Ein Lehrer fügt einen Aufsatz in einen Detektor ein und erhält & quot;87% AI-generated" Ein Redakteur führt einen Freelancer' s-Artikel durch einen anderen und erhält " wahrscheinlich human" Einem Bewerber wird mitgeteilt, dass sein Anschreiben gekennzeichnet wurde. In jedem Fall wird eine einzige Nummer gebeten, eine Frage zu einer Person zu beantworten: Haben sie das geschrieben? Diese Nummer kann das Gewicht nicht tragen, und die Gründe sind gut dokumentiert.
Ehrlich messbar ist der Text selbst Satzlänge, Wortschatz, Absicherung und Interpunktion sind Fakten über das Schreiben, und es sind dieselben Fakten, die einen Entwurf für einen Leser formelhaft wirken lassen Dieser Leitfaden erklärt, warum die Erkennung der Urheberschaft fehlschlägt, was jedes messbare Signal bedeutet, wie die Zahlen berechnet werden und wie man sie nutzt, um einen Entwurf zu verbessern, anstatt jemanden zu beschuldigen Die Beispiele verwenden die KI-Schreibprüfung, einer der KI-Schreibwerkzeuge auf Toolz, das sechs Signale meldet und bewusst keine Wahrscheinlichkeit für eine KI-Autorenschaft angibt.
tl; dr: Kein Tool kann zuverlässig erkennen, ob AI einen Text geschrieben hat OpenAI hat 2023 seinen eigenen Klassifikator wegen geringer Genauigkeit zurückgezogen, und Untersuchungen zeigen, dass Detektoren nicht-einheimische englische Autoren oft als AI kennzeichnen Was ein Prüfer ehrlich messen kann, ist die Schrift: Variation der Satzlänge (Burstigkeit), durchschnittliche Satzlänge, überbeanspruchter Wortschatz pro 1.000 Wörter, Hedge-Phrasen, Em-Strich-Dichte und Konnektivöffner Die KI-Schreibprüfung Meldet diese sechs Signale mit den Beweisen hinter jedem, läuft auf der Client-Seite und ist kostenlos, ohne Anmeldung.
Kann ein KI-Detektor erkennen, wer einen Text geschrieben hat?
Nein. Ein KI-Detektor ist ein statistischer Klassifikator, der anhand oberflächlicher Merkmale des Textes die Urheberschaft errät, und diese Vermutungen sind oft so falsch, dass ein Eingreifen darauf unsicher ist.
Die deutlichsten Beweise stammen von den Unternehmen, die sie gebaut haben OpenAI hat im Januar 2023 einen KI-Textklassifikator veröffentlicht und im Juli 2023 zurückgezogen Das Update am seiner Ankündigungsseite Sagt, der Klassifikator sei nicht mehr verfügbar gewesen & quot; aufgrund seiner geringen Genauigkeitsrate" Wenn die Organisation, die das Modell trainiert hat, keinen zuverlässigen Detektor für seine Ausgabe bauen kann, verdient ein Third-Party-Score wenig Vertrauen.
Auch die Ausfälle sind nicht zufällig Eine Studie von Stanford-Forschern aus dem Jahr 2023, GPT-Detektoren sind voreingenommen gegenüber nicht-einheimischen englischen Schriftstellern (Liang et al), liefen sieben weit verbreitete Detektoren über TOEFL-Aufsätze, die von Nicht-Muttersprachlern der englischen Sprache verfasst wurden Mehr als die Hälfte dieser von Menschen geschriebenen Aufsätze wurden im Durchschnitt als KI-generiert eingestuft, während Aufsätze von US-Achtklässlern weitaus genauer klassifiziert wurden Der Mechanismus ist einfach: Menschen, die in einer zweiten Sprache schreiben, neigen dazu, einen engeren Wortschatz und eine regelmäßigere Satzstruktur zu verwenden, und Regelmäßigkeit ist genau das, was Detektoren als maschinenähnlich lesen.
Zwei weitere Probleme machen Scores fragil Leichte Bearbeitung eines generierten Entwurfs kann eine Score von & quot; AI" zu & quot;human" bewegen Und starke Bearbeitung eines menschlichen Entwurfs mit Grammatiksoftware kann es in die andere Richtung Eine Messung, die unter gewöhnlicher Bearbeitung umschlägt, ist nicht die Messung der Urheberschaft.
Was kann ein Schreibprüfer ehrlich messen?
Es kann Eigenschaften des Textes messen, die wahr sind, unabhängig davon, wer ihn produziert hat Der Toolz-Checker meldet sechs:
| Signal | Was es misst | Wie es berichtet wird | Menschenähnliches Ende | Formelendes Ende |
|---|---|---|---|---|
| Satzlängenvariation | Wie stark sich Satzlängen unterscheiden (Burstigkeit) | Variationskoeffizient in Prozent | 70% oder mehr | 15% oder weniger |
| Durchschnittliche Satzlänge | Mittelwörter pro Satz | Worte | 14 oder weniger | 30 oder mehr |
| Überbeanspruchter Wortschatz | Etwa 40 Wörter Modelle überbeanspruchen | Zählen und bewerten Sie pro 1.000 Wörter | 0 pro 1.000 | 20 oder mehr pro 1.000 |
| Heckenfloskeln | Sätze wie & quot; es ist erwähnenswert" | zählen | 0 | 5 oder mehr |
| Em-Strich-Dichte | Em und en Striche | Zählen und bewerten Sie pro 1.000 Wörter | 0 pro 1.000 | 10 oder mehr pro 1.000 |
| Verbindungsöffner | Sätze beginnen Darüber hinaus, Darüber hinaus jedoch | Satzanteil | 0% | 30% oder mehr |
Jedes Signal wird auf einer Skala von 0 bis 1 zwischen diesen beiden Ankern platziert und als menschenähnlich (unter 0,34), gemischt (0,34 bis 0,67) oder formelhaft (über 0,67) gefärbt.Die Anker sind Bearbeitungsschwellen, keine statistischen Grenzwerte für die Urheberschaft. Sie markieren, wo ein Leser das Muster bemerkt.
Jedes Signal listet auch seine Beweise auf: die tatsächlichen Satzlängen, die übereinstimmenden Wörter, die gefundenen Hecken, die Sätze, die sich mit einem Konnektiv öffneten Wenn eine Zahl falsch aussieht, zeigt der Beweis, warum.
Was ist Burstiness und warum ist es das stärkste Signal?
Burstiness ist, wie viel Satzlänge über einen Text variiert Menschliche Schrift vermischt kurze und lange Sätze Ein Drei-Wort-Satz landet einen Punkt Ein Dreißig-Wort-Satz durchläuft eine Qualifikation mit seinen Klauseln Erzeugte Entwürfe neigen dazu, sich in einer einheitlichen mittleren Länge niederzulassen, Satz für Satz von fünfzehn bis zweiundzwanzig Wörtern.
Der Checker gibt als Variationskoeffizient Burstigkeit an: die Standardabweichung der Satzlängen dividiert durch den Mittelwert Die Division durch den Mittelwert macht die Figur unabhängig davon, wie lang die Sätze insgesamt sind, so dass ein Text aus kurzen Sätzen und ein Text aus langen Sätzen fair verglichen werden kann.
Hier die Berechnung für vier Sätze mit Längen von 4, 17, 2 und 11 Wörtern:
mean = (4 + 17 + 2 + 11) / 4 = 8.5
squares = 4.5² + 8.5² + 6.5² + 2.5² = 20.25 + 72.25 + 42.25 + 6.25 = 141
variance = 141 / 4 = 35.25
std dev = √35.25 ≈ 5.94
CV = 5.94 / 8.5 ≈ 0.70 → "70% variation"
Bei 70% sitzt der Text am menschenähnlichen Ende Ändern Sie diese Längen auf 15, 17, 16 und 18 und die Standardabweichung sinkt auf etwa 1,12 bei einem Mittelwert von 16,5, einer Variation von etwa 7%, was das formelhafte Ende ist.
Burstiness ist das stärkste einzelne Signal, weil es schwer zu fälschen ist, ohne es neu zu schreiben, und leicht zu beheben, wenn Sie es tun: Teilen Sie einen langen Satz, verschmelzen Sie zwei kurze und fügen Sie einen sehr kurzen Satz hinzu, bei dem ein Punkt hervorgehoben werden muss.
Wie werden Vokabeln, Absicherungen, Striche und Opener gezählt?
Überbeanspruchter Wortschatz. Der Prüfer zählt Übereinstimmungen mit dem gesamten Wort aus einer Liste von etwa 40 Wörtern, die im generierten Text weitaus häufiger vorkommen als in menschlichen Schriften, einschließlich leverage, robust, crucial, comprehensive, holistic, meticulous, transformative und navigating. Die Zählung wird in eine Rate pro 1.000 Wörter umgerechnet, sodass kurze und lange Texte miteinander verglichen werden.
Heckenfloskeln. Zehn Muster werden gezählt, darunter " es ist wichtig zu notieren", " es ist erwähnenswert", " es sollte notiert werden", " wenn es um " geht, " am Ende des Tages", " muss nicht sagen" und " in heutiger Zeit's schnelllebiges World".
Em-Strichdichte. Jeder em-Strich und en-Strich wird gezählt und in eine Rate pro 1.000 Wörter umgewandelt, Personen, die auf einer Tastatur tippen, produzieren selten das Zeichen; Modelle produzieren es ständig.
Verbindungsöffner. Der Prüfer zählt Sätze, die mit beginnen. Darüber hinaus gilt darüber hinaus insbesondere, wichtig, folglich oder jedoch als Anteil an allen Sätzen.
Durchschnittliche Satzlänge. Die mittlere Wortzahl pro Satz Etwa 15 bis 20 Wörter lesen sich bequem; nach 25 beginnt der Leser zu arbeiten.
Sätze werden nach einem Punkt, Fragezeichen oder Ausrufezeichen gefolgt von Leerzeichen aufgeteilt, und Wörter sind Buchstabenreihen und Apostrophe Abkürzungen wie & quot; z.B." können daher einen Satz vorzeitig aufteilen, wodurch sich die Längenangaben leicht ändern Die Evidenzliste zeigt die Längen an, damit Sie ihn erkennen können.
Ein funktioniertes Beispiel mit jeder Zahl
Fügen Sie diesen kurzen Text ein:
The report is ready. It covers three regions and explains why sales in the north fell by a fifth last spring. Read it. Moreover, it is important to note that the landscape is changing.
Der Prüfer meldet 34 Wörter und 4 Sätze, mit diesen Signalen:
| Signal | schätzen | Urteil |
|---|---|---|
| Satzlängenvariation | 70% Variation (Längen 4, 17, 2, 11) | Menschenähnlich |
| Durchschnittliche Satzlänge | 8,5 Wörter | Menschenähnlich |
| Überbeanspruchter Wortschatz | 1 Instanz (29,4 pro 1.000 Wörter): Landschaft | Formelhaft |
| Heckenfloskeln | 1 gefunden: " es ist wichtig zu beachten" | Menschenähnlich |
| Em-Strich-Dichte | 0 Striche (0,0 pro 1.000 Wörter) | Menschenähnlich |
| Verbindungsöffner | 1 von 4 Sätzen | Formelhaft |
Daraus ergeben sich zwei Lehren Zunächst schwingen die Raten für sehr kurze Texte stark: Ein Wort von 34 ist eine Rate von 29,4 pro 1.000, abseits der Skala Fügen Sie mindestens ein paar hundert Wörter ein, bevor Sie viel in den Wortschatz und die Strichraten lesen Zweitens zeigen die Signale auf einen bestimmten Satz, der letzte trägt einen Öffner, eine Hecke und ein gelistetes Wort, und schreibt es um in " Der Markt verändert sich." löscht alle drei.
Die Gesamtbezeichnung für diesen Text lautet " Reads natural", denn der Mittelwert der sechs Bewertungen landet knapp unter der gemischten Schwelle. Dieses Grenzergebnis ist ein gutes Beispiel dafür, warum die Gesamtbezeichnung eine Zusammenfassung der Signale und keine Note ist.
Wie sollte man einen Schreibprüfer verwenden und wie nicht?
Verwenden Sie es für Ihre eigenen Entwürfe, um herauszufinden, welche Absätze als formelhaft gelesen werden, und um zu erfahren, wie die Muster aussehen Verwenden Sie es beim Bearbeiten von beigesteuerter Arbeit, als Zeiger darauf, wo eine Lichtbearbeitung helfen würde.
Verwenden Sie es nicht, um zu entscheiden, ob ein Student betrogen hat, ob ein Freiberufler ein Modell verwendet hat oder ob ein Bewerber seinen eigenen Brief geschrieben hat. Auf der Seite steht dies in einem Warnfeld über den Ergebnissen, und der Grund muss wiederholt werden: Kein Detektor kann die Urheberschaft nachweisen, falsch positive Ergebnisse fallen zweitsprachigen Autoren am schwersten zu, und eine auf einer Partitur basierende Anschuldigung kann jemandem, der nichts falsch gemacht hat, echten Schaden zufügen. Wenn die Urheberschaft wirklich wichtig ist, sprechen Sie mit dem Autor, schauen Sie sich Entwürfe und die Revisionsgeschichte an oder bitten Sie ihn, seine Argumentation zu erklären.
Es gibt auch keinen Score, den man anstreben kann, wenn die Variation gering ist, variieren Sie Ihre Sätze. Wenn die Absicherung hoch ist, schneiden Sie Hecken ab. Beide verbessern die Schreibweise, wer auch immer sie geschrieben hat.
Wie repariert man, was der Checker findet?
Jedes Signal hat eine direkte Fixierung.
| Auffinden | Fix |
|---|---|
| Geringe Satzlängenvariation | Teilen Sie einen langen Satz; verschmelzen Sie zwei kurze; Fügen Sie zur Betonung einen sehr kurzen Satz hinzu |
| Hohe durchschnittliche Satzlänge | Sätze unter " brechen. und", " was" und " weil" wo die Klauseln für sich allein stehen |
| Hohe Vokabularrate | Tauschen Sie jedes aufgeführte Wort gegen ein einfaches: verwenden, stark, Schlüssel, vollständig |
| Heckenfloskeln | Löschen Sie die Phrase; Der Satz bedeutet dasselbe |
| Hohe em-Strichrate | Ersetzen Sie Bindestriche durch Vollstopps, Kommas oder Klammern, je nachdem, was der Satz möchte |
| Verbindungsöffner | Löschen Sie den Öffner; die Reihenfolge der Sätze zeigt bereits den Zusammenhang an |
Mehrere davon können automatisch angewendet werden Die KI-Text-Humanizer Entfernt Hecken und Öffner, vertauscht überbeanspruchte Wörter und ersetzt Bindestriche, und listet jede Änderung auf, damit Sie diejenigen ablehnen können, die nicht passen Es ändert nicht die Satzlänge, so Burstiness ist immer noch eine manuelle Bearbeitung Eine praktische Schleife ist: überprüfen, humanisieren, Satzrhythmus von Hand bearbeiten, dann erneut überprüfen.
Wenn Sie sehen möchten, wie stark sich Ihre Bearbeitungen geändert haben, fügen Sie das Vorher und Nachher in ein ein Textdiff-Prüfer. Für Längenziele auf einer bestimmten Plattform ist der Leitfaden zu Wörter zählen und Lesezeit Umfasst, wie Wortanzahl berechnet wird und warum Werkzeuge nicht übereinstimmen.
Musterprüfer vs. KI-Detektor vs. Lesbarkeitswert
Diese drei Tools beantworten unterschiedliche Fragen und werden oft verwechselt.
| Werkzeugtyp | Frage es beantwortet | Ausgabe | Zuverlässig für |
|---|---|---|---|
| KI-Detektor | Hat das ein Model geschrieben? | Eine Wahrscheinlichkeit oder ein Urteil | Nichts Konsequentes; Die Genauigkeit ist zu gering |
| Musterprüfer | Welche formelhaften Gewohnheiten hat dieser Text? | Gemessene Signale mit Beweisen | Bearbeitung und Selbstrezension |
| Lesbarkeitsscore (Flesch und ähnliches) | Wie schwer ist das zu lesen? | Eine Notenstufe oder eine einfache Punktzahl | Text an ein Publikum anpassen |
Eine Lesbarkeitsformel und ein Musterprüfer überlappen sich bei der Satzlänge, betrachten aber verschiedene Dinge darüber hinaus Flesch-Wertung zählt Silben pro Wort; der Musterprüfer zählt bestimmte Wörter und Konstruktionen, zusammen verwendet sagen sie einem, ob ein Entwurf schwer zu lesen ist und ob er sich wie vorgebildet liest.
Wird der Text hochgeladen oder gespeichert?
Nein. Jede Messung läuft in JavaScript in Ihrem Browser Der Text wird nicht übertragen, protokolliert oder gespeichert, und die Seite funktioniert nach dem Laden offline, wenn das Textfeld den Fokus verliert, zeichnet die Seite ein Nutzungsereignis auf, das nur die Wortzahl, niemals den Text enthält.
Das ist wichtig für die genauen Dokumente, die die Leute am meisten prüfen möchten: unveröffentlichte Entwürfe, studentische Arbeiten, Manuskripte und Kundenleistungen. Die Wortlisten und Schwellenwerte sind auf der Seite festgelegt, sodass derselbe Text immer die gleichen Zahlen liefert, was die Ergebnisse reproduzierbar macht, wenn zwei Redakteure ihre Notizen vergleichen.
Um jetzt einen Entwurf zu prüfen Fügen Sie es in den Schreibmusterprüfer einLesen Sie die Beweise unter jedem Signal und beheben Sie die zwei oder drei, die am wichtigsten sind.
