主なポイント
- 剽窃とは、他人の言葉やアイデアを出典を示さずに使用することです。機械製の文章を読むことは別の失敗です — 言葉はあなたのものですが、質感が平坦です。
- 4つの古典的なカテゴリー（直接、モザイク、自己、偶発）はすべて所有権の問題を説明しています。機械製のテキストはスタイルの問題です。
- 検出器は2番目の種類を常に指摘します。2026-09-19の独自の測定では、46の手書きのDeAIzeガイドが、30%のフラグ閾値でローカルアンサンブルに対して平均AIスコア27%を記録し、46のうち17がとにかくフラグされました。
- 文レベルのスコアは、どの行がシグナルを運んでいるかを教えてくれます。文書全体ではなく、それらの行を修正してください。
- アイデア、データ、結論は依然としてあなたのものでなければなりません。ヒューマナイズはあなたの草稿を整理しますが、他人のものを整理することはできません。
- フラグされた文をドラフトエディタにルーティングして、同じテキストで前後のスコアを確認できるようにします。
剽窃の種類を検索しているなら、おそらくカンニングしようとしているわけではありません。どのルールを破った可能性があるかを解明しようとしているのです — 検出器があなた自身の文章にフラグを立てたから、または段落をチャットボットに通したらページ全体が機械製のように読めるからです。このガイドは2つの問題を分離します。
剽窃の種類とは何か、そしてなぜ機械製のテキストは当てはまらないのか？
標準的なリストは、帰属の4つの失敗をカバーしています。
直接剽窃は、引用符や出典表示なしに一節を逐語的にコピーすることです。モザイク剽窃は、複数の情報源からのフレーズを新しい段落に縫い合わせつつ、所々で元の文言を保持することです。自己剽窃は、自身の公表済みの著作物をその旨を述べずに再利用することです。偶発的剽窃は、出典表示の欠落、出典に近すぎる言い換え文、または出典を追跡できなくなった引用です。
4つはすべて所有権に関するものです。他者の言葉やアイデアが、クレジットなしにあなたの文書に入り込んだのです。
機械生成テキストは所有権の問題ではありません。あなたがその文を書きました。あなたが論を選びました。しかしその文にはモデルのリズムがあります。均一な節の長さ、汎用的なつなぎ言葉、背後に特定の人物がいないこと。読者は気づきます。検出器も気づきます。あなたの大学の不正行為ポリシーには、まだこれに名前がないかもしれません。まさにそれが、ルールブック上で指摘できない何かを告発されることが、これほど恐ろしく感じられる理由です。
なぜ検出器は、完全にあなた自身の文章にフラグを立てるのか？
なぜなら検出は確率の推定であり、著者であることの証明ではないからです。すべての検出器は——私たちのものも含めて——表層的な統計を測定しています。各単語がその前の単語を踏まえてどれほど予測可能か、文の長さがどれほど変動するか、特定のフレーズがどれほど頻繁に繰り返されるか。人間の文章は時に統計的に滑らかに見えます。定型的な学術文体、翻訳文、非ネイティブ英語話者の文章は、いずれも検出器のしきい値が想定するよりも、その分布の機械側に近く位置します。
私たち自身の測定がその点を示しています。2026-09-19に、私たちは46件の手書きのDeAIzeガイドを、ローカルアンサンブルで30%のフラグしきい値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%、範囲は0から55%でした。それら46件の人間が書いた文書のうち17件にフラグが立ちました。何もコピーされていません。何も生成されていません。しきい値が単にそれらを捉えただけです。
これが正直な全体像です。フラグはもっと詳しく見るべきシグナルであり、判定ではありません。もしフラグに直面しているなら、有用な行動は、どの文がシグナルを帯びているかを見ることであり、見出しの数値と議論することではありません。
自分の草稿の中でどの行がスコアを押し上げているか確認したい場合は、AI検出器にかけてみてください。文書全体を採点し、各文をハイライトするので、すべてを書き直すのではなく、指摘された行だけを編集できます。
機械生成テキストはモザイク盗用とどう違うのか？
モザイク盗用は最も近い親戚であり、修正方法が異なるため、注意深く区別する価値があります。
| モザイク盗用 | 機械生成テキスト | |
|---|---|---|
| 何が問題か | 出典からの表現をクレジットなしで使用 | 自分の言葉だが、平坦な統計的テクスチャ |
| アイデアの所有者 | 他人 | 自分 |
| 検出器が見るもの | 既知の出典との重複 | 低いバースト性、高い予測可能性 |
| 修正方法 | 該当箇所を書き直し、引用を追加 | 指摘された文を書き直し、リズムを回復 |
| 無視した場合のリスク | 不正行為の認定 | 誤検知フラグ、読者の信頼喪失 |
モザイク盗用では、通常、出典の段落を指し示して重複を確認できます。機械生成の文章では、指し示すべき出典がありません。その段落はあなたのものです。ただ、特定の誰かが書いたようには聞こえないだけです。だからこそ、この2つの問題には異なる対応が必要であり、引用を増やしても平坦な段落は修正されないのです。
AI支援による草稿作成は、盗用の種類の中でどこに位置づけられるのか？
これは多くの人が実際に抱いている疑問です。チャットボットを使ってセクションの下書きを作り、それを編集しました。これは盗用にあたるのでしょうか？
通常は、いいえ — もしアイデア、データ、結論があなた自身のものであり、もしあなたの所属機関やクライアントがAI支援の開示を求めていないのであれば。盗用とは、それが誰の成果であるかを偽ることです。自分の考えを表現するためにツールを使うことは、他人の考えを自分のものとして提示することとは同じではありません。
その答えが変わる要素が2つあります。
第一に、開示ルールです。多くの大学や出版社は現在、出力を大幅に編集した場合でも、AI支援を使用したことを明示するよう求めています。提出前に自分のポリシーを確認してください。開示が求められている場合、問題はツールではなく、黙っていることです。そうしたポリシーが通常どのように書かれているかについては、Academic Integrity Policy AI: What Your University Actually Allowsをご覧ください。
第二に、偽の出典です。モデルは、もっともらしく見える引用を作り出すことがあります。捏造された参考文献を本物として提示することは、その文がどのように生成されたかに関係なく、深刻な誠実性の欠如です。下書きに検証していない参考文献が含まれている場合は、手を止め、それがどこかに使われる前にすべてを確認してください。
編集されていないモデル出力は、検出ツールからどのように見えるのか？
それも測定しました。同じ日に、固定プロンプトから生成され未編集のままの12の文章を採点しました。AIスコアの平均は35%、中央値は34%、範囲は25%から49%でした。平均では人間のサンプルより高いですが、重なりに注目してください。未編集のモデル出力の中には、人間の文章より低いスコアのものもありました。
より興味深い数字はAIの痕跡の頻度です。人間のサンプルでは、100語あたり3つの痕跡を数えました。未編集のモデル出力では、100語あたり1つでした。人間の書き手は、AIと結びつけられる表面的なパターン——決まり文句、定型的なつなぎ言葉、曖昧な表現——を、未編集のモデル出力よりも多く使っています。痕跡は信頼できる指紋ではありません。次に誰かが、emダッシュが1つあるだけで機械があなたのエッセイを書いた証拠だと言ったら、思い出す価値があります。
両者を分けるのは語彙ではありません。変化です。機械の出力は、文章全体を通して安定した文体を保つ傾向があります。人間の文章は揺れ動きます——長い文、次に短い文、そして断片。
修正は実際にどのようなものか？
この文を見てください。これは実在の投稿ではなく、例示です：
修正前：「この問題の多面的な性質を考慮することは不可欠です。なぜなら、さまざまな利害関係者が、慎重にバランスを取る必要のある異なる見解を持っている可能性があるからです。」
どの節も同じ長さ。どの名詞も抽象的。文法的には何も間違っていない、それこそが問題だ。
After: 「ここでは人によって望むものが違う。どちらが負けるかを誰かが決めなければならない。」
第二のバージョンはより短く、決断を名指しし、立場を取っている。同じ意味、異なる質感。
これが文レベルでのテクニックのすべてだ。機械製のように読める行を見つけ、人間のリズムを与える。すでに自分のように聞こえる行には触れない。
- 文書をスコアリングし、文レベルのハイライトを読む。
- フラグが立った文だけを書き直す — 残りは書かれた通りに保つ。
- 書き直しで意味が保たれたか確認する。主張がずれていたら元に戻す。
- 再スコアリングし、前後を比較する。
ステップ3でほとんどの人が間違える。主張を変えてしまう書き直しは、平板な原文より悪い。DeAIzeはそのチェックを閉ループとして実行する。スコアリングし、フラグが立った文だけを書き直し、意味的類似度が意味の保持を示した場合にのみ書き直しを採用し、再スコアリングして前後を報告する。サイトの例文では、92%のAIスコアが4%のAIになる。サイト自身が報告した実行全体では、人間化後の平均削減率は60%以上で、最良のケースは71%だ。これらは製品の予測スコアであり、第三者の検出器による判定ではない。また、どのツールも他人のシステムで特定のスコアを約束することはできない。
実際に気にすべき剽窃の種類はどれか？
ラベルではなく、結果で優先順位をつけましょう。
- 捏造された引用。 最もリスクが高い。AI支援で作成した草稿では、すべての参考文献を検証すること。
- 開示が求められる場面でのAI支援の未申告。 ポリシーを読み、それに従うこと。
- 実在する出典とのモザイク的な重複。 たとえその段落を自分で書いたとしても、表現が出典をなぞっているなら引用すること。
- 自分のオリジナルの文章に対する誤検知フラグ。 煩わしくストレスにもなるが、文単位の編集で修正可能。
最後のものこそ、人が眠れなくなるほど悩むものですが、最も明確な対処法があるものでもあります。私たちの人間が書いたサンプルは46回中17回フラグが立ちました——これは珍しい出来事ではなく、あなたが何か間違ったことをした証拠でもありません。しきい値が粗いという証拠です。
次に何をすべきか？
検出器があなた自身の文章にフラグを立てた場合、文書全体を書き直さないでください。フラグが立った文をハイライトし、それらを編集し、残りはそのままにします。誰かに尋ねられたときに作業過程を示せるよう、元のコピーを保管しておきましょう。
AIを使ってセクションの下書きを作成した場合は、フラグが立てられた文を同じ方法で編集し、開示要件は別途確認してください。編集パスはテクスチャを修正します。帰属を修正できるのはあなただけです。
大規模に編集する場合 — 論文の章、クライアントのバックログ、一連の製品ページ — 同じループが適用されますが、バッチ処理になります。スコアを付け、フラグが立てられた行を編集し、意味を確認し、再スコアリングします。
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？
文書全体のスコアは問題があることを教えてくれますが、どこにあるかは教えてくれません。文レベルのハイライトがそれを教えてくれます。
まずAI検出器でどの行がシグナルを持っているかを確認します。次に、フラグが立てられた文を下書きエディタに取り込み、それらのみを書き換えます。より長い文書を扱う場合は、AIヒューマナイザーが同じスコア-書き換え-検証-再スコアのループを実行します。まず自分の下書きでテストしたい場合は、登録して無料プランを利用してください — サインアップ時に200語、クレジットカード不要 — さらに必要な場合は料金を確認してください。
これは重要なルールを変えるものではありません：アイデア、データ、結論はあなた自身のものでなければなりません。それ以外はすべて編集です。