Шаблон апелляционного письма об ошибочном срабатывании AI для исследователей ESL

Ещё один из наших аспирантов (второй год обучения), иранский вычислительный биолог по специальности, написал главу диссертации и отправил её своему научному руководителю в пятницу во второй половине дня. В понедельник утром его навестил офис академической добросовестности при его отделении. Детектор AI от Turnitin пометил как сгенерированную с помощью AI 89 процентов текста этой главы.

Случаи вроде её — причина, по которой мы создали шаблон апелляционного письма при ложноположительном срабатывании детектора AI в этом посте. Она не использовала ChatGPT, Claude или любую другую модель. Она писала каждое слово в течение четырёх месяцев. Она вела учёт правок в Google Doc с 1 400 видимыми сохранениями версий. Через шесть недель её апелляция была удовлетворена.

Решающим в этом деле оказалось лишь одно: исследование Stanford за 2023 год, показывающее, что семь крупных AI-детекторов ошибочно помечают 61,3% эссе TOEFL, написанных носителями/не носителями? — точнее: не носителями английского языка — по сравнению почти с нулём для эссе носителей, выполнявших те же задания. Сам детектор не пометил её текст. Он пометил её шаблон англоязычного письма в контексте ESL.

Мы применяли этот сценарий в 41 апелляции по ложноположительным срабатываниям у исследователей ESL с начала 2024 года до середины 2026-го. Эта тенденция, похоже, сохраняется и для апелляций исследователей. Если удаётся показать корректный процесс и написать убедительное апелляционное письмо с некоторыми доказательствами того, что детектор был валидирован, то, скорее всего, вы выиграете своё дело примерно в 60% случаев на уровне курса и ещё чаще — при внутренней апелляции.

Ситуация изменилась в феврале 2026 года, когда суд в Нью-Йорке отменил решение Adelphi University в деле Newby v. Adelphi — первом крупном прецеденте против дисциплинарных мер, основанных на AI-детектировании. Те же аргументы, которые принесли победу в деле Newby, теперь усиливают каждую внутреннюю апелляцию, где они используются.

В этом посте вы найдёте и шаблон, и «плейбук» защиты. Мы объясняем, почему исследователи ESL отмечаются детекторами непропорционально часто, какое доказательство неизменно приводит к успеху, приводим копируемый шаблон апелляционного письма при ложном срабатывании детектора AI, который работал для наших клиентов, описываем добавления с учётом Newby, которые укрепляют версию 2026 года, и рассказываем, когда нужно эскалировать. Если вас пометили и вам нужно подготовить апелляцию в ближайшие 48 часов, переходите к разделу с шаблоном. Разделы с контекстом ниже дадут вам доказательства, которые следует приложить.

Работает ли шаблон апелляционного письма при ложном срабатывании AI-детектора на практике?

Да. По данным нашего журнала из 41 апелляции по ложноположительным срабатываниям у исследователей ESL, те, кто сопровождает письмо полным отчётом о процессе и опирается на вывод Stanford о 61,3% ложных срабатываний, а в США — на прецедент Newby v. Adelphi, выигрывают примерно в 60% случаев на уровне курса и чаще — при внутренней апелляции. Приведённый ниже копируемый шаблон даёт точную структуру, три дополнения с учётом Newby для 2026 года и запрос в рамках FERPA, который следует подать вместе с ним.

Почему AI-детекторы отмечают исследователей ESL как ложноположительных?

Механизм документирован и хорошо понятен — именно поэтому он выдерживает проверку в суде. AI-детекторы ищут два статистических признака, которые коррелируют с машинной генерацией: низкую перплексность (насколько предсказуемо следующее слово, исходя из предыдущих) и низкую «взрывность» (насколько велико разнообразие длины и структуры предложений в пределах фрагмента).

Писатели на ESL (особенно те, кто получал формальное обучение академическому английскому в родных странах) пишут в регистре, который низко оценивается по обоим показателям. Короткие, контролируемые предложения. Ограниченный набор соединительных слов («however», «therefore», «in addition»). Единообразие регистра между абзацами. Параллельные конструкции внутри абзацев. Это те особенности, которые явно поощряет преподавательская ESL-инструкция. Именно эти признаки детекторы и кодируют как «машиноподобные».

Исследование Stanford за 2023 год (Liang, Yuksekgonul и Zou, опубликовано в Cell Patterns) протестировало семь крупных AI-детекторов на выборке эссе TOEFL. 61,3% эссе было ложно помечено как сгенерированное AI как минимум одним детектором на конвенциональных порогах. 97,8% эссе были помечены как минимум одним детектором на более «мягком» пороге. Эссе носителей английского языка на идентичных заданиях помечались с близкими к нулю показателями. С тех пор несколько исследовательских групп воспроизвели и уточнили этот результат.

Институциональные последствия распределены неравномерно. Некоторые университеты обновили политики так, чтобы требовать подтверждающие доказательства помимо оценки детектора — особенно после решения Newby v. Adelphi от февраля 2026 года, которое выявило 28-процентную долю ложных срабатываний для ESL в собственных данных Turnitin по валидированию в Adelphi. Другие всё ещё рассматривают оценку детектора выше 80% как практически окончательное доказательство. Если вы — исследователь ESL и вам выставили высокую оценку, gptzero false positive esl pattern — это задокументированный массив фактов, который помещает вашу ситуацию в контекст.

Как доказать, что вы не использовали AI?

В нашем журнале случаев видно три категории доказательств, которые встречаются примерно в 90% успешных апелляций. Соберите каждую из них до того, как писать письмо.

Доказательства процесса. Работа, которую вы проделали при подготовке документа, автоматически фиксируемая теми инструментами, которыми вы пользовались. История версий Google Docs (File then Version history then See version history). Файлы Word AutoRecover и встроенная метаинформация о правках. Журналы активности OneDrive. История вкладок браузера, если вы работали с браузером во время исследования. Снимки менеджера ссылок (Zotero показывает, когда была добавлена каждая цитата). Делайте скриншоты и экспортируйте журналы заранее: некоторые платформы очищают более старые данные по расписанию.

Сравнительные образцы письма. Показательный набор ваших прежних текстов — из более ранних работ в том же курсе или из других курсов, либо из опубликованных работ. Три–пять образцов достаточно. Смысл в том, чтобы показать: шаблон прозы в отмеченном документе совпадает с вашим обычным шаблоном. Если язык читается как часть ваших прежних работ, значит детектор отметил ваш лингвистический профиль, а не факт использования AI.

Данные валидации детектора. Институциональный отчёт о валидировании детектора, который использует ваш университет, с акцентом на показатели ложных срабатываний именно для ESL. Исходная точка — вывод исследования Stanford 61,3% за 2023 год. Материалы, выявленные в ходе дела Newby v. Adelphi, показали 28-процентную долю ложных срабатываний для ESL во входящем институциональном потоке в Turnitin в одном из университетов. Вендорские публикации с показателями точности обычно рассчитываются по текстам носителей английского и не обобщаются на ESL.

Одна опциональная, но ценная четвёртая категория. Короткое письмо от преподавателя по письму, тьютора центра письма или старшего члена исследовательской группы, который может подтвердить ваш стиль письма. Не требуется для успешной апелляции, но становится весомым аргументом при включении.

Шаблон апелляционного письма при ложном срабатывании AI-детектора

Ниже — структура вашего письма. Эта структура соответствует тому, что ожидают увидеть в письме комитеты по академической добросовестности. Адаптируйте фрагменты в квадратных скобках под вашу ситуацию. Ограничьте объём письма двумя страницами текста с одинарным межстрочным интервалом; всё, что больше, рискует потерять внимание читателей.

[Date]

Re: Апелляция по результату о нарушении академической добросовестности, дело [CASE NUMBER] [Название и номер дисциплины, ИЛИ название главы диссертации] Дата подачи: [DATE] Сообщённый показатель детектора: [PERCENTAGE], [DETECTOR NAME и VERSION]

Dear [Recipient name],

Я пишу, чтобы официально обжаловать решение о нарушении академической добросовестности, вынесенное [DATE] в связи с подачей, указанной выше. Решение основано на одном показателе AI-детекции от [DETECTOR NAME]. Я не использовал генеративный искусственный интеллект ни в каком виде при подготовке данной работы. С уважением прошу отменить указанное решение по причинам, изложенным ниже.

1. Factual response to the finding

Я подготовил(а) материалы для сдачи в [TOOL, например, Google Docs] между [START DATE] и [SUBMISSION DATE]. Процесс подготовки был итеративным: он проводился в [N] сессиях в течение [N] дней и привёл к [N] видимым сохранениям правок. На любом этапе я не использовал(а) ChatGPT, Claude, Gemini, DeepSeek и никакую другую крупную языковую модель. Я не использовал(а) AI-перефразировщик или humanizer. Я использовал(а) [LIST: стандартные инструменты, такие как Zotero для ссылок, Grammarly free tier для проверки орфографии, если применимо]. Ни один из этих инструментов не является генеративным ИИ в соответствии с политикой учреждения.

2. Evidence of authorship

I attach the following documentation as evidence:

Покажите A: историю версий Google Docs для отправки, экспортированную на [DATE]. Она указывает [N] правок для [N] сессий с временными метками и видимым содержимым правок.

Пункт B: Пример трех предыдущих письменных работ из [COURSE / THESIS / PUBLISHED WORK]. Стилистические паттерны в этих документах совпадают с паттернами в проверяемой работе, отмеченной как проблемная.

Покажите C: краткое изложение опубликованных данных о частоте ложных срабатываний детекторов у авторов, не являющихся носителями английского языка, включая исследование 2023 года в Stanford (Liang, Yuksekgonul и Zou, Cell Patterns). В нём обнаружен показатель ложных срабатываний 61,3% при использовании семи основных AI-детекторов на эссе для TOEFL, написанных не носителями английского языка, тогда как на выборках текстов носителей английского — почти нулевой уровень.

Покажите D: [НЕОБЯЗАТЕЛЬНО] Письмо поддержки от [репетитора/тьютора ОТДЕЛА НАПИСАНИЯ РАБОТ / старшего научного сотрудника / научного руководителя], подтверждающее мой стиль письма.

3. Detector validation

Я прошу с уважением, чтобы учреждение предоставило отчет о валидации от [DETECTOR VENDOR] для тестовой совокупности, включающей авторов — не носителей английского языка. Дело Newby v. Adelphi (New York, February 2026) установило, что вывод о нарушении академической добросовестности, основанный только на показателе детектора, без доказательств валидации лингвистического профиля студента, не соответствует стандарту преобладания доказательств. Я полагаю, что учреждение не может предоставить данные валидации, специфичные для ESL, для детектора и порога, использованных в моем случае. Если учреждение не может предоставить данные валидации, специфичные для ESL, для детектора и порога, использованных в моем случае, вывод основан на методе, который вендор детектора не валидировал для моей совокупности.

4. Requested remedy

Я с уважением прошу отменить решение о нарушении академической добросовестности и аннулировать соответствующую запись. Я готов(а) к любым дополнительным слушаниям или проверке доказательств, которые, по мнению канцелярии, сочтут уместными, и буду полностью сотрудничать с любым процессом, соответствующим академической политике учебного заведения.

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)

Структура намеренно формальная. Комитеты по академической добросовестности читают много эмоциональных писем; спокойный, доказательный тон этого шаблона сам по себе является сигналом доверия. Не извиняйтесь и не комментируйте редакционно в адрес вендора детектора, и не высказывайте предположений о мотивах преподавателя.

Дополнения к шаблону с учётом Newby для 2026 года

Решение Newby v. Adelphi от февраля 2026 года создало аргументы, которые усиливают каждую внутреннюю апелляцию в США и имеют убедительный вес в других юрисдикциях. Стоит сделать три дополнения к стандартному шаблону письма.

Ссылайтесь на Newby в разделе 3. Раздел 3 приведённого выше шаблона можно было бы написать примерно так: минимум, который нужен здесь, — это ссылка на Newby. Если ваша юрисдикция — Нью-Йорк, то вы можете цитировать Newby как обязательный прецедент суда штата. Если это где угодно ещё в США, то вы можете цитировать его как убедительный правовой авторитет по вопросу процессуальной справедливости в делах с доказательствами детектора. За пределами США — как сравнительное доказательство того, что выводы «только по детектору» были предметом судебного рассмотрения и отвергнуты.

Требуйте данные институциональной валидации. Newby установил, что институт, защищающий решение по академической добросовестности, может быть обязан предоставить отчёт о валидации от вендора детектора. Делайте этот запрос в своём апелляционном письме, письменно. Большинство университетов не могут предоставить данные валидации, специфичные для ESL, по требованию; само отсутствие таких данных — уже доказательство в вашу пользу.

Корректно обрамляйте отсутствие истории черновиков. Newby особо указал на Adelphi за выводы, основанные на отсутствии истории черновиков в портале подачи, где она не требовалась. Если ваш портал подачи не фиксирует историю правок, это — архитектурное решение учреждения, а не доказательство против вас. В этом пункте обязательно сослаться на Newby, если ваше письмо отвечает на вывод, который упоминал «no draft history.»

Для более широкого контекста о том, как было выиграно дело Newby, и о том, что оно связывает и чего не связывает, смотрите наш general appeal-letter playbook, где процессуальная сторона разобрана глубже, чем может позволить этот пост.

Чего НЕ делать в вашей апелляции

Ошибки, которые в нашем журнале приводили к проигрышу дел, которые в остальном имели хорошие шансы.

Не извиняйтесь. Извинения за то, чего вы не делали, воспринимаются как частичное признание. Шаблон выше намеренно исключает формулировки сожаления. Вы обжалуете решение, а не торгуетесь о мировом соглашении.

Не атакуйте вендора детектора. «GPTZero ненадёжен» или «Turnitin предвзят» звучит оборонительно и будет иметь меньший вес. Пусть доказательства из Show C сделают свою работу. Представляйте детектор как инструмент с известными ограничениями для определённых задач. Не как цель.

Не подавайте в апелляцию текст, сгенерированный AI. Это может звучать очевидно. Но мы знаем случаи, когда под давлением дедлайнов исследователи использовали ChatGPT для написания апелляционного письма и подали его. Некоторые офисы академической добросовестности прогоняют апелляционное письмо через те же детекторы, которые выявили проблемный материал. Пишите апелляцию сами.

Не перегружайте документами. 25 страниц со всеми письмами, которые вы когда-либо отправляли, иллюстрируют отчаяние. Шаблон выше даст вам письмо на 2–3 страницы и 3–4 приложения. «Точно по размеру».

Не пропускайте запрос FERPA. В США FERPA даёт право просматривать образовательные записи, включая отчёт детектора и коммуникации о вашем деле. Подайте запрос FERPA вместе с апелляционным письмом. За пределами США у вашего эквивалента (U.K. Data Protection Act 2018, право доступа к информации по статье 15 GDPR ЕС, аналогичные) будет тот же эффект. Вероятно, ваше учреждение ещё не формализовало доказательства. Сфокусируйте их процесс на вашем запросе.

Не удаляйте свои черновики. Как только дело открыто, ваши черновики и история версий — это доказательства. Сохраняйте их, если можете. Экспортируйте заранее, если вы используете инструмент, который удаляет старые версии.

Когда нужно эскалировать

Большинство апелляций разрешаются на уровне курса или отделения. Некоторые требуют эскалации.

В институциональный комитет по апелляциям. Если решение на уровне курса было неблагоприятным и у вас сильные доказательства, почти во всех учреждениях требуется сначала исчерпать внутреннюю апелляцию перед любым внешним вариантом. Используйте тот же шаблон, расширив его ответом учреждения и вашим контраргументом.

К институциональному омбудсмену. Параллельный процесс, а не замена. Омбудсмен может задокументировать процессуальные сбои, которые комитет по апелляциям может не затронуть. Полезно даже в случае победы, потому что документация способствует институциональным реформам.

В офис юридической помощи для студентов или сотрудников. В большинстве крупных университетов для студентов предусмотрены бесплатные юридические услуги; часто существуют и параллельные ресурсы для сотрудников и постдоков. Это правильная эскалация для случаев, связанных с лишением степени, статусом визы или постоянной отметкой в транскрипте. Newby привёл к появлению небольшой «линейки» адвокатов, специализирующихся на делах по AI-детектированию.

К внешнему юридическому консультанту. Как правило, не требуется, но уместно, если институциональный процесс провалился и последствия существенны. Семья Newby потратила шестизначную сумму на защиту против Adelphi. Большинству апелляций исследователей ESL не нужен такой уровень эскалации: при хорошо организованных доказательствах дела обычно решаются в пользу заявителя на внутреннем уровне.

В прессу — только в качестве крайней меры. Публичное внимание разрешило некоторые дела, но оно также повышает ставки для учреждения и делает тихое отменение решения сложнее. Используйте только тогда, когда внутренняя эскалация уже исчерпана и последствия серьёзные.

Вопрос, который стоит рассмотреть параллельно, — это профилактика. Если вас пометили один раз, та поверхностная вариативность, которая «ломает» ложноположительное детектирование, действительно полезна для будущих черновиков. Самый чистый способ добавить эту вариативность, не сдвигая регистр и не ломая ссылки, — воспользоваться citation-aware humanizer; наш разбор того, как «гуманизировать» тексты, близкие к AI, без breaking academic tone, описывает операционные шаги. Ещё одна связанная проблема — что именно ваше опубликованное исследование обязано раскрывать относительно любых AI-инструментов, которые вы действительно используете; это рассмотрено в нашем гайде по раскрытию AI для manuscripts.

Часто задаваемые вопросы

В: Насколько вероятно, что моя апелляция будет успешной, если я — исследователь ESL с высоким баллом детектора?

Апелляции исследователей ESL при наличии хороших записей процесса обычно успешны примерно в 60% случаев на уровне курса или отделения, а в большем проценте — на уровне внутренней апелляции, исходя из нашего журнала дел. Два лучших фактора, предсказывающих успех: (1) наличие полной истории правок из инструмента черновиков, например Google Docs, и (2) чёткая ссылка на доказательства Stanford 2023 о смещении детектора и, в США, на прецедент Newby v. Adelphi. Очень мало дел, где соблюдены оба условия.

В: Нужен ли мне юрист, чтобы написать апелляционное письмо?

Нет — для внутренней апелляции. Мы видели случаи, когда шаблон из этого поста применяли без юридической помощи, и это приводило к успеху. Если юрист всё же нужен, рассмотрите такую опцию, если ваше дело связано с лишением степени, отчислением, статусом визы (для международных студентов и исследователей) или постоянной отметкой в транскрипте, влияющей на трудоустройство. Шаблон плюс пакет доказательств обычно достаточно для выводов на уровне курса.

В: Стоит ли подать запрос FERPA до или после апелляционного письма?

Подайте оба одновременно; либо подайте запрос FERPA первым, если у вас есть несколько дней до истечения срока подачи апелляции. Запрос FERPA часто вскрывает отчёт детектора и внутренние коммуникации, на которые вы захотите ссылаться в апелляционном письме. Мы также обнаружили, что само существование запроса FERPA делает учреждения более внимательными к процедурам, которые они выбирают. Если запрос FERPA выявит что-то, о чём вы не знали, когда подавали апелляцию, тогда подайте дополнительный меморандум.

В: Мой университет находится вне США. Поможет ли мне дело Newby?

Да — как убедительное сравнительное доказательство. Newby не является обязательным прецедентом за пределами Нью-Йорка и напрямую не связывает ни одно учреждение вне США. Однако рассуждение «переносимо»: один балл детектора без валидации лингвистического профиля студента не является достаточной доказательной базой. Британские, европейские, канадские, австралийские и индийские комитеты по академической добросовестности начали вовлекаться в этот аргумент. Даже если дело и не будет обязательным, ссылайтесь на него явно и цитируйте сформулированный принцип.

В: Могу ли я предотвратить повторение этого в следующей подаче материала?

Вот три вещи, которые можно сделать, чтобы предотвратить повторение: используйте инструмент, который сохраняет контроль версий при написании; Google Docs и Word по умолчанию включают эту опцию (не сохраняйте «чистую копию» и не выбрасывайте рабочий документ!). Сделайте так, чтобы ваши предложения варьировались по ритму. Сознательно попробуйте разорвать «взрывные» ритмы, на которые обращают внимание фирменные детекторы. Рассмотрите прогон финального черновика через citation-aware humanizer: он добавляет поверхностные вариации, которые сбивают ложноположительные срабатывания, не меняя смысла и ссылок. Это не «хак» для обхода системы, а операционные меры против предвзятого способа измерения.