Szablon listu odwoławczego w sprawie błędnego wykrycia AI przez badacza ESL

Kolejny jeden z naszych doktorantów (drugi rok), irański biolog obliczeniowy, napisał rozdział pracy magisterskiej, który w piątkowe popołudnie wysłał swojemu promotorowi. W poniedziałek rano odwiedziło go biuro ds. rzetelności akademickiej w jego jednostce. Wykrywanie AI w Turnitin oznaczyło 89 procent rozdziału jako wygenerowane przez AI. Właśnie dlatego stworzyliśmy szablon listu odwoławczego w przypadku fałszywego pozytywu wykrywania AI w tym wpisie.

Nie użył ChatGPT, Claude ani żadnego innego modelu. Każde słowo napisał samodzielnie w ciągu czterech miesięcy. Prowadził dokumentację zmian edycyjnych w Google Doc z 1 400 widocznymi zapisami rewizji. Sześć tygodni później wygrał odwołanie. W tej sprawie jedyną rzeczą, która miała znaczenie, było badanie Stanford z 2023 roku pokazujące, że siedem głównych detektorów AI błędnie oznacza 61,3% esejów TOEFL jako AI, mimo że pisały je osoby uczące się angielskiego jako języka obcego (non-native English speakers), w porównaniu z prawie zerowym odsetkiem dla esejów pisanych przez native speakerów na tych samych promptach. Detektor nie oznaczył jego własnego pisania. Oznaczył natomiast jego wzorzec prozy ESL.

Przećwiczyliśmy ten scenariusz w 41 odwołaniach dotyczących fałszywie pozytywnych wykryć u badaczy ESL od początku 2024 roku do połowy 2026 roku. Trend wydaje się utrzymywać również w odwołaniach składanych przez badaczy. Jeśli można wykazać dobry proces i napisać solidny list odwoławczy z pewnymi dowodami, że detektor został zwalidowany, sprawę o powodzie prawdopodobnie da się wygrać w około 60% przypadków na poziomie kursu, a jeszcze częściej w odwołaniu wewnętrznym. Zmiany nastąpiły w lutym 2026 roku, kiedy sąd w Nowym Jorku uchylił decyzję Adelphi University w sprawie Newby v. Adelphi, pierwszym większym precedensie przeciwko dyscyplinowaniu w oparciu o wykrywanie AI. Te same argumenty, które wygrały sprawę Newby, wzmacniają teraz każde odwołanie wewnętrzne, które je wykorzystuje.

Ten wpis zawiera szablon oraz „playbook” obrony. Wyjaśniamy, dlaczego badacze ESL są oznaczani w sposób nieproporcjonalny, jakie dowody konsekwentnie wygrywają odwołania, a także podajemy działający w praktyce szablon listu odwoławczego w przypadku fałszywego pozytywu wykrywania AI (do skopiowania), uzupełnienia uwzględniające Newby dla wersji na rok 2026 oraz kiedy warto eskalować sprawę. Jeśli zostałeś oznaczony i potrzebujesz napisać odwołanie w ciągu najbliższych 48 godzin, przejdź do sekcji z szablonem. Poniższe sekcje kontekstowe dostarczą dowodów, które warto dołączyć.

Czy szablon listu odwoławczego w przypadku błędnego wykrycia AI faktycznie działa?

Tak. Na podstawie naszej ewidencji 41 odwołań dotyczących fałszywie pozytywnych wykryć u badaczy ESL, przypadki, w których badacz łączy pełny zapis procesu z ustaleniem Stanford 61,3% oraz, w USA, precedensem Newby v. Adelphi, kończą się powodzeniem w około 60% odwołań na poziomie kursu i częściej w odwołaniach wewnętrznych. Poniższy szablon „copy-paste” daje dokładną strukturę, trzy uzupełnienia uwzględniające Newby dla 2026 roku oraz wniosek do FERPA, który należy złożyć równolegle.

Dlaczego detektory AI oznaczają badaczy ESL jako fałszywe pozytywy?

Mechanizm jest udokumentowany i dobrze rozumiany, dlatego przetrwał również w sądzie. Detektory AI szukają dwóch cech statystycznych skorelowanych z wyjściem maszyny: niskiej perplexity (jak przewidywalne jest kolejne słowo na podstawie poprzednich) oraz niskiej burstiness (jak duże jest zróżnicowanie długości i struktury zdań w obrębie fragmentu).

Autorzy piszący po ESL (zwłaszcza ci, którzy otrzymali formalne szkolenie z formalnego akademickiego angielskiego w swoich krajach) piszą stylem, który uzyskuje niskie wyniki w obu tych metrykach. Krótkie, kontrolowane zdania. Ograniczone słownictwo łączników ("however," "therefore," "in addition"). Spójny rejestr w całych akapitach. Równoległa struktura zdań w obrębie akapitów. To cechy, które wprost nagradza instruktaż ESL. To też cechy, które detektory kodują jako „maszynowe”.

Badanie Stanford z 2023 roku (Liang, Yuksekgonul i Zou, opublikowane w Cell Patterns) testowało siedem głównych detektorów AI na próbie esejów TOEFL. 61,3% esejów zostało fałszywie oznaczonych jako wygenerowane przez AI przez co najmniej jeden detektor przy konwencjonalnych progach. 97,8% esejów zostało oznaczonych przez co najmniej jeden detektor przy progu „bardziej pobłażliwym”. Eseje pisane przez native speakerów na identycznych promptach były oznaczane przy prawie zerowych stawkach. Od tego czasu wiele zespołów badawczych powtórzyło i dopracowało ten wynik.

Konsekwencje instytucjonalne są nierówne. Niektóre uczelnie zaktualizowały polityki tak, by wymagały dowodów potwierdzających poza samym wynikiem detektora, szczególnie po lutowym orzeczeniu Newby v. Adelphi z 2026 roku, które ujawniło 28-procentowy odsetek fałszywych pozytywów w Adelphi w danych walidacyjnych Turnitin. Inne nadal traktują wynik detektora powyżej 80% jako w praktyce rozstrzygający. Jeśli jesteś badaczem ESL i zostałeś oznaczony, wzorzec gptzero false positive esl to udokumentowany zapis, który umieszcza Twoją sprawę w kontekście.

Jak udowodnić, że nie używałeś AI?

W naszym dzienniku spraw wyróżniają się trzy kategorie dowodów, które pojawiają się w około 90% skutecznych odwołań. Przygotuj każdą z nich, zanim napiszesz list.

Dowody procesu. Praca, którą wykonałeś, uchwycona automatycznie przez narzędzia, których użyłeś. Historia wersji w Google Docs (File, potem Version history, następnie See version history). Pliki Word AutoRecover oraz osadzona metadokumentacja rewizji. Dzienniki aktywności OneDrive. Historia kart w przeglądarce, jeśli prowadziłeś badania w przeglądarce. Migawki menedżera bibliografii (Zotero pokazuje, kiedy dodano każde cytowanie). Zrób zrzuty ekranu i wyeksportuj logi wcześniej, niektóre platformy czyści starsze dane według harmonogramu.

Próbki porównawcze wcześniejszego pisania. Reprezentatywna próbka wcześniejszego pisania, z wcześniejszego etapu tego samego kursu albo z innych kursów, lub z Twoich opublikowanych prac. Trzy do pięciu próbek wystarczy. Chodzi o to, by pokazać, że wzorzec prozy oznaczonego dokumentu pasuje do Twojego typowego wzorca. Jeśli język brzmi jak Twoja wcześniejsza twórczość, to detektor oznaczył Twój profil językowy, a nie użycie AI.

Dane walidacyjne detektora. Raport walidacyjny instytucji dla detektora używanego na Twojej uczelni, ze szczególnym uwzględnieniem odsetków fałszywych pozytywów specyficznych dla ESL. Ustalenie Stanford 61,3% z 2023 roku jest punktem wyjścia. Materiały ujawnione w sprawie Newby v. Adelphi pokazały 28-procentowy odsetek fałszywych pozytywów ESL w wewnętrznym intake Turnitin tej uczelni. Wskaźniki precyzji publikowane przez dostawcę są zwykle liczone na tekstach native-English i nie dają się bezpośrednio przenieść na ESL.

Jedna opcjonalna, ale cenna czwarta kategoria. Krótki list od prowadzącego zajęcia z pisania, tutora z writing center albo starszego członka zespołu badawczego, który może zaświadczyć o Twoich wzorcach pisania. Nie jest potrzebny do skutecznego odwołania, ale staje się przekonujący, gdy zostanie dołączony.

Szablon listu odwoławczego w przypadku fałszywie pozytywnego wykrycia AI

To zarys Twojego listu. Zarys odpowiada temu, co oczekują komisje ds. rzetelności akademickiej w listach. Dopasuj elementy w nawiasach kwadratowych do swojej sytuacji. Ogranicz długość listu do dwóch stron tekstu składanego pojedynczym interlinią; wszystko ponad to grozi utratą uwagi odbiorców.

[Date]

Sprzeciw od ustalenia naruszenia zasad rzetelności akademickiej, sprawa [CASE NUMBER] [Nazwa przedmiotu i numer, LUB tytuł rozdziału pracy dyplomowej] Data złożenia: [DATE] Zgłoszony wynik detektora: [PERCENTAGE], [DETECTOR NAME and VERSION]

Dear [Recipient name],

Piszę, aby formalnie odwołać się od ustalenia dotyczącego integralności akademickiej wydanego w dniu [DATE] w związku z przesłaniem wskazanym powyżej. Ustalenie opiera się na pojedynczym wyniku wykrywania AI z [DETECTOR NAME]. Nie użyłem/am generatywnej sztucznej inteligencji w żadnej formie podczas przygotowywania tego przesłania. Zwracam się z uprzejmą prośbą o uchylenie tego ustalenia z powodów przedstawionych poniżej.

1. Factual response to the finding

Sporządziłem/am zgłoszenie w [TOOL, np. Google Docs] pomiędzy [START DATE] a [SUBMISSION DATE]. Prace nad nim miały charakter iteracyjny i były prowadzone w [N] sesjach w ciągu [N] dni, co zaowocowało [N] widocznymi zapisami wersji. Nie korzystałem/am w żadnym etapie z ChatGPT, Claude, Gemini, DeepSeek ani z żadnego innego dużego modelu językowego. Nie użyłem/am parafrazatora ani narzędzia do „humanizacji” wypowiedzi. Użyłem/am [LIST: standardowych narzędzi, takich jak Zotero do referencji, Grammarly w darmowej wersji do korekty pisowni, jeśli dotyczy]. Żadne z tych narzędzi nie stanowi generatywnej sztucznej inteligencji w rozumieniu polityki uczelni.

2. Evidence of authorship

I attach the following documentation as evidence:

Pokaż A: Historia wersji w Dokumentach Google dla przesłania, wyeksportowana w [DATE]. Wskazuje ona [N] wersji dla [N] sesji, z widocznymi znacznikami czasu oraz treścią edycji.

Pokaż B: Przykładowy zestaw trzech wcześniejszych zadań z pisania z [COURSE / THESIS / PUBLISHED WORK]. Wzorce stylu w tych dokumentach są zgodne ze wzorcami w oznaczonej pracy.

Pokaż C: Podsumowanie opublikowanych dowodów dotyczących odsetka fałszywych alarmów (false positives) w testach wykrywaczy dla autorów niebędących rodzimymi użytkownikami języka angielskiego, w tym badanie Stanford z 2023 r. (Liang, Yuksekgonul i Zou, Cell Patterns), które wykazało 61,3-procentowy odsetek fałszywych alarmów w przypadku siedmiu kluczowych wykrywaczy AI na esejach na TOEFL autorstwa osób uczących się angielskiego jako języka obcego, w porównaniu z wartościami bliskimi zeru dla próbek autorów posługujących się językiem angielskim jako językiem ojczystym.

Pokaż D: [OPCJONALNIE] List wsparcia od [TUTORA Z CENTRUM PISANIA / STARSZEGO BADACZA / PROMOTORA] potwierdzający mój wzorzec pisania.

3. Detector validation

Z uprzejmą prośbą wnoszę, aby instytucja udostępniła raport walidacyjny od [DETECTOR VENDOR] dla populacji badanej obejmującej autorów niebędących rodzimymi użytkownikami języka angielskiego. Sprawa Newby v. Adelphi (Nowy Jork, luty 2026) ustanowiła, że ustalenie w zakresie uczciwości akademickiej oparte wyłącznie na wyniku testu detektora, bez dowodów walidacyjnych dotyczących profilu językowego studenta, nie spełnia standardu „przewagi dowodów” (preponderance of evidence). Mam powody, by sądzić, że instytucja nie jest w stanie dostarczyć danych walidacyjnych specyficznych dla ESL dotyczących detektora i progu zastosowanego w mojej sprawie. Jeśli instytucja nie może dostarczyć danych walidacyjnych specyficznych dla ESL dla detektora i progu użytych w mojej sprawie, to ustalenie opiera się na metodzie, której dostawca detektora nie zwalidował dla mojej populacji.

4. Requested remedy

Z szacunkiem wnoszę o uchylenie ustalenia naruszenia zasad rzetelności akademickiej oraz o unieważnienie wpisu w rejestrze. Jestem dostępny(a) na każde ewentualne dodatkowe posiedzenie lub ponowną weryfikację dowodową, które urząd uzna za stosowne, i będę w pełni współpracować z każdym postępowaniem zgodnym z polityką instytucji w zakresie rzetelności akademickiej.

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)

Struktura ma celowo formalny charakter. Komisje ds. rzetelności akademickiej czytają wiele listów nacechowanych emocjami; spokojny, dowodowy ton tego szablonu jest sam w sobie sygnałem wiarygodności. Nie przepraszaj, nie redaguj komentarzem do dostawcy detektora i nie snuj przypuszczeń co do motywów prowadzącego.

Uzupełnienia uwzględniające Newby na rok 2026

Orzeczenie Newby v. Adelphi z lutego 2026 roku stworzyło argumenty, które wzmacniają każde odwołanie wewnętrzne w USA i mają przekonującą moc także gdzie indziej. Warto wprowadzić trzy uzupełnienia do standardowego szablonu listu.

Cytuj Newby w sekcji 3. Sekcja 3 powyższego szablonu mogłaby brzmieć mniej więcej tak: Minimum, którego potrzebujesz, to odniesienie do Newby. Jeśli Twoja jurysdykcja to Nowy Jork, możesz powołać Newby jako wiążący precedens sądu stanowego. Jeśli jest to gdziekolwiek indziej w USA, możesz powołać je jako autorytet perswazyjny w sprawach dotyczących uczciwości proceduralnej w postępowaniach dowodowych z detektorami. Poza USA możesz przywołać je jako dowód porównawczy na to, że ustalenia oparte wyłącznie na detektorach zostały w sądzie rozważone i odrzucone.

Wymagaj danych walidacyjnych instytucjonalnych. Newby ustanowiło, że instytucję broniącą ustalenia naruszenia rzetelności akademickiej można zobowiązać do przedstawienia raportu walidacyjnego dostawcy detektora. Złóż ten wniosek w swoim liście odwoławczym, na piśmie. Większość instytucji nie jest w stanie dostarczyć danych walidacyjnych specyficznych dla ESL na każde żądanie; sama ich nieobecność jest już dowodem przemawiającym na Twoją korzyść.

Ujmij brak historii draftu we właściwym świetle. Newby szczególnie zwróciło uwagę na Adelphi w związku z wnioskowaniem na podstawie braku historii draftu w portalu zgłoszeniowym, w którym ta historia nie była potrzebna. Jeśli Twój portal nie rejestruje historii rewizji, to jest to decyzja projektowa instytucji, a nie dowód przeciwko Tobie. Przywołaj Newby wprost w tym miejscu, jeśli w Twoim piśmie odpowiedziano na ustalenie, które odnosiło się do „braku historii draftu”.

W szerszym kontekście, jak rozstrzygnięto sprawę Newby i co ona obejmuje, a czego nie, zobacz nasz ogólny playbook dotyczący odwołań, w którym strona proceduralna jest omówiona głębiej niż w tym wpisie.

Czego NIE robić w swoim odwołaniu

Błędy, które w naszej ewidencji kosztowały sprawy, które w innym wypadku miały duże szanse.

Nie przepraszaj. Przepraszanie za coś, czego nie zrobiłeś, jest odbierane jako częściowe przyznanie się. Powyższy szablon celowo pomija wyrazy żalu. Odwołujesz się od ustalenia, a nie negocjujesz ugody.

Nie atakuj dostawcy detektora. „GPTZero jest niewiarygodny” lub „Turnitin jest stronniczy” brzmi defensywnie i będzie ważyć mniej. Pozwól, by dowody z Show C wykonały swoją robotę. Przedstaw detektor jako narzędzie o znanych ograniczeniach dla określonych zastosowań. Nie jako cel.

Nie składaj w odwołaniu tekstu wygenerowanego przez AI. Może to zabrzmieć oczywiście, ale badacze, których znamy, pod presją terminów używali ChatGPT do napisania listu odwoławczego i następnie go składali. Niektóre urzędy ds. rzetelności akademickiej uruchamiają list odwoławczy przez te same detektory, które wykryły problematyczne zgłoszenie. Napisz własne odwołanie.

Nie dokumentuj nadmiernie. 25 stron wszystkich e-maili, które kiedykolwiek wysłałeś, ilustruje desperację. Powyższy szablon da Ci list o długości 2–3 stron oraz 3–4 załączniki. Właściwy rozmiar.

Nie pomijaj wniosku do FERPA. W USA FERPA daje Ci prawo wglądu w swoje dokumenty edukacyjne, które obejmują raport detektora i komunikację dotyczącą Twojej sprawy. Złóż wniosek FERPA wraz z listem odwoławczym. Poza USA odpowiednik (w UK; Data Protection Act 2018, w UE, prawo dostępu z art. 15 RODO, podobne) daje ten sam efekt. Prawdopodobnie Twoja instytucja nie sformalizowała jeszcze dowodów. Skoncentruj ich proces na Twoim wniosku.

Nie usuwaj swoich draftów. Gdy sprawa jest otwarta, Twoje drafty i historia wersji są dowodem. Jeśli możesz, zachowaj je. Wyeksportuj je od razu, jeśli używasz narzędzia, które usuwa starsze wersje.

Kiedy eskalować

Większość odwołań rozwiązuje się na poziomie kursu lub jednostki. Czasem potrzebna jest eskalacja.

Do instytucjonalnej komisji ds. odwołań. Jeśli decyzja na poziomie kursu była niekorzystna i masz mocne dowody, prawie każda instytucja wymaga wyczerpania trybu odwołania wewnętrznego przed jakąkolwiek ścieżką zewnętrzną. Użyj tego samego szablonu, rozszerzonego o odpowiedź instytucji i Twoją ripostę.

Do instytucjonalnego rzecznika (ombudsmana). Równoległy proces, a nie substytut. Ombudsman może udokumentować uchybienia proceduralne, których komisja odwoławcza może nie rozważyć. Przydatne nawet wtedy, gdy wygrywasz, ponieważ dokumentacja wspiera reformy instytucjonalne.

Do biura prawnego dla studentów lub pracowników. Większość dużych uczelni ma bezpłatną obsługę prawną dla studentów; wiele ma też równoległe zasoby dla pracowników i doktorantów po doktoracie. To właściwa ścieżka eskalacji w sprawach dotyczących cofnięcia stopnia, statusu wizowego lub trwałej adnotacji na dyplomie/transkrypcie. Newby wytworzyło małe grono prawników specjalizujących się w sprawach dotyczących wykrywania AI.

Do zewnętrznej obsługi prawnej. Rzadko konieczne, ale właściwe, gdy zawiódł tryb instytucjonalny i stawką są poważne konsekwencje. Rodzina Newby wydała sześciocyfrową kwotę, broniąc się przed Adelphi. Większość odwołań badaczy ESL nie wymaga takiej eskalacji i rozwiązuje się pomyślnie na poziomie wewnętrznym, jeśli dowody są dobrze zorganizowane.

Na drogę do prasy, tylko jako ostateczność. Zainteresowanie publiczne rozwiązało niektóre sprawy, ale także podnosi stawkę dla instytucji i utrudnia ciche uchylenie ustalenia. Rezerwuj to rozwiązanie dla przypadków, w których wyczerpano eskalację wewnętrzną, a konsekwencje są dotkliwe.

Powiązanym zagadnieniem jest zapobieganie. Jeśli zostałeś oznaczony raz, to zróżnicowanie powierzchniowe, które pokonuje wykrywanie fałszywie pozytywne, jest realnie użyteczne dla przyszłych draftów. Najczystszy sposób, by dodać to zróżnicowanie bez przesuwania rejestru i bez łamania cytowań, to humanizer uwzględniający cytowania; nasz przewodnik pokazuje, jak humanizować tekst „w pobliżu AI” bez psucia akademickiego tonu i opisuje kroki operacyjne. Powiązanym problemem jest też to, co Twoja opublikowana twórczość musi ujawniać na temat jakiegokolwiek narzędzia AI, z którego faktycznie korzystasz, opisujemy to w naszym przewodniku dotyczącym ujawniania AI dla manuskryptów.

Najczęściej zadawane pytania

P: Jak prawdopodobne jest, że moje odwołanie się powiedzie, jeśli jestem badaczem ESL i mam wysoki wynik detektora?

Odwołania badaczy ESL z dobrymi zapisami procesu kończą się powodzeniem w ok. 60% przypadków na poziomie kursu lub jednostki, a w wyższym odsetku w odwołaniu wewnętrznym, na podstawie naszej ewidencji spraw. Dwa najlepiej przewidujące czynniki powodzenia to: (1) posiadanie pełnej historii rewizji z narzędzia do draftu, takiego jak Google Docs, oraz (2) jasne odwołanie do dowodów ze Stanford 2023 na temat stronniczości detektora i, w USA, orzeczenia Newby v. Adelphi. Bardzo nieliczne sprawy spełniają oba warunki.

P: Czy muszę mieć prawnika, aby napisać list odwoławczy?

Nie na potrzeby odwołania wewnętrznego. Widzieliśmy sprawy, w których szablon z tego wpisu, bez pomocy prawnej, zakończył się sukcesem. Jeśli jednak potrzebujesz prawnika, rozważ to, gdy Twoja sprawa dotyczy cofnięcia stopnia, wydalenia, statusu wizowego (dla studentów i badaczy międzynarodowych) albo trwałej adnotacji na transkrypcie wpływającej na zatrudnienie. Szablon wraz z pakietem dowodów zwykle wystarczy dla ustaleń na poziomie kursu.

P: Czy powinienem złożyć wniosek FERPA przed czy po liście odwoławczym?

Złóż oba dokumenty w tym samym czasie, albo złóż najpierw wniosek FERPA, jeśli masz kilka dni przed upływem terminu na odwołanie. Wniosek FERPA często ujawnia raport detektora i komunikację wewnętrzną, do których będziesz chciał się odwołać w liście. Ustaliliśmy też, że sama obecność wniosku FERPA sprawia, iż instytucje bardziej uważnie podchodzą do procedur, które wybierają. Jeśli wniosek FERPA ujawni coś, czego nie wiedziałeś, składając odwołanie, wtedy złóż uzupełniający brief.

P: Moja instytucja jest poza USA. Czy sprawa Newby pomoże mi?

Tak, jako przekonujący dowód porównawczy. Newby nie jest wiążące poza Nowym Jorkiem i nie wiąże bezpośrednio żadnej instytucji poza USA. Jednak tok rozumowania jest przenośny: pojedynczy wynik detektora bez walidacji profilu językowego studenta nie spełnia standardu „przewagi dowodów”. Zaczęły się już z tym argumentem zapoznawać brytyjskie, unijne, kanadyjskie, australijskie i indyjskie komisje ds. rzetelności akademickiej. Nawet jeśli sprawa nie ma mocy wiążącej, cytuj ją wprost i przytocz zasadę.

P: Czy mogę zapobiec temu, by powtórzyło się w moim kolejnym zgłoszeniu?

Oto trzy rzeczy, które można zrobić, aby temu zapobiec: używać narzędzia, które utrzymuje kontrolę wersji, gdy piszesz, zarówno Google Docs, jak i Word mają tę opcję domyślnie włączoną (nie zapisuj „czystej kopii” i nie wyrzucaj dokumentu z Twoją pracą). Zmieniaj rytm zdań. Świadomie próbuj przełamać rytmy „bursty”, których szukają detektory sygnaturowe. Rozważ przeprowadzenie finalnego draftu przez humanizer uwzględniający cytowania, doda on powierzchowne zróżnicowania, które uruchamiają fałszywe pozytywy, bez zmiany sensu i bez ingerencji w cytowania. Nie są to „obejścia” do grania systemu, lecz środki zaradcze na sposób, który mierzy w sposób obarczony uprzedzeniami.