかであれば、検出器の証拠に関する手続きの公正性について、説得力のある（persuasive authority）根拠として引用可能です。米国の外では、検出器のみの認定が、司法的に見られて退けられた比較的な証拠として引用できます。

制度の検証データを要求する。 Newbyは、アカデミック・インテグリティの認定を守る側の制度は、検出器ベンダーの検証レポートを提出するよう求められ得ることを示しました。異議申立てレター内で、書面でその要求を行ってください。ほとんどの制度は、要求に応じてESL特有の検証データを提供できません。提供されないこと自体が、あなたのケースにとっての証拠になります。

草稿履歴の欠如を、正しく位置づける。 Newbyはとりわけ、Adelphiが、草稿履歴の欠如に基づいて結論した点を指摘しました。草稿履歴が不要だった投稿ポータルにおいて、そのような欠如を根拠にしたのです。あなたの投稿ポータルが改訂履歴を取得しない仕様なら、それはあなたに不利な証拠ではなく、制度側の設計上の選択です。この論点に関して、レターが「no draft history（草稿履歴なし）」に言及した認定への応答である場合は、この点を明示的にNewbyで引用してください。

Newbyの裁判がどのように勝ち取られたのか、またそれが何を、何を拘束しないのかについてのより広い背景は、当社の general appeal-letter playbook を参照してください。このページは本記事よりも、手続き面をより深く扱っています。

異議申立てでやってはいけないこと

私たちのログで、「勝てそうだったのに負けた」ケースに共通するミスです。

謝らないこと。 自分がしていないことについて謝罪すると、部分的な認め（partial admission）として読まれます。上記テンプレートは、意図的に後悔を表す表現を省いています。交渉ではなく、認定への異議申立てです。

検出器ベンダーを攻撃しないこと。 「GPTZeroは信頼できない」や「Turnitinは偏っている」は、防御的に聞こえ、重みが減ります。Show Cの証拠が仕事をするに任せてください。検出器を、特定の用途において既知の欠点を持つ「ツール」として提示しましょう。攻撃の「標的」にしないことです。

異議申立てにAI生成テキストを提出しないこと。 これは明白に聞こえるかもしれません。ですが、期限に追われて、ChatGPTで異議申立てレターを書かせて提出した研究者を私たちは知っています。さらに、一部のアカデミック・インテグリティ担当部署では、問題となった提出物を特定したのと同じ検出器で、異議申立てレター自体を通していることがあります。自分自身で異議申立てを書いてください。

過剰に文書化しないこと。 これまでに送ったメールすべての25ページは、絶望の表れです。上記テンプレートは、2〜3ページのレターと、3〜4つの提出物（exhibits）を提示します。適切な分量です。

FERPAの要求を飛ばさないこと。 米国ではFERPAにより、自分の教育記録を閲覧する権利が得られます。これには、検出器レポートやケースに関する通信が含まれます。FERPAの要求を異議申立てレターと一緒に提出してください。米国以外では、同等の手続き（英国の2018年データ保護法、EUのGDPR第15条に基づくアクセス権など、類似したもの）でも同じ効果があります。あなたの所属機関は、まだ証拠を正式に整理できていない可能性があります。彼らの手続きに対して、自分の要求を中心に据えることが大切です。

草稿を削除しないこと。 一度ケースが開かれると、あなたの草稿やバージョン履歴は証拠になります。可能であれば保存してください。古いバージョンを削除してしまうツールを使っている場合は、今すぐエクスポートしてください。

エスカレーションのタイミング

多くの異議申立ては、コースまたは学部（department）レベルで解決します。しかし中にはエスカレーションが必要です。

制度の異議申立て委員会（institutional appeal board）へ。 コースレベルの判断が不利で、強い証拠がある場合、ほとんどの制度では、外部の選択肢に進む前に内部の異議申立てを尽くすよう求められます。同じテンプレートを使い、制度側の応答とあなたの反論を加えて拡張してください。

制度のオンブズマンへ。 並行手続であり、代替ではありません。オンブズマンは、異議申立て委員会が取り上げない手続上の失敗を記録に残せます。勝った場合にも有用です。記録は制度改革に寄与するからです。

学生またはスタッフの法律サービス窓口へ。 大学の多くには学生向けの無料法律サービスがあります。スタッフやポスドク向けにも並行するリソースを持つ場合があります。学位の取り消し、ビザ状況（留学生・研究者）、または恒久的な成績証明書への注記に関わるケースでは、このエスカレーションが適切です。Newbyは、AI検出ケースに特化する少数の弁護士の存在を生み出しました。

外部の法的代理人（legal counsel）へ。 必要になることは稀ですが、制度手続きが失敗しており、影響が大きい場合には適切です。Newby一家は、Adelphiに対する防御に6桁（figures）を費やしました。ほとんどのESL研究者の異議申立ては、ここまでのエスカレーションを要せず、証拠がよく整理されていれば内部レベルで有利に解決します。

プレス（報道）への働きかけは、最後の手段としてのみ。 公的な注目によって解決したケースもありますが、その一方で制度側の負担と、認定を静かに撤回することの難しさも増します。内部エスカレーションを尽くしたうえで、帰結が深刻なケースに限定してください。

ここまでの議論に共通する補助的な問いは「予防」です。いったんフラグされてしまった場合でも、誤検知を破る表面のバリエーションは、今後の草稿作成に実際に役立ちます。レジスターを変えず、引用を壊さずに、そのバリエーションを追加する最もきれいな方法は citation-aware humanizer です。breaking academic tone せずにAIに近いテキストをHumanizeする手順についての解説も、こちらで確認できます。関連する懸念として、あなたが実際に使ったAIツールについて、あなたの出版物が何を開示する必要があるか、という点があります。これは、manuscripts 向けのAI開示ガイドで扱っています。

よくある質問

Q: 私がESL研究者で検出器スコアが高い場合、異議申立てはどのくらい成功しやすいですか？

ケース記録に良いプロセスがあるESL研究者の異議申立ては、私たちのケースログに基づくと、コースまたは学部レベルで約60%の確率で成功し、内部の異議申立てではさらに高い割合になります。成功を最も強く予測する2つの要因は、(1) Google Docsのような草稿ツールから完全な改訂履歴を持っていること、(2) 検出器バイアスに関するスタンフォード2023の根拠、そして米国では Newby v. Adelphi の判断への明確な引用があることです。これらの両方を満たすケースは非常に少ないです。

Q: 異議申立てレターを書くのに弁護士は必要ですか？

内部の異議申立てには不要です。私たちは、この投稿のテンプレートを利用し、法律支援なしで成功したケースを見てきました。弁護士が必要になるなら、学位の取り消し、退学処分、ビザ状況（留学生や研究者）、または雇用に影響する恒久的な成績証明書への注記が関わるケースを検討してください。テンプレートと証拠パッケージがあれば、通常はコースレベルの認定には十分です。

Q: FERPAの要求は、異議申立てレターの前と後のどちらに出すべきですか？

同時に提出するか、異議申立ての締切まで数日ある場合は、FERPAの要求を先に出してください。FERPAの要求によって、異議申立てレターで参照したい検出器レポートや内部の通信が浮上することがよくあります。また、FERPAの要求が存在するだけで、制度側がどのような手続を取るかについてより慎重になることも、私たちは確認しています。FERPAの要求によって、異議申立て提出時点で自分が知らなかった事実が見つかった場合は、補足のブリーフ（supplemental brief）を提出してください。

Q: 私の所属機関は米国の外です。Newbyの事例は私にも役立ちますか？

はい。説得力のある比較的根拠として有用です。Newbyはニューヨークの外では拘束力がなく、非米国の機関に対して直接の拘束力も持ちません。ただし、推論は持ち運び可能です。すなわち、学生の言語的プロフィールに対する検証がないままの単一の検出器スコアは、証拠の優越（preponderance of evidence）にはなりません。英国、EU、カナダ、オーストラリア、インドのアカデミック・インテグリティ委員会はいずれも、この主張と向き合い始めています。拘束力がない可能性があっても、事例を明示的に引用し、原則（principle）を引用文で示してください。

Q: 次の提出で、同じことが起きないようにできますか？

起きないようにするには、次の3つができます。執筆時にバージョン管理を維持できるツールを使うこと。Google DocsとWordはいずれも、このオプションがデフォルトでオンになっています（きれいなコピーに保存して自分の作業文書を捨てないでください！）。文章のリズムに変化をつけること。署名検出器が探す「バースティなリズム」を意識して分断するようにすること。さらに、最終原稿をcitation-aware humanizerに通すことも検討してください。これは、意味や引用を変えることなく、誤検知を引き起こす表面的な変化を追加します。これらは「システムをだますためのハック」ではありません。偏った測定の仕方に対する、実務上の対抗策です。