ESL Araştırmacısının AI Tespit İtiraz Dilekçesi Şablonu

İkinci yılındaki bir başka doktora öğrencimiz (İranlı bir hesaplamalı biyolog) bir tez bölümünü yazdı. Bölümü Cuma günü öğleden sonra tez danışmanına gönderdi. Pazartesi sabahı, bölüm başkanı/akademik bütünlük birimi onunla görüşmeye geldi. Turnitin’in AI tespit sistemi, tez bölümünün %89’unun yapay zekâ tarafından üretilmiş olduğuna işaret etti. Onunki gibi örnekler yüzünden bu yazıda ai tespitinde yanlış pozitif itiraz dilekçesi şablonunu geliştirdik.

Öğrenci ChatGPT, Claude ya da başka herhangi bir modeli kullanmamıştı. Onun yerine her bir kelimeyi dört ay boyunca tek tek yazmıştı. Düzenlemelerini 1.400 görünür revizyon kaydı olan bir Google Doc üzerinden takip etmişti. Altı hafta sonra itirazını kazandı.

Bu davada tek belirleyici unsur, 2023’te yayımlanan ve yedi büyük AI tespit aracının, ana dili İngilizce olmayanların yazdığı TOEFL denemelerinin %61,3’ünü yanlışlıkla AI üretimi olarak işaretlediğini; buna karşılık aynı yazma yönergeleri altında çalışan ana dili İngilizce yazarların denemelerinde neredeyse sıfır düzeyde yanlış pozitif çıktığını gösteren bir Stanford çalışmasıydı. Dedektör, onun yazısını işaret etmemişti. ESL anlatım kalıbını (prose pattern) işaretlemişti.

2024’ün başından 2026’nın ortasına kadar 41 ESL yanlış pozitif itirazında bu süreci uyguladık. Bu eğilim, araştırmacı itirazlarında da büyük ölçüde aynı şekilde görünüyor. İyi bir süreç ortaya konabilir ve dedektörün doğrulanmış (validated) olduğuna dair bir miktar kanıtla güçlü bir itiraz dilekçesi yazılabilirse, ders düzeyinde vakaların yaklaşık %60’ında ve kurum içi itirazlarda daha da sık kazanma ihtimali vardır. Her şey, Şubat 2026’da New York’ta görülen bir davada Newby v. Adelphi kararının (Adelphi University aleyhine) tersine çevrilmesiyle değişti. Bu, AI tespitine dayalı disiplin işlemlerine karşı verilen ilk büyük emsaldir. Newby davasını kazandıran aynı argümanlar artık, bunları kullanan her kurum içi itirazı da güçlendiriyor.

Bu yazı; şablonun yanı sıra savunma oyun planını da sunuyor. ESL araştırmacılarının neden orantısız biçimde işaretlendiğini, itirazlarda sürekli kazandıran kanıt türlerini, müşterilerimizde işe yaramış copy-paste ai detection false positive appeal letter template’i, 2026 sürümünü güçlendiren Newby’ye duyarlı ekleri ve ne zaman yükseltme (escalate) gerektiğini ele alıyoruz. Eğer işaretlendiyseniz ve önümüzdeki 48 saat içinde itiraz dilekçenizi yazmanız gerekiyorsa, şablon bölümüne atlayın. Aşağıdaki bağlam bölümleri, eklemeniz gereken kanıtlar için dayanak sağlar.

AI Tespitinde Yanlış Pozitif İtiraz Dilekçesi Şablonu Gerçekten İşe Yarıyor mu?

Evet. 41 ESL yanlış pozitif itiraz kaydımızın tamamına baktığımızda; sürece ilişkin eksiksiz bir kayıtla birlikte Stanford’un %61,3 yanlış pozitif bulgusunu (ve ABD’deyseniz) Newby v. Adelphi emsalini eşleştiren araştırmacılar, ders düzeyinde yaklaşık %60 oranında ve kurum içi itirazlarda daha da sık kazanıyor. Aşağıdaki copy-paste şablon; tam yapıyı, 2026 için Newby’ye duyarlı üç eki ve birlikte dosyalanacak FERPA talebini verir.

AI dedektörleri neden ESL araştırmacılarını yanlış pozitif olarak işaretliyor?

Mekanizma belgelidir ve iyi anlaşılmıştır; bu yüzden mahkemede de ayakta kalabilmektedir. AI dedektörleri, makine çıktısıyla ilişkili iki istatistiksel özelliğe bakar: düşük perplexity (bir sonraki kelimenin, önceki kelimelere göre ne kadar öngörülebilir olduğu) ve düşük burstiness (bir pasaj boyunca cümle uzunluğu ve yapısındaki ne kadar değişkenlik olduğu).

ESL yazarlar (özellikle anavatanlarında resmi akademik İngilizceye yönelik biçimsel bir eğitim alanlar) bu iki metriğin de düşük olduğu bir kayıt (register) ile yazar. Kısa ve kontrollü cümleler. Sınırlı bağlaç/bağlantı kelime dağarcığı ("however," "therefore," "in addition"). Paragraflar boyunca tutarlı bir kayıt. Paragraflar içinde paralel yapı. ESL öğretiminin ödüllendirdiği özellikler bunlardır. Dedektörlerin kod olarak “makineye benzer” gördüğü özellikler de yine bunlardır.

Stanford’un 2023 tarihli çalışması (Liang, Yuksekgonul ve Zou; Cell Patterns’da yayımlandı), TOEFL denemelerinden oluşan bir örneklem üzerinde yedi büyük AI dedektörünü test etti. Denemelerin %61,3’ü, en az bir dedektör tarafından geleneksel eşiklerde yanlışlıkla AI üretimi olarak işaretlendi. Denemelerin %97,8’i, daha gevşek bir eşikte en az bir dedektör tarafından işaretlendi. Aynı yönergelerle yazılmış ana dili İngilizce denemeler ise neredeyse sıfır oranlarda işaretlendi. O zamandan beri birden fazla araştırma grubu bulguyu yeniden üretip daha da rafine etti.

Kurumsal sonuçlar eşitsizdir. Bazı üniversiteler, dedektör skorunun ötesinde doğrulayıcı kanıt talep etmek üzere politikalarını güncelledi; özellikle Şubat 2026’daki Newby v. Adelphi kararı, Adelphi’nin kendi Turnitin doğrulama verilerinde %28 oranında bir ESL yanlış pozitif oranını ortaya çıkardıktan sonra. Diğerleri ise hâlâ %80’in üzerindeki bir dedektör skorunu fiilen kesin kabul ediyor. Eğer siz bir ESL araştırmacısıysanız ve işaretlendiyseniz, gptzero false positive esl pattern; bağlamınızı kuran, belgelenmiş kayıttır.

AI kullanmadığınızı nasıl kanıtlarsınız?

Kayıtlarımızda (başarılı itirazların yaklaşık %90’unda) üç kanıt kategorisi öne çıkıyor. Dilekçeyi yazmadan önce her birini hazırlayın.

Süreç kanıtı (process evidence). Belgeyi taslak halinden nihai metne getirmek için yaptığınız çalışma; kullandığınız araçlar tarafından otomatik olarak kaydedilir. Google Docs sürüm geçmişi (File sonra Version history sonra See version history). Word AutoRecover dosyaları ve gömülü revizyon meta verileri. OneDrive etkinlik günlükleri. İnternetten araştırma yaptıysanız tarayıcı sekme geçmişi. Atıf yönetim aracı ekran görüntüleri (Zotero, her bir atfın ne zaman eklendiğini gösterir). Erken dönemde ekran görüntüsü alıp kayıtları dışa aktarın; bazı platformlar belirli bir takvime göre daha eski verileri temizler.

Karşılaştırmalı yazma örnekleri. Aynı ders içinde veya aynı dersin daha erken bölümlerinde (ya da farklı dersler ve yayımlanmış çalışmalar üzerinden) daha önce yazmış olduğunuz temsili bir örneklem. Üç ila beş örnek genellikle yeterlidir. Amaç; işaretlenen belgenin düzyazı (prose) kalıbının sizin normal kalıbınızla uyumlu olduğunu göstermektir. Dil, diğer çalışmalarınıza benziyorsa dedektör, AI kullanımını değil; dilsel profilinizi işaretlemiş demektir.

Dedektör doğrulama verisi (detector validation data). Üniversitenizin kullandığı dedektöre ilişkin kurumsal doğrulama raporu; özellikle ESL’ye özgü yanlış pozitif oranlara odaklanın. 2023 Stanford’un %61,3 bulgusu başlangıç noktasıdır. Newby v. Adelphi keşif materyalleri, Turnitin’in bir üniversitedeki kendi kurumsal alım (intake) verilerinde %28 oranında ESL yanlış pozitif oranını ortaya çıkardı. Tedarikçi tarafından yayımlanan kesinlik (precision) oranları genellikle ana dili İngilizce metin üzerinden hesaplanır ve ESL’ye genellenmez.

İsteğe bağlı ama değerli dördüncü kategori. Yazma eğitmeni, yazma merkezi (writing center) eğitmeni veya yazma konusunda sizin kalıplarınıza tanıklık edebilecek bir araştırma grubu kıdemlisinden kısa bir destek mektubu. Başarılı itiraz için zorunlu değildir; ancak dahil edildiğinde ikna ediciliği artar.

AI tespitinde yanlış pozitif itiraz dilekçesi şablonu

Bu, dilekçenizin taslağıdır. Taslak, akademik bütünlük panellerinin mektupta görmeyi beklediği unsurlara karşılık gelir. Köşeli parantez içindeki bölümleri, kendi durumunuza göre uyarlayın. Dilekçenin uzunluğunu tek aralıklı iki sayfayla sınırlayın; daha fazlası insanların dikkatini kaybetme riskini artırır.

[Date]

Akademik dürüstlük ihlali bulgusuna itiraz, dava [CASE NUMBER] [Ders adı ve kodu veya tez bölümü başlığı] Teslim tarihi: [DATE] Tespit skoru bildirildi: [PERCENTAGE], [DETECTOR NAME and VERSION]

Dear [Recipient name],

Yukarıda atıf yapılan gönderimle bağlantılı olarak [DATE] tarihinde verilen akademik dürüstlük bulgusuna ilişkin olarak resmî şekilde itiraz etmek üzere yazıyorum. Bulgu, [DETECTOR NAME] tarafından sağlanan tek bir yapay zekâ tespit puanına dayanmaktadır. Bu gönderimi hazırlarken hiçbir biçimde üretken yapay zekâ kullanmadım. Aşağıda belirtilen gerekçelerle bulgunun kaldırılmasını (hükmün bozulmasını) saygıyla talep ediyorum.

1. Factual response to the finding

[TOOL, ör. Google Docs] içinde [START DATE] ile [SUBMISSION DATE] arasında gönderim taslağını hazırladım. Taslak çalışması yinelemeli olarak, [N] gün boyunca [N] oturumda yürütüldü ve [N] adet görünür revizyon kaydı oluşturdu. Hiçbir aşamada ChatGPT, Claude, Gemini, DeepSeek veya başka herhangi bir büyük dil modeli kullanmadım. Bir yapay zekâ ile yeniden ifade edici (AI paraphraser) ya da insanlaştırıcı (humanizer) kullanmadım. [LIST: ör. referanslar için Zotero, uygunsa yazım için Grammarly ücretsiz sürümü] gibi standart araçları kullandım. Bunların hiçbiri, kurumun politikasına göre üretken yapay zekâ kapsamında değildir.

2. Evidence of authorship

I attach the following documentation as evidence:

A: Gönderim için Google Docs sürüm geçmişi; [DATE] tarihinde dışa aktarıldı. [N] oturum için [N] revizyon olduğunu, zaman damgaları ve düzenleme içeriğinin göründüğünü gösterir.

B: [DERS / TEZ / YAYINLANMIŞ ÇALIŞMA] içinde yer alan üç önceki yazma ödevine ait bir örnek. Bu belgelerdeki nesir kalıpları, işaretlenen gönderideki kalıplarla eşleşmektedir.

C: Yerel olmayan İngilizce yazarlar için dedektörlerin yanlış pozitif oranlarına ilişkin yayımlanmış kanıtların özeti; 2023 tarihli Stanford çalışması (Liang, Yuksekgonul ve Zou, Cell Patterns) yedi önde gelen yapay zekâ dedektörü genelinde, İngilizceyi ana dili olmayanların TOEFL denemelerinde %61,3 yanlış pozitif oranı bulurken, yerel İngilizce örneklerinde buna karşılık neredeyse sıfır bulmuştur.

D: [OPSİYONEL] Yazma düzenimi doğrulayan, [YAZIM MERKEZİ TUTÖRÜ / KIDEMLİ ARAŞTIRMACI / DANIŞMAN] tarafından verilen bir destek mektubu göster.

3. Detector validation

Kurumsal kurumdan, [DETECTOR VENDOR] tarafından hazırlanmış ve anadili İngilizce olmayan yazarları da içeren test popülasyonu için geçerlilik raporunun üretilmesini saygıyla talep ediyorum. Newby v. Adelphi (New York, Şubat 2026), yalnızca bir denetleyici (detector) puanına dayanan; ancak öğrencinin dilsel profilini yansıtan doğrulama kanıtları sunulmayan bir akademik dürüstlük bulgusunun, üstün (preponderance of evidence) kanıt standardını karşılamadığını ortaya koymuştur. Kurumun, benim dosyamda kullanılan denetleyici ve eşik (threshold) için ESL’ye özgü doğrulama verilerini üretemeyeceğini düşünüyorum. Eğer kurum, benim dosyamda kullanılan denetleyici ve eşik için ESL’ye özgü doğrulama verilerini üretemezse; bulgu, denetleyici üreticisinin (detector vendor) benim popülasyonum için doğrulamadığı bir yönteme dayanmaktadır.

4. Requested remedy

Akademik dürüstlük bulgusunun kaldırılmasını ve kaydın silinmesini saygıyla talep ediyorum. Başkanlığın uygun gördüğü herhangi bir ek duruşma veya delil incelemesi için hazır bulunmaktayım ve kurumun akademik dürüstlük politikasına uygun herhangi bir süreçte tamamen iş birliği yapacağım.

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)

Bu yapı özellikle resmidir. Akademik bütünlük kurulları pek çok duygusal dilekçe okur; bu şablonun sakin ve kanıta dayalı tonu başlı başına bir güvenilirlik sinyalidir. Özür dilemeyin, dedektör sağlayıcısına dair editoryal yorum yapmayın ve eğitmenin niyetleri hakkında tahminde bulunmayın.

2026 için Newby’ye duyarlı eklemeler

Şubat 2026’daki Newby v. Adelphi kararı; ABD’deki her kurum içi itirazı güçlendiren ve diğer yerlerde de ikna edici ağırlığı olan argümanlar yarattı. Standart dilekçe şablonuna eklemeye değer üç unsur var.

Bölüm 3’te Newby’yi anın. Yukarıdaki şablonda Bölüm 3 şöyle okunur: Burada gereken asgari şey Newby’ye bir atıftır. Yetki alanınız New York ise Newby’yi bağlayıcı bir eyalet mahkemesi emsali olarak gösterebilirsiniz. ABD’nin başka bir yerinde ise bunu, dedektör-kanıt vakalarında usule ilişkin adalet (procedural fairness) bağlamında ikna edici bir otorite olarak alıntılayabilirsiniz. ABD dışında ise, yalnızca dedektör bulgularına mahkemelerce bakılıp reddedildiğini gösteren karşılaştırmalı kanıt olarak kullanın.

Kurumsal doğrulama verisini talep edin. Newby, bir akademik bütünlük bulgusunu savunan kurumun, dedektör sağlayıcısının doğrulama raporunu üretmesinin istenebileceğini ortaya koydu. Bu talebi itiraz dilekçenizde yazılı olarak yapın. Kurumların çoğu, ESL’ye özgü doğrulama verisini talep üzerine üretemez; eksiklik bizzat sizin dosyanız için kanıt niteliğindedir.

Taslak geçmişinin yokluğunu doğru çerçeveleyin. Newby özellikle Adelphi’yi; bir taslak geçmişi bulunmamasını, gönderim portalında taslak geçmişine ihtiyaç olmadığı bir noktada esas alarak çıkarım yapmış olması nedeniyle ele aldı. Gönderim portalınız revizyon geçmişini kaydetmiyorsa, bu sizin aleyhinize bir “kanıt” değil; kurumun tasarım tercihi olduğu anlamına gelir. Dilekçeniz "no draft history" (taslak geçmişi yok) ifadesine atıf yapan bir bulguya yanıt veriyorsa, bu noktada Newby’yi açıkça zikredin.

Newby davasının nasıl kazanıldığına ve bunun neyi bağladığı/bağlamadığına ilişkin daha geniş arka plan için, bu yazıdan daha derin biçimde prosedürel tarafı ele alan genel itiraz dilekçesi oyun planımıza bakın.

İtirazınızda yapmamanız gerekenler

Kayıtlarımızda, kazanma ihtimali varken kaybettiren hatalar.

Özür dilememeniz gerekir. Yapmadığınız bir şey için özür dilemek, kısmi bir kabul (partial admission) olarak okunur. Yukarıdaki şablon, özellikle pişmanlık ifadelerini bilerek dışarıda bırakır. Siz bir bulguyu itirazla çürütüyorsunuz; bir uzlaşı pazarlığı yapmıyorsunuz.

Dedektör sağlayıcısına saldırmayın. "GPTZero güvenilir değil" ya da "Turnitin önyargılı" gibi ifadeler savunmacı bir tonda algılanır ve daha düşük ağırlık taşır. C kanıtında (Show C) yer alan unsurların işini yapmasına izin verin. Dedektörü belirli kullanım senaryolarında bilinen eksiklikleri olan bir araç olarak sunun. Hedef haline getirmeyin.

İtirazınıza AI tarafından üretilmiş metin göndermeyin. Bu kulağa bariz geliyor olabilir. Ancak bildiğimiz bazı araştırmacılar, teslim tarihi baskısı altında itiraz dilekçelerini ChatGPT ile yazıp göndermiş. Bazı akademik bütünlük ofisleri, sorunlu gönderimi işaretleyen aynı dedektörlerle itiraz dilekçesini de tekrar tarıyor. İtirazınızı kendi yazın.

Aşırı belgelemeyin. Şimdiye kadar gönderdiğiniz tüm e-postaların 25 sayfalık dökümü çaresizliği gösterir. Yukarıdaki şablon, 2 ila 3 sayfalık bir dilekçe ve 3 ila 4 adet ek (ekler) verecektir. Doğru boyuttadır.

FERPA talebini atlamayın. ABD’de FERPA, eğitim kayıtlarınızı görme hakkı verir; buna dedektör raporu ve davanıza ilişkin yazışmalar da dahildir. FERPA talebini itiraz dilekçenizle birlikte dosyalayın. ABD dışındaysanız; muadili talebiniz aynı etkiyi doğurur (ör. Birleşik Krallık Veri Koruma Yasası 2018, AB GDPR Madde 15 erişim hakkı, benzer düzenlemeler). Kurumunuz muhtemelen kanıtları henüz resmi hale getirmemiştir. Odaklarını talebinize çevirin.

Taslaklarınızı silmeyin. Bir dosya/itiraz açıldıktan sonra taslaklarınız ve sürüm geçmişiniz kanıttır. Elinizden geldiğince saklayın. Eski sürümleri silecek bir araç kullanıyorsanız, daha önce dışa aktarın.

Ne zaman yükseltme (escalate) yapmalı?

Çoğu itiraz ders ya da bölüm düzeyinde çözülür. Bazıları yükseltme gerektirir.

Kurum içi itiraz kuruluna. Ders düzeyindeki karar olumsuz geldiyse ve elinizde güçlü kanıtlar varsa, hemen hemen her kurumdan önce iç itiraz yolunu tüketmeniz beklenir. Aynı şablonu kullanın; kurumun yanıtı ve sizin itirazınızı (rebuttal) ekleyerek genişletin.

Kurum ombudsmanına (kurumsal danışmanlık/ombudsman). Paralel bir süreçtir; ikame değildir. Ombudsman, itiraz kurulunun ele almayabileceği usule ilişkin aksaklıkları belgeleyebilir. Kazansanız bile faydalıdır; çünkü dokümantasyon kurumsal reforma katkı sağlar.

Öğrenci veya personel hukuk hizmetleri birimine. Büyük üniversitelerin çoğunda öğrencilere yönelik ücretsiz hukuki hizmetler vardır; personel ve doktora sonrası araştırmacılar için de paralel kaynaklar bulunabilir. Derecenin geri alınması, vize statüsü veya kalıcı transkript notu gibi sonuçlar doğuran vakalarda doğru yükseltme budur. Newby, AI tespit davalarında uzmanlaşmış az sayıda avukattan oluşan bir hat ortaya çıkardı.

Harici hukuki danışmana. Nadir gerekir; fakat kurumsal süreç başarısız olduysa ve sonuçlar büyükse uygundur. Newby ailesi, Adelphi’ye karşı savunmada altı haneli rakamlar harcadı. Çoğu ESL araştırmacı itirazı bu seviyede yükseltme gerektirmez; kanıt iyi organize edilmişse kurum içi düzeyde olumlu sonuçlanır.

Baskı/medya gündemi (press) yalnızca son çare olarak. Kamusal ilgi bazı davaları çözdü; ancak aynı zamanda kurumun risklerini artırır ve bulgunun sessizce iptal edilmesini zorlaştırır. Yalnızca iç yükseltme tükendiyse ve sonuçlar çok ağırsa değerlendirin.

Bunların tamamını tamamlayan bir diğer mesele ise önlemedir. Eğer bir kez işaretlendinizse, yanlış pozitif tespitini bozan yüzey varyasyonu gelecekteki taslaklar için gerçekten faydalıdır. Bunu kayıt düzeyinizi değiştirmeden veya atıflarınızı bozmadan eklemenin en temiz yolu bir citation-aware humanizer; AI ile bağlantılı metni akademik tonu bozmadan insanileştirmenin operasyonel adımlarını içeren akışımız buna değinir. Ek bir endişe de; gerçekten kullandığınız herhangi bir AI aracının yayımlanmış çalışmalarınızda ne ölçüde açıklanması gerektiğidir. Bunu makaleler için AI açıklama rehberimizde ele alıyoruz.

Sık sorulan sorular

S: Dedektör skorum yüksekse bir ESL araştırmacısı olarak itirazımın başarılı olma olasılığı nedir?

Süreç kayıtları iyi olan ESL araştırmacısı itirazları, vaka kayıtlarımıza göre ders/bölüm düzeyinde yaklaşık %60 oranında ve kurum içi itirazda daha yüksek bir oranda başarı sağlar. Başarıyı öngören en güçlü iki faktör şunlardır: (1) Google Docs gibi bir taslak aracı üzerinden tam revizyon geçmişine sahip olmak ve (2) dedektör önyargısına dair Stanford 2023 kanıtına ve ABD’deyseniz Newby v. Adelphi kararına net biçimde atıf yapmak. Hem ikisini birden karşılayan çok az vaka vardır.

S: İtiraz dilekçesini yazmak için avukata ihtiyacım var mı?

Kurumsal (iç) itiraz için hayır. Bu yazıdaki şablonun hukuki destek olmadan kullanıldığı ve başarılı olduğu vakalar gördük. Eğer avukat gerekiyorsa; derecenin geri alınması, atılma (expulsion), vize statüsü (uluslararası öğrenciler ve araştırmacılar için) veya istihdama etki eden kalıcı transkript notu gibi durumlar söz konusuysa düşünün. Şablon ve kanıt paketi genellikle ders düzeyindeki bulgular için yeterli olur.

S: FERPA talebini itiraz dilekçesinden önce mi sonra mı dosyalamalıyım?

Her ikisini aynı anda dosyalayın; itiraz son tarihine birkaç gün kalmışsa FERPA talebini önce dosyalayın. FERPA talebi genellikle dedektör raporunu ve itiraz dilekçesinde referans vermek isteyeceğiniz iç yazışmaları görünür hale getirir. Ayrıca FERPA talebinin varlığı, kurumların izleyecekleri prosedürler konusunda daha dikkatli düşünmesine de yol açıyor. FERPA talebi, itirazı dosyaladığınız sırada bilmediğiniz bir şeyi ortaya çıkarırsa, ek (supplemental) bir dilekçe verin.

S: Kurumum ABD dışında. Newby davası benim için işe yarar mı?

Evet; ikna edici (persuasive) karşılaştırmalı kanıt olarak. Newby, New York dışındaki yerlerde bağlayıcı değildir ve ABD dışındaki bir kurum üzerinde doğrudan bağlayıcılık yaratmaz. Bununla birlikte akıl yürütme taşınabilirdir: Öğrencinin dilsel profili için doğrulama yapılmaksızın tek bir dedektör skoruna dayanan bulgu, kanıtların üstünlüğü (preponderance of evidence) standardını karşılamaz. İngiltere, AB, Kanada, Avustralya ve Hindistan’daki akademik bütünlük kurulları bu argümana şimdiden temas etmeye başladı. Bağlayıcı olmasa da davayı açıkça atıf gösterin ve ilkeyi alıntılayın.

S: Bunu bir sonraki teslimimde tekrar yaşanmaması için engelleyebilir miyim?

Bunu engellemek için üç şey yapılabilir: Yazarken sürüm denetimini koruyan bir araç kullanın; Google Docs ve Word’de bu seçenek varsayılan olarak açıktır (temiz bir kopyaya kaydedip çalışma belgenizi kenara atmayın!). Cümlelerinizin ritmini çeşitlendirin. İmza dedektörlerin baktığı bursty ritimleri bilinçli olarak parçalamaya çalışın. Nihai taslağınızı bir citation-aware humanizer’dan geçirmek, yanlış pozitifleri tetikleyen yüzeysel varyasyonları ekler; anlamınızı veya atıflarınızı değiştirmez. Bunlar, sistemi oyunlaştırmaya yönelik "hacks" değildir; önyargılı bir ölçüm biçimine karşı operasyonel karşı önlemlerdir.