CanvasはChatGPTを検出できる？Canvasが実際に実行していること

Canvas自体がChatGPTを検出するわけではありません。あなたの学校がTurnitinなどのツールを組み込んでいます。実際に何がスキャンされるのか、そして指摘された文をどう修正するのかを解説します。

この記事は英語原文の機械翻訳です。表現が硬い場合があります。英語の原文を読む

Canvasは単独でChatGPTを検出しません。InstructureはCanvasを学習管理システムとして構築しており、その組み込みの盗用チェックは、あなたの教育機関が有効化するサードパーティ連携を通じて実行されます。あなたの提出物にAIスコアが付いた場合、その数値はTurnitin、またはあなたの学校が課題に組み込んだ検出ツールから来たものであり、Canvas自体から来たものではありません。Canvasが表示するのは、検出ツールが返したレポートであり、あなたの提出物に添付されています。

この区別は重要です。なぜなら、フラグに対して何ができるかが変わるからです。あなたはCanvasと議論しているのではありません。あなたは検出ツールからの確率推定値を見ており、誰かが読む前に、シグナルを運んだ文を修正することができます。

主なポイント

Canvasは配信システムであり、検出ツールではありません。Turnitinまたは同様の連携がスコアリングを行い、Canvasが結果を表示します。
フラグは確率推定値であり、著者性の証明ではありません。これは講師にも伝えられていますが、全員がそれに基づいて行動するわけではありません。
最新のツールのほとんどでは検出は文レベルで実行されるため、文書全体のスコアでは、どの行がフラグの原因となったかが隠されます。
表面的な癖 — 均一な文の長さ、曖昧なつなぎ言葉、整いすぎた段落の形 — は、アイデアがあなた自身のものであってもスコアを押し上げます。
議論を書き直すことなく、フラグが付いた文を修正でき、意味が保たれたことを確認できます。
私たち自身の測定では、手書きのDeAIzeガイド46件が平均AIスコア27%を記録し、46件中17件が30%のしきい値でフラグが付きました。人間の文章にもフラグは付きます。

Canvasは実際にAI検出をどのように扱うのか？

Canvas自体はChatGPT検出ツールを搭載していません。搭載しているのは、外部チェックが付いた課題ワークフローです。講師が課題で盗用およびAIサービスを有効にすると、あなたが提出したときにCanvasがファイルをそのサービスに渡し、返されたレポートをSpeedGrader内に表示します。

一般的な連携はTurnitinで、独自のAIライティング指標を備えています。Turnitinのレポートでは、提出物のうちAI生成の可能性が高いとモデルが判断した割合と、テキストのセグメントごとの内訳が表示されます。他の学校ではまったく別のベンダーを使用しており、中には何も使用していない学校もあります。

これらのスコアがどのように生成されるかの全体像を知りたい場合は、AI検出の仕組みに関するガイドでシグナルを詳しく説明しています。手短に言うと、検出器は各単語がその前の単語を踏まえてどれだけ予測可能か、また文の長さや構造がどれだけ変化に富むかを調べます。平坦で予測可能な文章はより高いスコアになります。

なぜCanvasは自分の文章にAIスコアを表示するのですか？

検出器は著者ではなく統計的な規則性を測定しているからです。予測可能なつながりを持つ、均一で行儀の良い文で進むテキストは、人が注意深く書いたものでもモデルが生成したものでも同じように見えます。

これは仮定の話ではありません。2026年9月19日に実施した自社測定では、手書きのDeAIzeガイド46件を、30%のフラグ閾値で自社の検出器によりスコアリングしました。AIスコアの平均は27%、中央値は25%で、46件のうち17件がフラグされました。これらの文書はすべて、最初から最後まで人が書いたものです。

また、固定プロンプトからの未編集のモデル出力12件もスコアリングしました。それらのAIスコアの平均は35%、中央値は34%でした。これが意味することを考えてみてください。注意深く書かれた人間の文章と生のモデル出力の差は、ほとんどの人が想定するよりも狭いのです。検出器の出力は重複します。これが正直な実態であり、単一の数値を判定として扱うべきではない理由です。

1つの数値から推測するのではなく、どの具体的な行がシグナルを発しているかを確認したい場合は、下書きをAI検出器にかけてください。文書をスコアリングし、各文をAI確率でハイライトするので、すべてを書き直すのではなく、重要な行だけを編集できます。

Canvas内のTurnitin AIインジケーターは実際に何を報告しますか？

TurnitinのAIライティングインジケーターは、そのモデルがAI生成とみなす対象テキストの推定パーセンテージを報告し、提出物をセグメント化してどこなのかを確認できるようにします。特定の著者名を報告するものではなく、意図を報告するものでもありません。

いくつかの実用的な影響：

短い提出物は不安定な数値を生みます。 数百語では検出器が扱える情報が非常に少なく、スコアの変動が大きくなります。
混在した文書は混在したセグメントを生みます。 モデルで下書きを作成し、その後手作業で大幅に編集した場合、1つのセグメントだけがフラグされ、残りはクリーンに見えることがあります。
引用や参照資料もスコアリングされる可能性があります。 検出器は、ブロック引用や参考文献リストをセグメント分析から確実に除外するわけではありません。
そのパーセンテージは、あなたのエッセイのうち偽物である割合ではありません。 それは対象テキストに対するモデルの推定値です。レポートの文言は、人々が繰り返す言い方よりも限定的です。

すでにレポートを受け取り、それに回答する必要がある場合、Turnitin AIレポートの解説で、各部分が何を述べているか、そして防衛的に聞こえずに教官に返信する方法を説明しています。

どのような文が Canvas AI スコアを押し上げるのか？

ほとんどは退屈な文です。ここでは、シグナルを持つパターンと、意味を損なわずに修正する方法を比較します。

スコアを上げるパターン	機械製と読まれる理由	代わりにすべきこと
すべての文が18～25語	均一な長さは強い統計的規則性	各段落の1文を2つに分けるか、2つを1つの長い文に融合する
すべての段落に接続詞の冒頭	「Moreover」「Furthermore」「Additionally」の連続はテンプレート	冒頭を削除し、最初の節にリンクを担わせる
バランスの取れた3項目のリスト	三分構造はモデルの癖	2項目に削るか、1項目を完全な文に展開する
ヘッジの積み重ね	「It is important to consider that there may be」	言いたいことを言う。「Consider X.」
具体的な名詞がない	名前、日付、物体のない抽象的な要約	実際に使用した具体的なツール、ファイル、数字を追加する
同一の段落形状	主張、支持、再述 — 3回繰り返し	変化をつける。1つの段落を例で始める

これらは道徳的な失敗ではありません。編集上の問題であり、1回のパスで修正できます。

議論を書き直さずに、フラグが立った文を修正できますか？

はい、それが適切な範囲です。ゼロから書き直すと主張が変わるリスクがあり、フラグが立つよりも悪い結果になります。

通用するワークフロー：

まず下書きをスコアリングする。 ベースラインを取得して、どの文が実際にシグナルを担っているかを把握します。闇雲に編集するのは労力の無駄です。
フラグが立った文だけを書き直す。 問題のない文には手を付けません。段落が良いスコアなら、触れば悪化するだけです。
意味が保たれたか確認する。 これは多くの人が飛ばすステップです。読みやすくなっても主張がずれた書き直しは改善ではありません。
再スコアリングして比較する。 数値が動かなければ、その書き直しは実際のシグナルに対処していません。

ワークフローの話ですが、当社の下書きエディターはこれをクローズドループで実行します。スコアリングし、フラグが立った文だけを書き直し、意味が保たれたと意味的類似度が示した場合にのみ書き直しを採用し、その後再スコアリングしてビフォーアフターを表示します。当社サイトの例文では、92%のAIスコアが4%になります。サイトでは、ヒューマナイズ後の平均AIスコア削減率が60%以上、最良ケースで71%と報告しています — これらは当社独自の予測スコアであり、Turnitinやその他の公式判定ではありません。

その但し書きは謙遜ではありません。それがツールの実際の限界です。Turnitinが返すものをコントロールできるヒューマナイザーはありません。

ヒューマナイズはカンニングに当たるのか？

これは真剣に受け止める価値のある反論なので、セールストーク抜きでお答えします。

アイデア、分析、結論をあなた自身が生み出し、モデルがそれらの表現を助けたのであれば、文章を引き締めることは編集です。どの書き手も行うことです。Grammarly もその一種を行っています。これが表面的なパターンを修正する場合の根拠です。

あなたが議論を生み出し、提出物を自分の成果として通そうとしているのであれば、それは別の行為であり、どんなツールもその本質を変えません。違反されているのは検出スコアではありません。著者性を偽ることが違反なのです。

ほとんどの学術誠実ポリシーはこれを直接扱っており、その文言は学生が予想する以上に多様です。あなたの大学が実際に何を許可しているかの解説では一般的な構成を扱い、学術誠実聴聞会ガイドでは事態がそこまで進んだ場合に委員会が何を見るかを説明しています。自分のポリシーを読んでください。それはたいてい、噂話が示唆するより短いものです。

提出前に何をすべきですか？

短いルーティンを、順番に：

課題の検出器設定を確認する。 教員がAIチェックを有効にしているなら、あなたの名前の隣にどのレポートが表示されるかがわかります。
提出前に自分の草稿をスコアリングする。 非公開で知る方が、SpeedGraderで知るよりましです。
指摘された文だけを修正し、文書全体は直さない。 すでにクリーンなスコアの箇所はそのまま残します。
書き直した文を声に出して読み直す。 あなたがつまずくなら、読者もつまずきます。
バージョン履歴を保存する。 モデルで草稿を書き、手で編集したなら、その履歴が証拠になり、教員との会話に持参できる最も有用なものです。
自分のプロセスを説明できるようにする。 「モデルで草稿を書き、大幅に編集しました」は擁護できる文です。「なぜ指摘されたかわかりません」はそうではありません。

この検索の根底にある不安は、通常、ツールに関するものではありません。それは、自分がやっていないことで告発され、それを証明する方法がないことへの不安です。防御策は、記録とクリーンな文章であり、どちらも自分でコントロールできるものです。

どの文が機械的に読めるか、確認する準備はできましたか？

どの行がフラグの原因になったかを推測する必要はありません。下書きをAI検出器にかけて文単位のスコアを確認し、シグナルを含む文を下書きエディタで修正してから、修正前後の数値を確認してください。大量の文書を処理する場合は、料金が従量課金制で、クレジットは有効期限が切れません。無料プランでは、サインアップ時にクレジットカードなしで200語まで利用できます。始める準備ができたら、アカウントを作成して、気になっている下書きでテストしてください。

テキストは現在のタスクのみに処理され、トレーニングに使用されたり、再販されたりすることはありません。あなたの下書きはあなたのものです。