自己盗用とは、自分自身の言葉、データ、構成を再利用し、そのことを明示せずに新規のものとして提示することです。これは出所（プロヴェナンス）の問題であり、著作者性の問題ではありません。AIフラグとは、テキストがどのように生成されたかについての確率推定です。同じ段落に、無関係な二つの失敗が存在します。一方を修正しても他方は修正されず、両者を混同することが、人々が誤ったものを擁護してしまう原因です。
重要なポイント
- 自己盗用 = 以前に出版または提出した自分の資料を、出典表示や開示なしに再利用すること。あなたが書いたものですが、読者は何が新しいのかについて誤解させられます。
- AIフラグ = テキストが機械生成のように見えるという検出器の推定。言葉の所有者が誰かについては何も示しません。
- AIが一切関与していなくても自己盗用は成立し、自己盗用が一切なくてもフラグは立てられます。
- 学術誌、大学、出版社はそれぞれ異なる規則でこれらを扱い、通常は異なる書類を求めます。
- あなたの真に人間による草稿が機械製のように読まれる場合、修正すべきはリズムと具体性の編集であり、検出器向けの言い換えではありません。
- 自分自身の以前の仕事を再利用している場合、修正すべきは開示と引用であり、書き直しではありません。
自己盗用とは何か、平易な言葉で
ある学術誌に文献レビューを発表します。2年後、そのうち4段落を書籍の章の中で再利用し、何も引用しません。これが自己盗用です。言葉はあなたのものであり、著作権もあなたのものであるかもしれませんが、その章は今、それらの段落がこの本のために書かれた新しい文章であるかのように示唆しています。
同じことは、学位論文の章を会議論文として転用したり、ブログ記事をクライアント向け報告書に流用したり、助成金申請の記述を重複を明記せずに2件目の申請に再利用したりする場合にも当てはまります。査読者は重複したテキストを、成果を水増ししようとする試みとして読み取ります。
第二の、より微妙な形態があります。それは構造を再利用するものです — 同じ論証の順序、同じ例、同じ表 — その一方で、すべての文を言い換えるのです。テキスト照合ツールはこれを見逃すかもしれません。しかし、最初のバージョンを見た編集者は見逃しません。これは教科書通りの自己盗用であり、忙しいときに多くの人がうっかり犯してしまうバージョンです。
実用的なテストは簡単です。新しい記事の読者が、その一部がすでにどこかに存在していたことを知って驚くなら、あなたは開示する義務があります。
なぜ自分の文章がAIと判定されるのか？
ここが人々が引っかかる部分です。あなたはすべての言葉を自分で書き、内容をよく知っているのに、検出器は依然として高いスコアを返します。これはカンニングとは何の関係もない理由で起こります。
定型的な学術的散文が典型的なケースです。長い名詞句、受動態、曖昧な接続詞、均等に重み付けされた文は、まさに検出器が生成テキストと関連付けるパターンです — そしてそれらは、多くのフォーマルなライティング訓練が生み出すものでもあります。非ネイティブの英語ライターが最も打撃を受けます。なぜなら、彼らが教えられた安全な言い回しが機械の言い回しと重なるからです。私たち自身の検出器が非ネイティブライターをフラグする理由に関するガイドで、その仕組みを詳しく説明しています。
私たちは推測するのではなく、自社の計器でこれを測定しました。2026年9月19日、私たちは46の手書きのDeAIzeガイドをDeAIze検出器（ローカルアンサンブル、ライトティア、30%フラグ閾値）でスコアリングしました。AIスコアは平均27%、中央値25%、範囲0〜55%でした。その46の人間が書いた文書のうち17がその閾値でフラグされました。それらはすべて人間によって書かれました。これが文レベル検出の正直な姿です。それは確率を生み出すのであり、判決を下すのではありません。
ですから、誰かが「あなたの文章は機械が書いたように読める」と言うとき、たいていは文体の問題を指しています。一方、「これは以前の論文と重複している」と言うときは、出所の問題を指しています。編集を始める前に、自分が実際にどちらに直面しているのかを確認しましょう。
書き直す前に、どの文がシグナルを発しているのかを確認したい場合は、下書きをDeAIze AI検出ツールにかけてみてください。文書を採点し、各文をAI確率でハイライトするので、ファイル全体ではなく、実際に検出された行だけを編集できます。
自己盗用はAIフラグとどう違うのか？
どちらも「このテキストは受け入れられない」という形で表面化するため混同されがちですが、根本的な問題は無関係です。
| 自己盗用 | AIフラグ | |
|---|---|---|
| 測定対象 | 開示なしでの自身の過去の成果の再利用 | テキストが機械生成に見える確率 |
| 被害者 | 読者、編集者、著作権者、資金提供者 | 直接的な被害者はいない。プロセスに関するシグナル |
| AIなしで起こり得るか？ | はい — 完全に人間による再利用 | はい — 完全に人間による執筆 |
| 通常の対処 | 過去の成果を引用し、適切に引用し、重複を開示する | フラグが立った文を編集し、意味を保つ |
| 誰が判断するか | 編集者、委員会、出版社、倫理委員会 | ツールが数値を出し、人間が解釈する |
| 証拠基準 | テキストの重複、バージョン履歴、投稿記録 | 確率スコア。 authorshipの証明にはならない |
最後の行に注目してください。検出ツールのスコアは著者性の証拠ではなく、それを証拠として扱うのはカテゴリー錯誤です。紛争になっている場合、有用な資料は下書き、メモ、バージョン履歴です。これら2つの告発が実際にどのように異なって扱われるかについては、AI検出 vs 盗用：2つの異なる失敗をご覧ください。
気まずい重なり：自分の作品をAIで下書きした場合
さて、実際に人々が懸念しているケースです。あなたは最初のバージョンを自分で書きました。文章を引き締めるため、あるいは自分のメモからセクションを生成するためにモデルを通しました。出力は技術的にはあなたのものです — あなたのデータ、あなたの議論 — しかし文はモデルから生まれ、構造と表現が以前に発表した作品に似ています。
これは両方の問題が同時に起きている状態で、それぞれに独自の対処が必要です。
出所の側面は開示の問題です。新しい作品が以前の資料を再利用している場合は、方法論の注記、カバーレター、著者注のいずれか、投稿先が期待する形式で明記してください。モデルが文章を形成した場合は、投稿先のAI利用ポリシーに従ってください — 多くの場合、ツールが何をしたかについて短い声明が求められています。大学が学術誠実ポリシーの下で実際に何を許可しているかの分析は、そうした声明がどのようなものかの有用なテンプレートです。
スタイルの側面は編集の問題です。機械が形成した文章は、均一なペースで、具体的な詳細が少なく、接続詞の埋め草が多い傾向があります。あなたの仕事は検出器を欺くことではありません。具体的な名詞、不揃いな文の長さ、そしてあなたにしかできない判断を戻すことです。
もう一つ正直な注記。AI支援の下書きを整理することは、アイデア、データ、結論があなたのものである場合には正当です。それは他人の作品を自分のものとして渡す方法ではなく、どのような編集パスも誰が考えたかを変えません。その線がぼやけているなら、AI検出を回避するのはカンニングか？開示テストが確認する方法を提供します。
実例：同じ事実、3つの草稿
以下は説明のための例であり、実際の提出物ではありません。
機械的な平板な版： 標準化された評価プロトコルの導入は、多様な教育文脈において機関の一貫性の改善を促進することが示されている。
自己盗用版： 同じ文を、引用なしで以前の論文からそのままコピーしたもの。
修正版： 標準化された採点ルーブリックにより、学部間で結果の一貫性が高まった——少なくとも私たちが調査した3学部では、ルーブリック導入後に採点者間の一致率が上昇した。
3番目の版は、最初の2つがしていない3つのことをしている。具体的な範囲を明示し、主張を断言し、その場にいた人間のように響く。また、機械製らしさが少なく読めるが、これはトリックではなく明確に書くことの副作用である。
自分の以前の論文から文章を再利用している場合でも、引用は必要です。文体を修正しても出典の明示が済むわけではありません。
10分で実行できるチェックリスト
- 過去の成果物をリストアップする。 論文、学位論文、レポート、公開済みの投稿、提出済みの助成金申請書。読者が見つけられるものすべて。
- 新しい草稿の重複をハイライトする。 コピー＆ペーストレベルの再利用は明らかです。見落とされがちなのは、構造的な再利用 — 同じ順序、同じ例 — です。
- 引用または開示を追加する。 他人の作品を引用するのと同じように自分の作品を引用するか、注記で重複を明示します。
- 草稿を一文ずつ評価する。 数値が最も高い行ではなく、読者が平板だと感じる行を探します。
- その行だけを書き直す。 意味は保ちます。具体的な名詞、裏付けのある数字、または判断を加えます。
- 音読する。 すべての文が同じ長さなら、まだ終わっていません。
ステップ4こそ、文単位のツールがその価値を発揮する場面です。文書全体のスコアだけでは実行可能な情報は得られません。どの文がシグナルを担っているかがわかれば、時間をどこに費やすべきかが見えてきます。これはSaplingの文単位出力の背後にあるのと同じ論理です — 編集の補助としては有用ですが、判定としては誤解を招きます。
編集者や委員会が実際に尋ねること
実際には、この2つの問題は別々の入口からやってきます。
自己盗用は通常、テキスト照合ソフトウェア、以前の論文を覚えている査読者、または出版社の重複チェックによって明るみに出ます。問われることは具体的です。何を再利用したのか、どの程度か、開示したか、権利を持っているか。これらに書面で答えれば、ほとんどのケースは解決します。
AIの指摘は、検出器のレポート、疑わしい採点者、または指導者の直感によって表面化します。問われることはより曖昧で、争いの余地があります。このスコアは何を意味するのか、しきい値は何か、他にどんな証拠があるのか。ここで人はパニックに陥り、まったく問題のない草稿を上書きしてしまいます。もしあなたがその状況なら、False Positive AI Detector: What to Do When You’re Accused がより冷静な道です。
はっきり言っておく価値のあることが一つあります。機関はますます、検出器のスコアを会話のきっかけとして扱い、判定とは見なさなくなっています。草稿とメモを持参してください。以前の論文があればそれも持参し、何を再利用したかを説明してください。出典についての率直さは、書き直した段落よりもはるかに大きな余地をあなたに与えます。
どの文が機械的に読めるか、見てみませんか？
診断が来歴ではなく文体にある場合、次のステップは具体的です。DeAIze ドラフトエディター を開き、気になっている箇所を貼り付けてください。検出は文単位で実行されるため、文書スコアと文ごとの内訳が得られます。指摘された行が書き直すべき行です。ヒューマナイザーは閉ループとして機能します。テキストを採点し、指摘され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、その後再採点してビフォーアフターを表示します。サイト自身の例文では、92%のAIスコアが4%のAIになり、実行全体での報告されている平均削減率は60%以上（最良ケース71%）です。これらは製品自身の予測スコアであり、サードパーティの検出器による判定ではありません。
サインアップ時に200語まで無料で始められ、クレジットカードは不要です。フルワークフローを希望する場合、料金 は従量課金制で、クレジットは期限切れにならず、サブスクリプションもありません。Starterは1,000語で$20.99、Standardは3,000語で$44.99、Proは10,000語で$99.99、Maxは30,000語で$199.99です。Word文書は書き直してもフォント、スタイル、表が保持され、.txtおよび.pdfのアップロードも機能します。テキストは現在のタスクのためにのみ処理され、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。
そして、本当の問題が自分自身の以前の仕事を再利用したことにあるなら、どんなツールでもそれは解決できません。それを引用し、開示し、先に進みましょう。文章を書くことは常に簡単な部分でした。