How to Appeal a False AI-Detection Flag (Student & Researcher Playbook)

Doktorantka drugiego roku, z którą rozmawialiśmy, przekazała projekt rozdziału swojemu promotorowi. Dwa dni później kierownik wydziału wezwał ją do siebie. Turnitin oznaczył 87% rozdziału jako wygenerowany przez sztuczną inteligencję. Napisała każde słowo. Nigdy w życiu nie użyła ChatGPT. Opuściła spotkanie z formalnym zawiadomieniem o rzetelności akademickiej i trzema tygodniami na odpowiedź.

To już nie jest rzadki przypadek. Federalny pozew Newby przeciwko ECU został rozstrzygnięty na początku 2026 r., częściowo na podstawie wykrywania fałszywie dodatnich wyników sztucznej inteligencji. Uniwersytet Kalifornijski w Davis publicznie przyznał, że w pismach absolwentów występują fałszywe pozytywne wyniki. W wielu recenzowanych badaniach przeprowadzonych w 2024 i 2025 r. udokumentowano, że detektory fałszywie oznaczają obcokrajowców posługujących się językiem angielskim ze znacznie zwiększoną częstością oraz że nawet rodzimi użytkownicy języka angielskiego wpisani do formalnego rejestru akademickiego są oznaczani częściej, niż sugerują strony marketingowe narzędzi do wykrywania.

Jeśli czytasz to, ponieważ zostałeś oflagowany, ten przewodnik jest podręcznikiem. Co zrobić w ciągu pierwszej godziny, jakie dowody faktycznie wygrywają apelacje, jak napisać odpowiedź i kiedy eskalować.

Pierwsza godzina: co robić, czego nie robić

Większość uczniów rani swoją sprawę w ciągu pierwszej godziny, reagując emocjonalnie. Kierowco zwolnij. Detektor sygnalizujący Twoją pracę jest początkiem procesu, a nie końcem. Masz czas, aby dobrze zareagować.

Poproś o aktualny raport. Większość instytucji pokazuje wynik procentowy, ale nie podstawową analizę. Poproś o pełny raport: które zdania zostały oznaczone, jakiego detektora użyto, jakiej wersji i kiedy. Masz do tego prawo. Bez raportu nie da się napisać konkretnej obrony.

Zapisz wszystko natychmiast. Zrób zrzuty ekranu historii wersji swojego dokumentu (zachowują to w programach Word, Google Docs i Overleaf). Zapisz historię przeglądarki na okres jej pisania. Zapisz wszelkie notatki, konspekty i wcześniejsze wersje robocze na swoim komputerze. Najsilniejszym dowodem w odwołaniu jest udokumentowana historia sporządzania dokumentów poprzedzająca ostateczne złożenie wniosku.

Nie przyznawaj się, że korzystasz ze sztucznej inteligencji, w którą się nie angażowałeś. Niektóre procesy instytucjonalne wywierają na studentów presję, aby przyjmowali ich wcześniej za niższą karę. Jeśli nie korzystałeś ze sztucznej inteligencji, nie mów, że to zrobiłeś. Obejmuje to wyrażenia takie jak „Mogłem tego trochę użyć” lub „Użyłem tego tylko ze względów gramatycznych”. Kiedy już przyznasz się, ciężar dowodu zostaje odwrócony. Bądź konkretny i dokładny.

Nie konfrontuj się z oskarżycielem, zanim się nie przygotujesz. Odpowiadaj na prośby o ustalenie harmonogramu, ale nie wchodź w szczegóły, dopóki nie otrzymasz raportu i zebranych dowodów. „Rozumiem obawy i chciałbym udzielić wyczerpującej odpowiedzi po zapoznaniu się z raportem” jest odpowiedzią pełną i właściwą.

Skontaktuj się z rzecznikiem praw obywatelskich swojej uczelni lub biurem rzecznika studentów. Większość uniwersytetów ma takie biuro. Nie są one powiązane z procesem uczciwości akademickiej i mogą udzielić neutralnych wskazówek. Wielu z nich będzie towarzyszyć Ci podczas formalnych spotkań, jeśli o to poprosisz.

Skontaktuj się z innymi wykładowcami, którym ufasz. Zwłaszcza z kadrą kierowniczą wyższego szczebla w Twojej dziedzinie. Często mają nieformalny wpływ i widzieli, jak te procesy działają w Twojej konkretnej instytucji.

Why false positives happen

Understanding why detectors flag genuine human writing helps you write a specific, technical defense.

Detektory mierzą wzorce statystyczne, a nie pochodzenie. Nie czytają tekstu pod kątem znaczenia. Mierzą wariancję długości zdań, rozkład słownictwa, częstotliwość fraz przejściowych i inne cechy powierzchniowe. Jeśli Twój tekst mieści się w przedziale statystycznym, który detektor kojarzy z sztuczną inteligencją, zostaje on obniżony – niezależnie od tego, w jaki sposób tekst został faktycznie utworzony.

Najbardziej zagrożone są formalne teksty akademickie. Tekst generowany przez sztuczną inteligencję jest często formalny, uporządkowany i czysty gramatycznie. Podobnie jak dobre teksty akademickie. Nakładanie się oznacza, że ​​dobrze napisana proza ​​akademicka uruchamia detektory z większą częstotliwością niż pisanie nieformalne. Detektory nie mylą się co do wzorców; łączą dwa różne źródła tego samego wzorca.

Obcokrajowcy posługujący się językiem angielskim spotykają się z podwyższonym odsetkiem wyników fałszywie dodatnich. Wiele badań przeprowadzonych w 2024 r. udokumentowało tę prawidłowość w Turnitin, GPTZero i Copyleaks. Autorzy języka ESL często tworzą teksty charakteryzujące się regularnością słownictwa i spójnością strukturalną sygnalizowaną przez detektory. Nie dzieje się tak dlatego, że pisanie w języku ESL jest „bardziej podobne do sztucznej inteligencji” – dzieje się tak dlatego, że wzorce, których używają autorzy języka ESL, aby zrekompensować ograniczone słownictwo idiomatyczne, pokrywają się ze wzorcami sztucznej inteligencji.

Pisma techniczne i STEM są przesadzone. Sekcje metod, wyprowadzenia matematyczne i ustrukturyzowane teksty techniczne mają wspólne wzorce z generowaniem sztucznej inteligencji. Jasno napisana sekcja metod w dowolnej dyscyplinie ilościowej może uzyskać wynik powyżej 80% w przypadku typowych detektorów.

Edytowanie własnego tekstu może uruchomić detektory. Przepuszczenie wersji roboczej przez korektora, parafrazę, a nawet przemyślaną treść polegającą na przeczytaniu i poprawieniu ma tendencję do uregulowania długości zdań i słownictwa – czyli dokładnie tego, co wykrywają detektory.

Dokładność detektora jest gorsza, niż sugeruje marketing. Publikowane wskaźniki wyników fałszywie dodatnich podawane przez dostawców detektorów zazwyczaj opierają się na warunkach testowych, które różnią się od rzeczywistych tekstów uczniów. Niezależne badania wykazały, że odsetek wyników fałszywie dodatnich jest 3–10 razy wyższy niż twierdzi sprzedawca, w zależności od autora i gatunku.

The evidence that actually wins appeals

Urzędnicy procesowi i komisje opiniujące przypisują niektórym typom dowodów znacznie większą wagę niż innym.

Historia wersji ze znacznikami czasu (największa waga). Dokumenty Google, automatyczne zapisywanie programu Word, historia zatwierdzeń Overleaf i każdy nowoczesny edytor przechowuje szczegółowy zapis ewolucji Twojego dokumentu. Jeśli możesz pokazać 47 przyrostowych zapisów w ciągu trzech dni, ze zmianami wyglądającymi jak prawdziwe kreślenie (usunięcia, przebudowy, przepisanie akapitów), to jest to najsilniejszy możliwy dowód. Tekst wklejony przez sztuczną inteligencję pojawia się jako duże pojedyncze wstawki z minimalną późniejszą edycją.

Wcześniejsze wersje robocze były zapisywane osobno. Wiele wersji dokumentu na różnych etapach — konspekty, pierwsze wersje robocze, poprawki po przesłaniu opinii — wykazuje normalne zachowanie podczas tworzenia wersji roboczej. Jeśli jeszcze tego nie zrobiłeś, zacznij teraz całą pracę akademicką.

Historia przeglądarki pokazująca aktywność badawczą. Wyszukiwania związane z Twoim tematem, pobranymi artykułami, czasem spędzonym w akademickich bazach danych. Pokazuje to zaangażowanie w materiał, którego nie odzwierciedlają zgłoszenia wygenerowane przez sztuczną inteligencję.

Notatki odręczne lub papierowe (jeśli dotyczy). Zdjęcia Twojego notatnika, marginesy na papierze drukowanym, szkice tablicy. Obecnie mniej powszechne, ale nadal wysoce wiarygodne.

Świadkowie procesu. Twój doradca, koledzy z laboratorium lub partnerzy w badaniu, którzy widzieli, jak pracowałeś nad dokumentem. Wysyłaj wątki e-mailem z prośbą o opinię. Wizyty w godzinach pracy związane z danym tematem. Tworzą one papierową ścieżkę normalnego procesu akademickiego.

Specyfika językowa. Zdania odnoszące się do Twojego konkretnego zbioru danych, Twoich konkretnych wyborów metodologicznych, Twoich konkretnych ram teoretycznych. Tekst wygenerowany przez sztuczną inteligencję ma tendencję do ogólności; Twoja praca zmierza w kierunku konkretu. Podkreśl przykłady w swojej odpowiedzi.

Replikacja. Niektórzy uczniowie napisali na żywo fragment oflagowanego dokumentu, nagrywając ekran, i przesłali go. Jest to dramatyczne i nie zawsze konieczne, ale w poważnych przypadkach było decydujące.

Writing the appeal letter

Pismo odwoławcze jest dokumentem, który faktycznie działa. Jej struktura ma znaczenie.

Otwórz z dolną linią. „Piszę, aby formalnie zakwestionować ustalenie z [Data], że moje [zadanie/rękopis] zostało wygenerowane przez sztuczną inteligencję. Podczas przygotowywania tej pracy nie korzystałem z żadnego narzędzia sztucznej inteligencji, a poniższe dowody dokumentują mój proces redakcyjny”.

Określ wynik zmierzony przez detektor. „W raporcie [nazwa narzędzia] oznaczono X% dokumentu. Narzędzie mierzy wzorce statystyczne, w tym [odchylenie w długości zdań, rozkład słownictwa itp.]. Nie wykrywa bezpośrednio użycia sztucznej inteligencji; szacuje prawdopodobieństwo na podstawie tych wzorców. Opublikowane badania udokumentowały odsetek wyników fałszywie dodatnich na poziomie [Y%] dla [odpowiedniej grupy demograficznej: obcokrajowcy posługujący się językiem angielskim / publikacje akademickie w tej dyscyplinie / itp.]”.

Przedstaw swoje dowody. Numerowana lista, na której każdy dowód jest opisany i dołączony jako dodatek lub połączony eksponat. Najpierw historia wersji. Wcześniejsze projekty drugie. Świadkowie procesu po trzecie. Na koniec specyfika językowa.

Potwierdzam uzasadnione obawy. „Rozumiem, że instytucja ma obowiązek zbadać wykorzystanie sztucznej inteligencji i doceniam rygorystyczność tego procesu. Osoba wykrywająca sygnalizująca moją pracę to poważna sprawa i traktuję ją poważnie”.

Proszę o konkretne rozwiązanie. „Żądam usunięcia z moich akt informacji o rzetelności akademickiej, o uchylenie [oceny z kursu / statusu przesłania / postępowania dyscyplinarnego] oraz o rozważenie przez instytucję [przeglądu polityki / szkoleń dla oceniających / itp.] w świetle udokumentowanych fałszywie pozytywnych problemów przy użyciu obecnych narzędzi wykrywania.

Zakończ profesjonalnie. „Jestem gotowy na spotkanie, przedstawienie dodatkowych dowodów lub dalszą dyskusję w dogodnym dla komisji miejscu. Dziękuję za uważne rozpatrzenie tego apelu”.

List powinien mieć 1,5-3 strony. Dłużej sygnalizuje defensywność; krótsze sygnały, że nie potraktowałeś tego poważnie.

When to escalate

Większość odwołań można rozwiązać na poziomie kursu lub wydziału. Niektóre wymagają eskalacji.

Przekaż sprawę Radzie ds. uczciwości akademickiej. Jeśli decyzja na poziomie kursu była negatywna i masz mocne dowody, rada istnieje od tego. Przynieś swój pełny pakiet dowodów. Większość instytucji wymaga odwołania na tym szczeblu przed dalszą eskalacją.

Zaangażuj swój samorząd studencki lub związek studentów absolwentów. Wiele z nich ustanowiło role rzeczników w sprawach dotyczących uczciwości akademickiej. Mogą udzielić porad proceduralnych, a czasami towarzyszyć Ci na przesłuchaniach.

Skonsultuj się z prawnikiem ze strony studenta. Jeśli sprawa dotyczy odebrania stopnia naukowego, wydalenia lub znaczących konsekwencji w nauce, odpowiedni będzie prawnik. Wiele uniwersytetów zapewnia studentom obsługę prawną; specjalistyczne firmy zajmują się również sprawami związanymi z uczciwością akademicką. Sprawa Newby ustanowiła precedens prawny umożliwiający kwestionowanie fałszywie pozytywnych wyników wykrywania sztucznej inteligencji.

Złóż formalną skargę do rzecznika praw obywatelskich uczelni. Poza procesem akademickim rzecznik może dokumentować uchybienia proceduralne. Tworzy to zapis przydatny zarówno w Twojej sprawie, jak i w szerszej reformie instytucjonalnej.

Dokumentuj wszystko. Każdy e-mail, każde spotkanie, każda decyzja. Jeśli eskalacja będzie się utrzymywać, na każdym poziomie sprawdzana jest ścieżka dokumentacji.

Prevention going forward

Niezależnie od tego, czy Twoja bieżąca sprawa zostanie rozwiązana, czy nie, zmień praktykę redakcyjną, aby zapobiec ponownym wydarzeniom.

Zawsze korzystaj z narzędzia z historią wersji. Dokumenty Google, Word z włączoną funkcją automatycznego zapisywania, Overleaf lub dowolny nowoczesny edytor. Unikaj pisania w edytorach zwykłego tekstu, które nie zapisują wersji.

Zapisuj konspekty i wcześniejsze wersje robocze jako osobne pliki. „thesis_v1_pre_feedback.docx”, „thesis_v2_after_advisor.docx” itp. Twórz rekord na bieżąco.

Prowadź krótki dziennik. Wpis w dwóch wierszach na sesję: data, nad czym pracowałeś, jak długo. Pięć minut dziennie. Tworzy wiarygodny rekord przy bardzo niewielkich kosztach ogólnych.

Proaktywnie ujawniaj wszelkie przypadki wykorzystania sztucznej inteligencji. Jeśli do edycji korzystałeś z naszego korektora AI, tłumacza AI dla sekcji lub innego narzędzia, dodaj do swojego zgłoszenia informacje o korzystaniu z AI. Proaktywne ujawnianie jest traktowane zupełnie inaczej niż odkryte użycie.

Poznaj politykę swojej instytucji i detektor, którego używa. Różne detektory sygnalizują różne rzeczy. Jeśli Twoja instytucja korzysta z Turnitin, zapoznaj się z flagami wykrywania AI Turnitin. Jeśli używa Copyleaks, to samo. Świadomość zmniejsza ryzyko fałszywie pozytywnych wyników.

See the Full AI Proofreader

Tracked-changes editing with full version history. Free tier includes every feature.

Frequently asked questions

P: Jak dokładne są detektory AI w odróżnianiu pisma ludzkiego od pisma AI?

Independent academic studies have consistently found false-positive rates significantly higher than detector vendors advertise — often 3-10× higher depending on the writer and genre. For comparison, see our detailed analysis in How Accurate Are AI Detectors in 2026. The short version: detectors measure surface statistical patterns rather than provenance, and many forms of legitimate writing (formal academic prose, non-native English, technical writing, edited writing) trigger these patterns. A high score does not prove AI use; it indicates that the patterns are similar.

Q: My institution uses Turnitin. Are Turnitin's AI scores admissible as evidence?

Różni się to w zależności od instytucji i jest coraz bardziej kwestionowane. Niektóre instytucje traktują wyniki Turnitin AI jako ostateczne; inni traktują je jako jeden dowód wymagający potwierdzenia. Federalny pozew Newby przeciwko ECU i kilka spraw na szczeblu stanowym podważyły ​​​​moc dowodową samych wyników detektorów. Jeśli Twoja sprawa opiera się głównie na wyniku Turnitin i nie ma innych dowodów na użycie sztucznej inteligencji, w odwołaniu należy wyraźnie kwestionować wykorzystanie wyników detektora jako ostatecznego dowodu. Zacytuj opublikowane badania dotyczące wskaźników wyników fałszywie dodatnich.

P: Co by było, gdybym użył narzędzia AI do edycji lub gramatyki, ale nie do generowania tekstu?

Bądź konkretny w swojej obronie. Rozróżnij pomiędzy wykorzystaniem sztucznej inteligencji jako korektora/redaktora (na co większość instytucji i czasopism zezwala przy ujawnianiu informacji) a wykorzystaniem sztucznej inteligencji do generowania tekstu, który napisałeś jako własny (co w większości przypadków jest uważane za niewłaściwe postępowanie). Podaj oryginalną wersję roboczą, wersję edytowaną przez sztuczną inteligencję i ostateczną wersję, którą przesłałeś. To pokazuje, że substancja pochodzi od ciebie i że sztuczna inteligencja odegrała rolę, którą opisujesz. Dobrowolne ujawnienie legalnej edycji AI wzmacnia Twoją argumentację; ukrywanie go osłabia.

P: Czy mogę wnieść pozew, jeśli moja apelacja zakończy się niepowodzeniem, a konsekwencje będą poważne?

In some cases yes, and there is now precedent. The Newby v. ECU case settled in early 2026 on the basis of due process and evidentiary issues in false-positive AI detection determinations. Several other cases are pending. Consultation with an attorney specializing in education law is appropriate if you're facing degree revocation, expulsion, or significant career consequences. Most universities have grievance procedures that must be exhausted before litigation; an attorney can advise on the right sequence.