عمل ہی نئی ’اثبات‘ ہے: ٹریکڈ چینجز ڈیٹیکٹرز کو پیچھے چھوڑ دیتے ہیں

Newby v. Adelphi کو ایک نیویارک عدالت نے فیصلہ کیا، جس نے ایک تعلیمی سالمیت (academic integrity) کی کارروائی کو کالعدم کر دیا، اس کی بنیاد صرف Turnitin کے ایک AI اسکور پر تھی، اور عدالت نے واضح کیا کہ یہ اسکور بذاتِ خود ثبوتِ غالب (preponderance of evidence) نہیں بنتا۔ 2026 کے موسم بہار میں درجنوں اداروں میں چلنے والا پائلٹ ڈرافٹ فارنزکس (draft forensics) متعارف کرا رہا ہے جو چسپاں کیے گئے متن (pasted text)، لکھنے کے دوران وقت (writing time)، اور طالبِ علم کی نظرِثانی (revision) کی پوری ریکارڈنگ/پلے بیک کے ذریعے ڈرافٹ ہسٹری کو گرفت میں لاتا ہے۔ Clarity پروڈکٹ، جس کی ملکیت Turnitin کے پاس ہے، اس میں شامل ہے۔ 10 اپریل 2026 کو Anthropic، Claude for Word کو پبلک بیٹا کے طور پر لانچ کرتا ہے، جو AI-assisted تعلیمی تحریر میں نَیٹو (native) ٹریکڈ چینجز کو ممکن بناتا ہے؛ یعنی Claude کی ترامیم Word کے review pane میں بطور revisions شامل ہو جاتی ہیں۔ ہر تبدیلی قابلِ مراجعت ہوتی ہے۔ تمام اصل لائنیں برقرار رہتی ہیں۔ Curtin University نے Turnitin کی AI detection کو مکمل طور پر بند کر دیا کیونکہ انہیں ایسے تنازعات زیادہ ملے جہاں ڈٹیکٹر غلط تھا، بہ نسبت اُن کیسز کے جہاں وہ واقعی دھوکہ دینے والے طلبہ کو پکڑ سکا تھا۔ 2026 کے پہلے نصف میں چار اشارے ایک ہی سمت میں دھکیل رہے ہیں۔

چار اشارے دراصل ایک پیٹرن ہیں۔ پیٹرن یہ ہے کہ تعلیمی تحریر میں مصنفیت کے بارے میں ’معتبر‘ ثبوت اب ڈٹیکٹر اسکور نہیں رہا بلکہ ایک عمل (process) ریکارڈ بن چکا ہے۔ عدالتیں، جرائد، کانفرنسیں، اور خود ڈٹیکٹر وینڈرز بھی اسی نکتے پر ایک دوسرے کے قریب آ رہے ہیں: ڈرافٹ ہسٹری احتمال پر مبنی اسکور (probability scores) سے زیادہ اہم ثبوت بن جاتی ہے۔

یہ پوسٹ وہ برانڈ دلیل ہے جو ہم 2026 کے باقی حصے میں پیش کریں گے۔ ہم چار “convergence signals” کو تفصیل سے کور کریں گے، ڈٹیکٹر شواہد اور عمل/پروسیس شواہد کے درمیان موجود عدم توازن (asymmetry) واضح کریں گے، وہ قابلِ دفاع پروسیس دستاویز کاری (defensible process documentation) کیسی دکھتی ہے جو اُن ٹولز کے اندر پہلے ہی موجود ہے جو محققین استعمال کرتے ہیں، اور ایسی ڈرافٹنگ عادتیں کیسے بنائی جائیں جو ایک ایسا ریکارڈ پیدا کریں جسے آپ کسی ایڈیٹر، ریویور، یا academic integrity board کو بلا جھجک دے سکیں، اور اس پر سوچنا نہ پڑے۔ یہ ری فریم عملی (operational) ہے، فلسفیانہ نہیں: ڈٹیکٹر کے لیے بہتر بنانا بند کریں؛ کام کو دستاویزی شکل دیں۔

کیا ٹریکڈ چینجز یہ ثابت کر سکتے ہیں کہ آپ نے اسے AI-assisted تعلیمی تحریر میں خود لکھا تھا؟

جی ہاں۔ جیسے ہی آپ کام کرتے ہیں، ایک ٹائم اسٹیمپ شدہ ٹریکڈ چینجز اور revision history تیار ہوتی جاتی ہے، اور اسے بعد میں اسی وقت/محنت کے بغیر دوبارہ تشکیل دینا ممکن نہیں، جو اسے ڈٹیکٹر اسکور کے مقابلے میں جعلی بنانا کہیں زیادہ مشکل بنا دیتا ہے۔ عدالتیں، جرائد، اور حتیٰ کہ Turnitin بھی اسی نکتے پر ہم آہنگ ہو رہے ہیں: تعلیمی تحریر میں یہ پروسیس ریکارڈ کسی AI ڈٹیکٹر کے احتمال اسکور پر غالب آ جاتا ہے۔ Newby v. Adelphi کے فیصلے نے یہ واضح کیا کہ صرف ایک ڈٹیکٹر اسکور خود میں ثبوتِ غالب نہیں بنتا۔

چار convergence signals

یہ تبدیلی محض نظریاتی طور پر وجود میں نہیں آئی۔ اسے چار ٹھوس 2025-2026 واقعات نے زور دیا، ہر ایک تعلیمی ماحولیاتی نظام (academic ecosystem) کے مختلف حصے سے۔

Newby v. Adelphi (فروری 2026، نیویارک اسٹیٹ کورٹ). AI detection کی پابندی/ضبط کے بارے میں یہ پہلا بڑا عدالتی فیصلہ تھا جس نے Adelphi کے خلاف ایک ESL انڈرگریجویٹ کے کیس میں دی گئی سزا کو پلٹ دیا۔ نتیجہ اگرچہ محدود (narrow) تھا، مگر منطق فیصلہ کن رہی: طالبِ علم کے لسانی پروفائل کے لیے ویلیڈیشن کے بغیر ایک ڈٹیکٹر اسکور اسکول کی پالیسی کے مطابق ثبوتِ غالب (preponderance of evidence) کی صورت اختیار نہیں کرتا۔ خاص طور پر، عدالت نے Adelphi کو اس بات پر تنبیہ کی کہ اس نے جمع کروانے والے پورٹل (submission portal) میں ڈرافٹ ہسٹری کی عدم موجودگی کو جرم کے ثبوت کے طور پر استعمال کیا (حالانکہ پورٹل ڈرافٹ اپ لوڈ کا تقاضا نہیں کرتا تھا)۔ یوں اس فیصلے نے قانونی ریکارڈ میں پروسیس ثبوت (یا اس کی عدم موجودگی) شامل کر دیا۔

Turnitin Clarity (2026 کے موسمِ بہار کا پائلٹ، وسیع سطح پر رول آؤٹ جاری). Feedback Studio میں Turnitin کا یہ add-on طالبِ علم کی تحریری عمل (writing process) کا مکمل پلے بیک اساتذہ تک پہنچاتا ہے، جس میں یہ بھی شامل ہے کہ طالبِ علم نے متن چسپاں کب کیا (pasted text)، لکھنے کے سیشن کی طوالت (length)، اسائنمنٹ/تعمیر (construction) میں کتنا وقت لگا، اور ڈرافٹ ہسٹری کیا تھی۔ طالبِ علم کی اجازت سے Clarity کی-اسٹروک (keystroke) کی رفتاری rhythm اور ایڈیٹنگ ٹائم لائن بھی ریکارڈ کرتی ہے۔ پروڈکٹ کا بیان کردہ فوکس یہ ہے: "صرف detection نہیں بلکہ integrity کے لیے assessment"۔ تین برس تک جس AI detection اسکور پر تعلیمی ادارے جھکے رہے، اسی کمپنی کی جانب سے یہ بڑا موڑ ہے۔ اب وہ عمل/پروسیس ریکارڈ کو زیادہ قابلِ اعتماد سگنل کے طور پر پیش کر رہے ہیں۔ Claude from

Claude for Word (10 اپریل 2026، public beta). Anthropic اسے ایک native Microsoft Word add-in کے طور پر بھیجتا ہے۔ جب Claude کوئی ایڈٹ کرتا ہے، تو وہ اسے Word کے review pane میں بطور tracked change ڈال دیتا ہے، اصل متن کو deletion کے طور پر برقرار رکھتے ہوئے اور نئے متن کو insertion کے طور پر شامل کرتا ہے۔ مصنف ہر ایک تبدیلی کو Word کے مقامی (native) انٹرفیس کے اندر accept یا reject کرتا ہے۔ جب ریویور دستاویز کھولتا ہے تو اسے مکمل edit history دستیاب ہوتی ہے۔ یہ محض فیچر ایڈ نہیں۔ یہ ایک architectural انتخاب ہے جو tracked-changes ریکارڈ کو انسان اور AI اسسٹنٹ کے درمیان canonical انٹرفیس کی طرح treat کرتا ہے، بالکل وہی ریکارڈ جو کسی جرنل یا thesis committee کام کی توثیق (verify) کے لیے استعمال کر سکتی ہے۔ After

Curtin University (2026 کے آغاز میں، آسٹریلیا) اور ہم پلہ ادارے۔ Curtin نے نتیجہ نکالا کہ اسکور تنازعات پیدا زیادہ کر رہا ہے جتنا حل کر رہا ہے، چنانچہ انہوں نے Turnitin کی AI detection کو مکمل طور پر بند کر دیا۔ Vanderbilt اور کئی Michigan State کے شعبہ جات نے 2025 میں بھی اسی نتیجے تک پہنچ کر اس فیصلے کو اپنایا۔ ان میں سے کسی بھی یونیورسٹی نے AI کے استعمال پر پابندی نہیں لگائی۔ انہوں نے detection layer نکال دی اور integrity گفتگو کو disclosure، process، اور tracked-changes شواہد پر مرکوز کر دیا۔ اسی دوران، کچھ دوسری یونیورسٹیاں (خصوصاً بعض Big Ten اور Ivy League ادارے، اواخر 2025 میں) detection پر مزید زور دے رہی تھیں، جس سے میدان غیر یکساں (uneven) رہا، مگر تبدیلی کی سمت تبدیل نہیں ہوئی۔

چار اشارے، سسٹم کے چار حصے، ایک ہی سمت۔ یہ اتفاق نہیں؛ یہ اسی سسٹم ری بیلنسنگ کا نتیجہ ہے جس میں ایک ایسی evidence کو ترجیح دی جا رہی ہے جسے ثابت کرنا آسان ہو، اس کے بجائے ایک حسبِ ضرورت احتمال اسکور (custom probability score) کے۔

تبدیلی کے معنی کیوں بنتے ہیں

یہ تبدیلی مستقل اس لیے ہے کہ ڈٹیکٹر شواہد اور پروسیس شواہد کے درمیان عدم توازن (asymmetry) موجود ہے۔ دونوں قسم کے ثبوتوں کی درستگی کی کچھ معلوم حدیں (known floors) ہیں۔ ڈٹیکٹر کی حد بہت کم ہے۔

ڈٹیکٹر evidence ایک probability score ہوتا ہے جو ایک ایسے ماڈل سے اخذ ہوتا ہے جو متن کی اُن خصوصیات (text features) کو سیکھتا ہے جو AI output سے correlated ہوتی ہیں۔ Stanford 2023 کے مطالعے میں سات بڑے ڈٹیکٹرز دریافت ہوئے جنہوں نے TOEFL کے 61.3 فیصد مضمون ایسے انگریزی غیر مادری بولنے والوں (non-native English speakers) کے تھے، انہیں غلطی سے AI-generated قرار دے دیا۔ Newby discovery میں سامنے آنے والے Adelphi کے ادارہ جاتی ڈیٹا میں یونیورسٹی کی اپنی Turnitin intake پر 28 فیصد ESL false-positive rate موجود تھا۔ وینڈرز کی فراہم کردہ precision کی شرحیں عموماً native-English متن پر حساب کی جاتی ہیں اور وہ عام طور پر لاگو نہیں ہوتیں (generalize نہیں کرتیں)۔ اسکور کی درستگی لکھنے والے کی زبان کے پس منظر، اُن prompts کی تقسیم (prompt distribution) جس پر ڈٹیکٹر تربیت پایا تھا، اور ادارے نے مقرر کیے گئے threshold پر منحصر ہوتی ہے۔ جمع کروانے کے وقت مصنف کو ان میں سے کوئی چیز معلوم نہیں ہوتی۔

پروسیس evidence واقعات کی زنجیر (chain of events)، ٹائم اسٹیمپس (timestamps)، اور وہ revisionیں ہیں جو آخری دستاویز تک لے جاتی ہیں۔ Google Docs تمام revisions خودکار طور پر ٹریک کرتا ہے۔ Word AutoRecover اور اندرونی revision info بھی ہر revision کو ٹریک کرتے ہیں۔ OneDrive لاگ کرتا ہے کہ فائل کب کھولی گئی اور کب محفوظ (saved) ہوئی۔ براؤزر ٹیب ہسٹری یہ بتا دیتی ہے کہ مصنف ماخذات (sources) کے بارے میں تحقیق کب کر رہا تھا جنہیں اس نے cite کیا۔ reference manager سافٹ ویئر (Zotero، Mendeley، EndNote، Paperpile) ہر citation کو شامل کرنے کی تاریخ/وقت کے ساتھ timestamp کرتا ہے۔ یہ سارا ثبوت عمل/پروسیس کے حصے کے طور پر ہی تخلیق ہوتا ہے۔ اسے بعد میں اسی وقت/محنت کے بغیر بنانا ممکن نہیں ہوتا جتنی پہلی تحریر کے لیے لگتی۔

اسی وجہ سے یہ تبدیلی “load-bearing” ہے: اعتماد کا عدم توازن (trust asymmetry)۔ ڈٹیکٹر اسکور پر validation، threshold، اور population bias کے اعتراضات کے ذریعے چیلنج ہو سکتی ہے؛ اسکور کا دفاع کرنے والے ادارے کو ایسا ثبوت فراہم کرنا ہوگا جو اکثر اُن کے پاس نہیں ہوتا۔ پروسیس ریکارڈ authenticity کی بنیاد پر چیلنج ہو سکتی ہے، جس کے لیے ادارے کو وہ ثبوت فراہم کرنے پڑیں گے جو کسی ایسے لکھنے والے کے خلاف درکار ہوں جو platform-generated metadata کی طرف اشارہ کر سکے۔ تقریباً ہمیشہ، پروسیس ریکارڈ کا دفاع کرنے والے کے لیے کیس زیادہ آسان ہوتا ہے۔

یہ انسانی بنانے (humanizer) بمقابلہ ڈٹیکٹر کی بحث نہیں۔ humanizer سطح (surface) بدلتا ہے؛ جبکہ پروسیس ریکارڈ ثبوت کی بنیاد (evidence base) بدل دیتا ہے۔ اگر کل ہی تمام AI ڈٹیکٹرز native English پر بھی مکمل درستگی حاصل کر لیں، تب بھی پروسیس ریکارڈ زیادہ مفید سگنل رہے گا کیونکہ وہ احتمال (probability) نہیں بلکہ مصنفیت (authorship) کی طرف براہِ راست بات کرتا ہے۔

ٹریکڈ چینجز اور ڈرافٹ ہسٹری: قابلِ دفاع پروسیس دستاویز کاری کیسی نظر آتی ہے

اچھی خبر یہ ہے کہ تقریباً ہر ایسا ٹول جسے محققین پہلے ہی استعمال کرتے ہیں بطور default پروسیس evidence تیار کرتا ہے۔ اصل کام اسے capture کرنا ہے اور جب ضرورت پڑے تو یہ جاننا ہے کہ کہاں سے تلاش کرنا ہے۔

Google Docs. File پھر Version history پھر See version history. پورا revision tree غیر معینہ مدت تک محفوظ رہتا ہے، جس میں یہ بھی برقرار رہتا ہے کہ کس نے اور کب ترمیم کی۔ اگر shareable ریکارڈ درکار ہو تو اسے PDF کے طور پر export کیا جا سکتا ہے؛ اس export میں timeline نظر آتی ہے۔ 2026 میں تعلیمی مصنفین کے لیے دستیاب سب سے مفید پروسیس ٹول یہی ہے، زیادہ تر اس لیے کہ یہ default ہے اور غیر معینہ مدت تک برقرار رہتا ہے۔

Microsoft Word. AutoRecover خودکار طور پر محفوظ کی گئی versions کو ایک hidden folder میں رکھتا ہے۔ Track Changes (Review tab پھر Track Changes) جب فعال کر دیے جائیں تو آپ کی ہر ایڈٹ کو capture کرتی ہے۔ ورک فلو میں وہ تبدیلی جو واقعی قابلِ عمل ہے وہ یہ ہے کہ اپنی ڈرافٹنگ کے لیے Track Changes کو آن کریں: آغاز سے Track Changes آن رکھنے سے آپ کی بعد کی تمام ترامیم اسی ریکارڈ میں capture ہو جاتی ہیں۔ یہ ضروری ہے کہ آپ versions کو وضاحتی ناموں کے ساتھ واضح طور پر محفوظ کریں ("draft-2026-07-12-section-3-rewrite") تاکہ ہر فائل کھولے بغیر ترتیب (sequence) واضح نظر آ جائے۔ زیادہ تر محققین اپنی ڈرافٹنگ کے لیے Track Changes آن نہیں کرتے، مگر اگر آپ لکھتے ہوئے ہی changes کو ٹریک کرنا چاہتے ہیں تو یہ اس کا بہترین طریقہ ہے۔

OneDrive، Google Drive، Dropbox. کلاؤڈ اسٹوریج فراہم کرنے والے فائل ایکٹیویٹی لاگ کرتے ہیں۔ زیادہ تر تعلیمی IT سروسز اسے کم از کم 90 دن کے لیے، کبھی زیادہ مدت، محفوظ رکھتی ہیں۔ یہ لاگ ثابت کرتا ہے کہ فائل کب تبدیل کی گئی، کس کے ذریعے، اور کس ڈیوائس سے۔ یہ اس وقت خاص طور پر مفید ہے جب آپ کے بنیادی ایڈیٹر کی revision history نامکمل ہو۔

Reference managers. Zotero، Mendeley، EndNote، اور Paperpile، یہ سب یہ ریکارڈ کرتے ہیں کہ آپ کی لائبریری میں کوئی citation کب شامل کیا گیا اور یہ کس دستاویز کے ساتھ لنک/مربوط ہے۔ تحقیق کے مرحلے پر پروسیس evidence: یہ تحریر کے مرحلے سے پہلے کا ثبوت ہے اور تحریر کی مرحلے کی ویلیڈیشن بھی۔ فرض کریں کسی ریویور کو یہ لگے کہ آپ نے کسی ایسے ماخذ (source) کو cite کیا ہے جسے آپ نے واقعی پڑھا نہیں۔ تو آپ اسے اس ٹائم اسٹیمپ کے ساتھ جواب دے سکتے ہیں کہ آپ نے اسے کب پڑھا۔

Tracked changes export. یہ وہ واحد سب سے مفید آؤٹ پٹ ہے جس کے ذریعے آپ اپنی پروسیس evidence کو ریویور، ایڈیٹر یا integrity board کے ساتھ شیئر کر سکتے ہیں۔ ٹریکڈ چینجز ایک Word یا Google Docs دستاویز کی صورت میں ہوتا ہے جس میں تمام edits واضح طور پر دکھائی دیتے ہیں (کس نے کیا، کب)۔ ہمارے proofreader میں tracked changes بطور default فعال ہوتے ہیں، مگر اگر آپ کو “raw text” (صاف/اصل ورژن) دیکھنے کی ضرورت ہو تو اسے بنانے کا ایک آپشن بھی موجود ہے۔ ہم اس ورژن کی سفارش ہر اُس submission کے لیے کرتے ہیں جہاں ممکن ہو کہ آپ سے writing process کے بارے میں سوال کیا جائے۔ نوٹ کریں کہ یہ ورژن Claude for Word میں نَیٹو طور پر بھی تیار کیا جا سکتا ہے۔ Claude for Word اسی artifact کو نَیٹو طور پر تیار کرتا ہے، اور یہی پروڈکٹ کا architectural نکتہ ہے۔

ای میل اور چیٹ کی آرکائیوز۔ سپروائزرز، شریک مصنفین، اور writing center tutors کے ساتھ گفتگو۔ گفتگو کے تھریڈز محفوظ کریں۔ یہ وہ iterative thinking قائم کرتے ہیں جس نے manuscript تیار کیا، جسے کوئی ڈٹیکٹر جعلی نہیں بنا سکتا۔

وہ ڈرافٹنگ عادتیں جو قابلِ دفاع پروسیس پیدا کرتی ہیں

پانچ عادتیں، جن میں سے کوئی بھی آپ کے موجودہ ورک فلو میں معنی خیز رکاوٹ (meaningful friction) نہیں ڈالتی، اور یہ مل کر ایک قابلِ دفاع پروسیس ریکارڈ تیار کرتی ہیں۔

1. کسی ایسے ٹول میں ڈرافٹ کریں جو بطور default revision history محفوظ کرے۔ Google Docs یا Word کے ساتھ Track Changes آن کریں۔ plain text editors میں ڈرافٹ نہ کریں جو history محفوظ نہیں رکھتے؛ اور working file کو چھوڑ کر اسے clean copy میں export کر کے ضائع نہ کریں۔ اگر آپ کے موجودہ ورک فلو میں نوٹ بک میں لکھ کر بعد میں ٹائپ کرنا شامل ہے تو ٹائپ کیا ہوا ورژن ہی آپ کا draft ہے؛ اسے اسی وقت سے محفوظ کریں۔

2. versions کو واضح طور پر dated اور descriptive ناموں کے ساتھ محفوظ کریں۔ ہفتے میں ایک بار موجودہ ڈرافٹ کا snapshot ایک نام کے ساتھ محفوظ کریں، مثلاً "manuscript-2026-07-18-after-methods-rewrite"۔ یہ named versions ترتیب کو ایک نظر میں واضح بنا دیتے ہیں اور cloud-storage کی retention purges سے بھی بچ جاتے ہیں۔

3. manuscript کے ساتھ ایک لائن کا edit log رکھیں۔ اسی فولڈر میں ایک plain text فائل۔ ہر اندراج ایک تاریخ اور ایک جملہ ہو: "2026-07-18: سپروائزر سے ملاقات کے بعد سیکشن 3 کی methodology دوبارہ لکھی۔" ہفتے میں پانچ منٹ، یہ وہ سوچ (thinking) پکڑ لیتا ہے جو revision history خود بہ خود ظاہر نہیں کر سکتی۔

4. AI-assisted edits کو tracked-changes pipeline کے ذریعے چلائیں۔ اگر آپ Claude for Word، ChatGPT، یا کسی اور AI ٹول سے edits کروانے میں مدد لیتے ہیں تو کام ایسے pipeline کے ذریعے کریں جو tracked-changes ریکارڈ تیار کرے۔ Claude for Word یہ نَیٹو طور پر کرتا ہے۔ ہمارا proofreader ہر export میں یہی کرتا ہے۔ یہی ریکارڈ کسی بھی مستقبل کی disclosure یا integrity conversation کو قابلِ عمل (tractable) بناتا ہے۔

5. معاون/حمایتی تحقیق (supporting research) کو آرکائیو کریں۔ reference manager exports، dated فولڈر میں ڈاؤن لوڈ کیے گئے PDFs، اور source pages کے browser bookmarks۔ تحقیق کا ریکارڈ citation ریکارڈ کو ویلیڈٹ کرتا ہے، جو پھر writing ریکارڈ کو ویلیڈٹ کرتا ہے۔ ہر سطح اوپر والی سطح کی حفاظت کرتی ہے۔

پانچ عادتیں، تقریباً ہفتے میں 15 منٹ کا overhead، ایسا پروسیس ریکارڈ بناتی ہیں جو مستقبل کی کسی بھی چیلنج کے خلاف دفاع کر سکتا ہے: ڈٹیکٹر، ریویور، یا integrity board۔ AI ٹول استعمال کو خاص طور پر manuscript کے اندر کیسے دستاویزی شکل دی جائے، اس وسیع سوال کے لیے ہمارے AI disclosure guide میں manuscripts کا حصہ disclosure کو کور کرتا ہے؛ اور اپیل والے سوال کے لیے کہ اگر آپ کو صاف پروسیس ہونے کے باوجود flagged کر دیا گیا ہے تو کیا کریں، appeal-letter playbook جواب دینے کے طریقے بتاتا ہے۔

اداروں، جرائد، اور ڈٹیکٹر وینڈرز کے لیے اس کا مطلب کیا ہے

یہ تبدیلی اگلے 18 ماہ میں ادارہ جاتی (institutional) نتائج پیدا کرے گی جو وقت کے ساتھ واضح ہو جائیں گے۔

یونیورسٹیوں کے لیے عملی سوال یہ ہے کہ کیا submission کے وقت ڈرافٹ ہسٹری capture کو لازمی بنایا جائے، اس کے لیے کون سا consent framework مناسب ہے، اور disciplinary processes میں captured evidence کی بنیاد پر ڈٹیکٹر اسکورز کو کیسے weigh کیا جائے۔ جو ادارے یہ کام بہتر طریقے سے کریں گے وہ ایک واضح پالیسی شائع کریں گے جو trusted evidence کا نام بھی رکھے گی اور action کے لیے threshold بھی بتائے گی۔ جو ادارے “ہچکچاتے” رہیں گے انہیں Newby طرز کی اپیلیں باقاعدگی سے دیکھنی پڑیں گی۔

جرائد کے لیے سوال یہ ہے کہ peer-review workflow میں پروسیس evidence کو کیسے شامل کیا جائے، بغیر اس اضافی رکاوٹ کے جو سسٹم absorb نہیں کر سکتا۔ کچھ جرائد manuscript کے ساتھ tracked-changes uploads کو لازمی کریں گے؛ کچھ disclosure statement میں process attestations قبول کریں گے۔ کچھ جرائد verification کو وینڈرز کے سپرد کریں گے جو publisher-facing tooling بنا رہے ہیں۔ جو جرائد سب سے پہلے آگے بڑھیں گے وہ de facto معیار (standard) قائم کریں گے۔

ڈٹیکٹر وینڈرز کے لیے یہ تبدیلی وجودی (existential) ہے۔ Turnitin کی Clarity کی pivot ایک کیس اسٹڈی ہے: جس کمپنی نے detection score تیار کیا تھا اب وہ process record کو زیادہ قابلِ بھروسہ سگنل کے طور پر پیش کر رہی ہے۔ جو وینڈرز اسی pivot سے انکار کریں گے وہ ادارہ جاتی کنٹریکٹس ان وینڈرز کو کھو دیں گے جو ایسا کریں گے۔ ڈٹیکٹر اسکور ختم نہیں ہوگا؛ وہ متعدد سگنلز میں سے ایک بن کر رہ جائے گا، اور کسی اچھی طرح ڈیزائن کیے گئے integrity process میں اس کا وزن process record کے مقابلے میں کم ہوگا۔ Turnitin Clarity کے process forensics پر ہمارے نوٹ میں بتایا گیا ہے کہ پروڈکٹ عملی طور پر کیا کرتی ہے اور رول آؤٹ کے دوران ادارے کہاں کھڑے ہیں۔

اس کا سب سے سیدھا مطلب محققین کے لیے یہ ہے۔ ریکارڈ تیار کرنے کا کام کم ہے۔ جو دفاع (defensibility) یہ فراہم کرتا ہے وہ بڑا ہے۔ "ڈٹیکٹر پاس کریں" سے "پروسیس کو دستاویزی شکل دیں" تک ری فریم، وہی برانڈ پوزیشن ہے جسے ہم سال کے باقی حصے میں دفاع کریں گے۔

اکثر پوچھے گئے سوالات

سوال: کیا "عمل ہی نئی ’اثبات‘ ہے" کا مطلب یہ ہے کہ AI ڈٹیکٹر ختم ہو جائیں گے؟

مکمل طور پر نہیں۔ ڈٹیکٹر بطور ایک اسکریننگ سگنل موجود رہیں گے، خاص طور پر انڈرگریجویٹ تدریس میں، جہاں submissions کی مقدار کے باعث process-evidence کی review مہنگی پڑتی ہے۔ جو بدل رہا ہے وہ وزن (weight) ہے: ڈسپلنری processes میں اچھی طرح ڈیزائن کیے گئے اداروں میں اب صرف ایک ڈٹیکٹر اسکور کو مرکزی ثبوت کے طور پر قبول نہیں کیا جاتا، اور Newby v. Adelphi کے فیصلے نے عدالت میں اس موقف کو باقاعدہ بنا دیا۔ اسکور اب closer review کے لیے ان پٹ ہوتا ہے، نتیجہ (conclusion) نہیں۔

سوال: میں کاغذ پر ڈرافٹ کرتا/کرتی ہوں اور بعد میں ٹائپ کر لیتا/لیتی ہوں۔ کیا میں عمل/پروسیس کے دفاع سے محروم ہو جاؤں گا/گی؟

مکمل طور پر نہیں، لیکن تحفظ (protection) کمزور ہے۔ ٹائپ کیا ہوا ورژن عمل/پروسیس evidence کے مقاصد کے لیے آپ کا draft ہوتا ہے؛ جس لمحے سے آپ ٹائپ شروع کریں اسی وقت سے دستاویز محفوظ کریں اور revision history کو جمع ہونے دیں۔ ہاتھ سے لکھے ہوئے نوٹس کی تصویر کشی یا اسکین کر کے اور تصاویر کو تاریخ کے ساتھ محفوظ کر کے ایک اضافی سطح (second layer) بھی تیار کی جا سکتی ہے۔ دوہرا ریکارڈ (ہاتھ سے لکھا + ٹائپ شدہ revisions) حقیقت میں صرف ٹائپ شدہ ریکارڈ سے زیادہ مضبوط ہے، کیونکہ ہاتھ سے لکھی ہوئی تہہ کو retroactively بنانا مشکل ہوتا ہے۔

سوال: اگر میرا ادارہ tracked changes کو evidence کے طور پر قبول نہیں کرتا تو؟

FERPA کی درخواست دائر کریں (امریکہ میں؛ برطانیہ کے تحت equivalent: Data Protection Act 2018، اور دیگر جگہوں پر EU GDPR Article 15 کے مطابق) تاکہ آپ اپنی مکمل ریکارڈنگ حاصل کر سکیں۔ اگرچہ ادارے نے فارمیٹ کو باضابطہ طور پر قبول نہیں کیا ہو، تب بھی tracked changes کو کسی بھی اپیل کے ساتھ جمع کریں۔ Newby کے فیصلے نے یہ قائم کیا کہ اس evidence پر غور کے لیے اگر واضح پروسیس موجود نہ ہو تو یہ خود ایک procedural issue ہے۔ ادارے اس کے جواب میں اپنی پالیسی اپ ڈیٹ کر رہے ہیں، اور ریکارڈ کو proactively فراہم کرنا اس اپ ڈیٹ کو آگے بڑھانے والے دباؤ (pressure) کا حصہ ہے۔

سوال: کیا مجھے اپنے drafting کے لیے Track Changes آن کر دینا چاہیے، حتیٰ کہ جب میں واحد مصنف/مصنفہ ہوں؟

ہماری رائے میں ہاں، اور یہ وہ ورک فلو تبدیلی ہے جس سے زیادہ تر محققین کو فائدہ ہوتا ہے۔ ہر دستاویز کے آغاز سے Track Changes آن رکھنے سے آپ کو مزید کسی نظم و ضبط/اضافی discipline کے بغیر مکمل edit record مل جاتا ہے۔ نارمل drafting کے لیے markup view چھپا دیں (Review tab پھر Display for Review پھر No Markup)، مگر underlying record کو برقرار رکھیں اور ضرورت پڑنے پر tracked-changes version export کر لیں۔ رکاوٹ کم ہے اور تحفظ حقیقی ہے۔

سوال: کیا یہ امریکہ سے باہر بھی لاگو ہوتا ہے، جہاں Newby پابند precedent نہیں ہے؟

جی ہاں، دو وجوہات کی بنا پر۔ پہلی، Turnitin Clarity کی رول آؤٹ، Claude for Word، اور جرنل پالیسی میں تبدیلیاں عالمی ہیں، مخصوص دائرہ اختیار (jurisdiction) تک محدود نہیں؛ trusted-evidence والا یہ ریفریم اس بات سے قطع نظر کہ آپ کہاں submit کرتے ہیں، پورے academic publishing میں پھیل رہا ہے۔ دوسری، Newby کی reasoning قابلِ منتقلی ہے: برطانیہ، آسٹریلیا، کینیڈا، بھارت، اور یورپی یونین میں عدالتوں اور integrity boards نے اس دلیل کے ساتھ مصروفیت دکھائی ہے کہ صرف ڈٹیکٹر اسکور ثبوتِ غالب نہیں بنتے۔ کیس کو واضح طور پر cite کریں، چاہے یہ persuasive ہو لیکن binding نہ ہو؛ reasoning بخوبی سفر کرتی ہے۔

پروف ریڈر جو پروسیس از پروف دور کے لیے بنایا گیا ہے

ہر ایڈٹ کے ساتھ ٹریکڈ چینجز ایکسپورٹ۔ ٹول اور ورژن خودکار طور پر کیپچر ہو جاتا ہے۔ وہ ریکارڈ جس پر آپ کے ایڈیٹر، ریویور، یا انٹیگریٹی بورڈ کو اعتماد ہو گا۔