通常、きれいにはいきませんし、そうなると約束できる人もいません。TurnitinのAI文章検出は、統計的に機械らしく読めるテキストをフラグします。そして、編集されていないClaudeの出力はしばしばそのように読めます。正直なところ：フラグは著者を証明するものではなく、クリーンなレポートはあなたが書いた証明にはなりません。あなたがコントロールできるのは言葉遣いです。
ClaudeのテキストはTurnitinを通過するのか？ 短い答え
合否はありません。TurnitinのAI文章検出は指標を生成し、そのドキュメント自体が低い数値の扱いについて説明しています。Turnitinは「AI検出スコアが1%から19%の範囲では、スコアやハイライトは付与されない」と述べ、20%のしきい値を下回る数値はパーセンテージなしのアスタリスクとして表示されるとしています（出典：turnitin.com、AI writing detection製品ページ）。Turnitinはまた、文書の50%がAIツールによって書かれた可能性が高いと識別した場合、その文書は「最大65%のAIライティングを含む可能性がある」と指摘しています（出典：turnitin.com、同じページ）— この数字は背後に範囲を持つ推定値であり、モデルから来た文の数を測定したものではないという注意喚起です。
心配している読者にとって不快な答え：編集されていないClaudeの出力をTurnitinで評価される提出物に貼り付けると、高い指標が出る現実的な可能性があります。TurnitinがClaudeが書いたと「知っている」からでも、Claudeが検出可能な何かでテキストに印を押すからでもありません。Claudeがデフォルトで使う文のパターンが、分類器が認識するように訓練されたのと同じパターンだからです。
もう一つ、はっきり言っておく価値があります。クリーンなレポートはあなたを証明せず、フラグが立ったレポートはあなたを有罪にしません。Turnitin自身の資料によれば、完全に人間が書いた文書の中でもごく一部で、人間が書いた文書をAIが書いたものとしてフラグを立てる可能性があるとされています（出典：turnitin.com、同じページ）。検出出力は解釈されるべきシグナルであり、判決ではありません。
編集されていないClaudeの出力がシグナルを帯びやすい理由
Claudeは端正な文章を書く。それが問題だ。そのデフォルトの文体は、均衡の取れた文、整ったつなぎ、ヘッジされた主張、均一な段落の長さを好む。検出器はまさにその均一性に気づくように作られている。なぜなら人間の文章は凸凹しているからだ——短い文の隣に長い文、唐突な余談、不揃いなリズム。
このマシン上で実行した私たち自身の検出器は、参照用の文章と生のモデル出力との間のギャップを示している。2026-09-28に、私たちは2つのコーパスをDeAIze検出器（ローカルアンサンブル、liteティア）で30%のフラグ閾値でスコアリングした。生成済みとマークされていないDeAIzeガイドから抽出した709件の参照サンプルは、平均26%、中央値25%で、709件のうち239件が閾値以上だった。固定プロンプトから生成した12件の未編集のモデル出力は、平均33%、中央値34%だった。これらは1つの計器によるパッセージ数であり、独立した文書でも、検証済みの人間の偽陽性率でもない——しかし方向性は明確で、予想されることと一致する。未編集のモデルテキストは、通常の人間の文章よりも高く位置する。
その実行におけるAIの特徴の頻度は、両方のコーパスで100語あたり1回だった。ここが役に立つ部分だ。その特徴は珍しいものではなく、手作業で編集して取り除ける数えられる癖なのだ。
自分の下書きのどこに実際にシグナルがあるかを見たいなら、DeAIzeが文書全体をスコアリングし、各文をAI確率でハイライトするので、シグナルを含む行を編集できる。リライトトライアルでは、メール確認後に200語を無料で利用でき、クレジットカードは不要——クレジットパックについては/pricing/を参照。
Turnitinレポートが示すもの、そして示さないもの
Turnitinのレポートは、文書レベルのパーセンテージと、受け取るビューによっては文レベルのハイライトを提供する。どのモデルが何を書いたかのリストは提供せず、あなたのテキストをClaudeのトレーニングデータと比較することもない。それは表面的な統計を読む分類器である。
検出器の出力が著者性を証明することはありません。この文は、私たちのものにも他の誰のものにも同様に当てはまります。学術的誠実性に関する話し合いに直面しているなら、有用な行動は、下書き、メモ、バージョン履歴、出典を保存することであり、告発を書き換えて消し去るツールを探すことではありません。審査委員会が実際に何を評価するかについてのガイドは /blog/academic-integrity-hearing-ai/ にあり、何が虚偽表示に当たるかというポリシー上の問題は /blog/academic-integrity-policy-ai/ で扱っています。
同じファイルに対して2つのツールが異なる数値を出す理由を理解したいなら、/blog/ai-detector-comparison/ でそれぞれが何を報告するかを順を追って説明しています。
実例による説明：Claude の1文を編集
これは創作した例であり、説明用であることが明確に示されています。スコアでも、ビフォーアフターの測定値でもありません。
Claude の下書き：「再生可能エネルギー政策の実施は近年ますます重要になってきており、これらの変化の経済的および環境的影響の両方を考慮することが極めて重要である。」
あなたの編集：「再生可能エネルギー政策はここ数年で本格化した。コストの問題と排出量の問題は今や異なる方向に引っ張り合っており、それが2023年の補助金をめぐる争いがそういう結末になった理由だ。」
2番目のバージョンが優れているのは、検出器を回避しているからではありません。何かを主張しているからです。最初のバージョンは、どの国についても、どの年代についても、どの政策についても言えるものでした。2番目には年、対立、立場があります。検出器は最初の種類の文をより頻繁にフラグ立てする傾向があります。なぜなら、一般性こそがモデルのデフォルト出力が生み出すものだからです。
あなたの選択肢の比較
| 選択肢 | コスト | 得意なこと | 不十分な点 |
|---|---|---|---|
| 編集なしのClaude出力を提出 | 無料 | 速い。AI支援が許可され開示されている場面では問題ない | 最も強いシグナルを持つ。主張を一つも検証していない |
| 類語辞典やパラフレーズツールで言い換え | 無料〜安価 | 表面的な文言を変える | 通常は同じ文の形と一般性を保つ。意味は気づかないうちにずれる |
| 自分で一文ずつ書き直す | 自分の時間 | 自分の声、事実、引用を保てる | 遅い。正しい行を編集するために、文レベルのシグナルを示す検出器が必要 |
| DeAIzeリライトパス | Starter $20.99 / 1,000語、Standard $44.99 / 3,000語、Pro $99.99 / 10,000語、Max $199.99 / 30,000語。クレジットは無期限、サブスクリプションなし | 自分の草稿に対して、同じページでの検出とともに、一文ずつ修正案を提案 | 意味的類似度はレビューの補助であり、すべての意味が保たれた証明ではない。主張、数量、引用、否定、限定詞は依然として自分で検証する必要がある |
| 検出不可能な出力を約束する「バイパス」ツール | さまざま。多くの場合サブスクリプション | 監査できるものは何もない | 何が変更されたか確認できず、他の検出器でのスコアを保証するツールはない |
これが間違った選択となる場合
以下のいずれかが自分に当てはまるなら、リライトパスを購入しないでください。
所属機関や雇用主のAI支援に関する方針を読んでいない。まずそれを解決してください。編集支援を許可し生成を禁止するコースもあれば、開示を条件に両方を許可するコースもあり、両方を禁止するコースもあります。問題があるかどうかを決めるのは規則であり、検出器の数値ではありません。
あなたはツールにエッセイを書いてほしいと思っている。それは書かないし、書くべきでもない。アイデア、データ、結論はあなた自身のものでなければならない。よく考えずに書いたテキストを書き直しても、中身のない流暢な文章が生まれるだけだ。
あなたは現在進行形の不正疑惑の渦中にいて、スコアが下がれば問題が消えることを期待している。原本を保存し、プロセスの証拠を集め、そのプロセスを運営している人と話をしよう。係争中のファイルを書き直すと、改ざんのように見える可能性がある。
あなたはリライトエンジンではなく、人間の編集者が必要な言語で書いている。英語を母語としない書き手は不釣り合いに多くフラグを立てられ、機械によるリライトはあなたが実際に必要とする文体を平坦にしてしまうことがある。/blog/ai-detector-flags-non-native-english-writers/では、そのような状況で何を記録しておくべきかを扱っている。
修正の手順
- まず自分の下書きで検出を実行する。 数字を追うためではなく、どの文がシグナルを発しているかを見つけるためだ。文書全体のスコアは、あなたのテキストのほとんどが問題ないという事実を隠してしまう。
- 可能な限り、フラグが立った文を手作業で書き直す。 具体的な事実、自分のデータからの数字、名前、日付を加える。具体性は最も信頼できる人間らしさの指標だ。
- リズムを崩す。 3つの文が続けてほぼ同じ長さなら、1つを半分に切る。音読してみよう。パンフレットのように聞こえるなら、パンフレットのように読まれる。
- 書き直した後はすべての主張を確認する。 数量、引用、否定、限定詞は静かに変わってしまうものだ。「しなかった」が「した」に反転する書き直しは、フラグよりも悪い。
- ルールが求める場合は開示する。 /blog/ai-content-disclosure-label/では、何をいつ言うべきかを扱っている。
- 元のファイルを保管する。 常に。それがあなたの証拠であり、頼みの綱だ。
Wordで作業しているなら、DeAIzeを通じて.docxを書き直すとフォント、スタイル、表が保持されるので、後から書式を再構築する必要はないことに注意しよう。
実際に指標を下げるもの
具体性、変化、そしてあなた自身の判断です。これら三つは、文章をより良くする副作用として指標を下げます。テキストを改善せずに指標を直接下げると謳うツールは、元の文章よりも奇妙に読める散文を生み出しがちです——そして、それらが何を変更したのかを監査することはできません。
DeAIze は、検出器とヒューマナイザーの二つの部分からなるウェブアプリです。検出は文単位で行われます。ヒューマナイザーはあなた自身の下書きに対して修正案を提案し、何かを受け入れる前に元の文章と比較できます。Turnitin やその他の場所で特定のスコアを保証するものではなく、他人の作品を自分のものとして通すための方法でもありません。貼り付けたテキストは現在のタスクのみのために処理され、トレーニングに使用されたり、再販されたりすることは決してありません。
これらのシステムがどのようにテキストを読むかについて、より広い文脈を知りたい場合は、/blog/how-ai-detection-works/ から始めるのがよいでしょう。
測定に関する注記：本記事の数値は、2026-09-28 に当社の検出器を実行して得られたものです——生成済みとマークされていないガイドからの参照箇所 n = 709 対 未編集のモデル出力箇所 n = 12、AI スコアの中央値はそれぞれ 25% と 34% でした。参照元の著者性は独立に検証されておらず、各箇所は独立した文書ではありません。方法：/methodology/。