Phát hiện AI của Turnitin năm 2026: Giáo viên thấy gì (và cách tá»± kiểm tra trÆ°á»›c)

Đến năm 2026, tính năng phát hiện AI của Turnitin đã được tích hợp vào quy trình nộp bài mặc định tại hầu hết các trường đại học ở Mỹ, Anh, Úc và ngày càng tăng trên khắp EU. Khoảng 16.000 tổ chức sử dụng nó để kiểm tra bài làm của sinh viên. Nếu bạn là sinh viên, các bài luận của bạn gần như chắc chắn sẽ chạy qua nó cho dù bạn có thấy báo cáo hay không. Nếu bạn là giáo viên, có lẽ bạn đã từng nhìn chằm chằm vào tỷ lệ phần trăm và tự hỏi phải làm gì với nó.

Hướng dẫn này phân tích chính xác những gì tính năng phát hiện AI của Turnitin đo lường, những gì giáo viên thấy khi họ mở báo cáo, tỷ lệ phần trăm thực sự có ý nghĩa gì ở các ngưỡng khác nhau và cách sử dụng quy trình làm việc trước khi nộp bài một cách thông minh để tránh những bất ngờ. Chúng tôi cũng sẽ giải thích điểm mạnh của công cụ Turnitin, những điểm mù đã được ghi nhận của nó và tại sao việc kiểm tra bằng “ý kiến thứ hai” đã trở thành thông lệ tiêu chuẩn cho các sinh viên nghiêm túc.

Trình phát hiện AI của Turnitin thực sự làm gì

Tính năng phát hiện AI của Turnitin chạy song song với Báo cáo Tương đồng (Similarity Report) vốn đã nổi tiếng hơn (kiểm tra đạo văn so với cơ sở dữ liệu của Turnitin). Hai công cụ này là khác nhau và đưa ra các kết quả khác nhau. Kiểm tra đạo văn so sánh văn bản của bạn với hàng tỷ nguồn đã được lập chỉ mục; trình phát hiện AI phân tích các thuộc tính thống kê của chính bài viết.

Cách thức hoạt động của bộ phân loại

Bên dưới lớp vỏ, bộ phân loại AI của Turnitin là một transformer được tinh chỉnh, được huấn luyện trên một kho dữ liệu khổng lồ gồm các bài làm của sinh viên do con người viết và các mẫu do AI tạo ra từ các LLM chính (ChatGPT, GPT-4, Claude, Gemini và tính đến năm 2026 là GPT-5). Nó gán cho mỗi câu một xác suất là do AI tạo ra, sau đó kết hợp các điểm số đó thành một tỷ lệ phần trăm ở cấp độ đoạn văn và cấp độ tài liệu.

Tỷ lệ phần trăm AI có ý nghĩa gì

Chỉ số tiêu đề trên báo cáo AI của Turnitin là một tỷ lệ phần trăm duy nhất được gắn nhãn “% AI”. Đây là tỷ lệ của bài nộp mà bộ phân loại của Turnitin đánh giá là có khả năng do AI tạo ra. Trình phát hiện hoạt động ở cấp độ câu và đoạn văn, sau đó tổng hợp lại. Điểm 38% không có nghĩa là “độ tin cậy 38%” — nó có nghĩa là khoảng 38% tài liệu đã bị gắn cờ một cách độc lập.

Có gì mới trong phiên bản 2026

Turnitin đã tung ra một bản cập nhật bộ phân loại lớn vào đầu năm 2026, đặc biệt nhắm mục tiêu vào đầu ra của GPT-5 và Claude 4.6. Bản cập nhật đã cải thiện đáng kể khả năng phát hiện trên các đầu ra thô từ các mô hình đó — nhưng cũng làm tăng tỷ lệ dương tính giả đối với những người viết ESL (tiếng Anh là ngôn ngữ thứ hai) trước khi được thu hồi một phần vào tháng 3 năm 2026.

Phiên bản 2026 cũng thêm điểm số phụ “AI-paraphrased” (diễn đạt lại bằng AI) để gắn cờ văn bản mà bộ phân loại đánh giá là do AI tạo ra và sau đó chạy qua một trình nhân hóa. Việc tín hiệu này có đáng tin cậy hay không vẫn còn đang tranh cãi trong các tài liệu học thuật, nhưng nó đã xuất hiện trong các báo cáo của giảng viên từ tháng 2.

Giáo viên thấy gì trong báo cáo

Hầu hết sinh viên không bao giờ nhìn thấy báo cáo mà giáo sư của họ nhận được. Dưới đây là những gì thực sự có ở phía giảng viên trong bảng điều khiển.

Chế độ xem tiêu đề

Báo cáo phía giảng viên hiển thị tài liệu gốc với các đoạn văn bị gắn cờ được tô sáng, một chỉ số tin cậy cho mỗi đoạn văn và tỷ lệ phần trăm AI tổng thể. Họ có thể nhấp vào bất kỳ phần tô sáng nào để xem tại sao phần đó bị gắn cờ và dữ liệu huấn luyện tương đương mà bộ phân loại đã đối khớp.

So sánh với mức trung bình của lớp

Nhiều tổ chức cấu hình Turnitin để hiển thị cho giảng viên cách mỗi bài nộp so với mức trung bình của lớp và với các bài nộp trước đó của chính sinh viên đó. Một bài nộp có điểm số cao hơn đáng kể so với bài làm trước đó của sinh viên đó — ngay cả khi không vượt qua ngưỡng tuyệt đối — sẽ được coi là một dấu hiệu cảnh báo.

Hiệu chuẩn độ tin cậy

Mỗi đoạn văn bị gắn cờ đều mang một dải tin cậy. Các câu trong dải tin cậy cao nhất có xu hướng là bằng chứng mạnh nhất; các cờ có độ tin cậy thấp hơn thường có thể được giải thích bởi thể loại, từ vựng hoặc lựa chọn tính trang trọng. Các giảng viên có kinh nghiệm biết nhìn vào dải tin cậy trước khi đưa ra kết luận, nhưng những người đánh giá thiếu kinh nghiệm đôi khi coi bất kỳ cờ nào cũng là bằng chứng.

Các dải điểm số khác nhau kích hoạt điều gì

Cách các tổ chức phản ứng với điểm số Turnitin AI là khác nhau, nhưng mẫu hình chung tại hầu hết các trường đại học trông như thế này:

• 0–19% AI: Thường được coi là bình thường. Một số tổ chức thậm chí không hiển thị nó trên bảng điều khiển của giảng viên.
• 20–39% AI: Bị gắn cờ để giảng viên xem xét. Thường dẫn đến một cuộc trao đổi, không phải một hình phạt — đặc biệt là đối với những người viết ESL hoặc các thể loại theo khuôn mẫu nơi các trường hợp dương tính giả hay tập trung.
• 40–69% AI: Kích hoạt quy trình xem xét chính thức tại hầu hết các tổ chức. Sinh viên thường được yêu cầu giải trình và có thể phải đối mặt với một cuộc họp về liêm chính học thuật.
• 70%+ AI: Gần như luôn được coi là một dấu hiệu cảnh báo nghiêm trọng. Các hình phạt ở mức độ này thường bao gồm điểm không cho bài tập và một hồ sơ sai phạm học thuật chính thức.

Các ngưỡng này không được tiêu chuẩn hóa. Một số tổ chức hành động ở mức 20%; những tổ chức khác dung thứ lên đến 50% trước khi thực hiện hành động chính thức. Sổ tay sinh viên thường là nơi thích hợp để tìm ngưỡng cụ thể của tổ chức bạn.

Những điểm mù đã biết của tính năng phát hiện AI của Turnitin

Không có trình phát hiện nào là hoàn hảo. Các tài liệu đã công bố của Turnitin trung thực hơn về các giới hạn của nó so với hầu hết các nhà cung cấp, nhưng các tác động thực tế rất đáng để tìm hiểu.

Dương tính giả ở các nhóm đối tượng cụ thể

Các tài liệu đã công bố của chính Turnitin thừa nhận tỷ lệ dương tính giả cao hơn đối với các văn bản ngắn (dưới 300 từ), các thể loại có khuôn mẫu chặt chẽ và bài viết của những người nói tiếng Anh không phải bản ngữ. Các nghiên cứu học thuật độc lập đã xác định tỷ lệ dương tính giả trên các bài luận sinh viên do con người viết nằm trong khoảng từ 4% đến 12% tùy thuộc vào nhóm đối tượng được lấy mẫu.

Mô hình AI cũ so với mô hình mới

Bộ phân loại của Turnitin hoạt động tốt hơn nhiều trên văn bản từ các mô hình mà nó đã được huấn luyện trực tiếp. Đầu ra từ các mô hình ít phổ biến hơn (DeepSeek, Mistral, Qwen, các bản tinh chỉnh ngách) được phát hiện kém tin cậy hơn. Văn bản được nhân hóa một cách đối kháng — nơi đầu ra của AI được chạy qua một công cụ bên thứ ba được thiết kế để che giấu nguồn gốc — cũng lọt qua thường xuyên hơn so với những gì marketing tuyên bố.

Hạn chế của bộ phân loại đơn lẻ

Tính năng phát hiện AI của Turnitin là một hệ thống bộ phân loại đơn lẻ. Khi bộ phân loại bị đánh lừa, hệ thống không có ý kiến thứ hai. Các trình phát hiện tập hợp đa mô hình (multi-model ensemble) kiểm tra chéo các phát hiện của chính chúng sẽ bắt được những trường hợp mà Turnitin bỏ lỡ và tránh được một số dương tính giả mà Turnitin gắn cờ. Việc lựa chọn trình phát hiện quan trọng hơn hầu hết sinh viên nhận ra.

Quy trình làm việc trước khi nộp bài thông minh

Sai lầm lớn nhất mà sinh viên mắc phải với Turnitin là coi nó như một thứ gì đó xảy ra sau khi nộp bài. Lúc đó thì đã quá muộn. Dưới đây là cách mà các sinh viên nghiêm túc tiếp cận nó.

Bước 1: Kiểm tra trước bằng trình phát hiện đa mô hình

Chạy bài luận đã hoàn thành của bạn qua trình phát hiện AI miễn phí của Plagly.ai trước khi bạn nộp. Tập hợp đa mô hình của Plagly chạy năm bộ phân loại độc lập và hiển thị cho bạn phân tích theo từng mô hình — vì vậy bạn không chỉ nhận được một tỷ lệ phần trăm, bạn còn thấy được tại sao. Nếu các mẫu hình tương tự như Turnitin sẽ gắn cờ hiện diện, bạn có cơ hội sửa đổi trước khi điểm số bị ảnh hưởng.

Bước 2: Sửa đổi các mẫu hình dễ bị gắn cờ nhất

Cả Turnitin và Plagly đều đặc biệt nhạy cảm với một số mẫu hình:

• Thay đổi độ dài câu một cách có chủ đích. Kết hợp các câu ngắn, súc tích với các cấu trúc câu dài hơn, phức tạp hơn. Cả hai trình phát hiện đều trừng phạt sự đồng nhất.
• Thêm các chi tiết địa phương cụ thể. Tham chiếu đến những gì đã thảo luận trong lớp, trích dẫn các số trang cụ thể từ tài liệu đọc được chỉ định, gọi tên người bạn cùng nhóm thí nghiệm hoặc gia sư hội thảo. AI không thể giả mạo ngữ cảnh mà nó không có quyền truy cập.
• Thay thế các từ chuyển tiếp theo khuôn mẫu (“hơn nữa,” “tóm lại,” “điều quan trọng cần lưu ý là”) bằng loại từ nối thông thường mà con người thực sự sử dụng trong lập luận.
• Tiết lộ bất kỳ công cụ AI nào bạn đã sử dụng trong một chú thích cảm ơn ngắn gọn, ngay cả Grammarly hoặc các công cụ tương tự. Hầu hết các chính sách cho phép sự hỗ trợ đã được tiết lộ; hầu như không có chính sách nào cho phép sự hỗ trợ không được tiết lộ.

Bước 3: Lưu giữ bằng chứng quy trình viết bài của bạn

Sử dụng Google Docs hoặc Word với lịch sử phiên bản được bật. Nhật ký chỉnh sửa liên tục chứng minh tài liệu được tích lũy qua hàng giờ chỉnh sửa của con người thay vì xuất hiện tất cả cùng một lúc. Nếu việc gắn cờ của Turnitin dẫn đến một cuộc họp liêm chính sau đó, bằng chứng này sẽ mang tính quyết định.

Tại sao Plagly là tiêu chuẩn kiểm tra trước

Ngày càng có nhiều sinh viên chạy bài làm của mình qua một tập hợp đa mô hình trước khi Turnitin nhìn thấy nó. Đây là lý do tại sao Plagly đã trở thành ý kiến thứ hai tiêu chuẩn.

Kiến trúc đa mô hình

Hội đồng Agentic của Plagly sử dụng một tập hợp năm mô hình (perplexity, burstiness, stylometry, vân tay, diễn ngôn). Khi các mô hình không thống nhất, sự không thống nhất đó sẽ được hiển thị thay vì bị che giấu sau một con số duy nhất. Điểm số của Turnitin là mập mờ; điểm số của Plagly là có thể kiểm chứng được.

Tỷ lệ dương tính giả thấp hơn trên bài viết của con người

Tỷ lệ dương tính giả đã công bố của Plagly trên văn xuôi học thuật của con người là dưới 1,5% — thấp hơn đáng kể so với tỷ lệ được ghi nhận trong các nghiên cứu độc lập về các công cụ bộ phân loại đơn lẻ. Đặc biệt đối với những người viết ESL, khoảng cách này là rất lớn.

Miễn phí, nhanh chóng và không yêu cầu tài khoản

Gói miễn phí của trình phát hiện Plagly là thực sự miễn phí. Dán văn bản của bạn, nhận phân tích, sửa đổi, lặp lại. Không cần thẻ tín dụng, không rào cản đăng ký, không có kết quả “chỉ xem trước”. Sử dụng nó bao nhiêu lần tùy thích trước khi nộp bài.

Giảng viên nên biết gì

Nếu bạn là một giảng viên đang đọc nội dung này, có hai đề xuất. Đầu tiên, đừng coi điểm số Turnitin AI là sự thật hiển nhiên. Đó là một tín hiệu, không phải là một phán quyết — và nó đã được ghi nhận là có những thành kiến hệ thống. Tiêu chuẩn chuyên nghiệp là kết hợp điểm số với phán đoán của chính bạn, bằng chứng quy trình viết bài của sinh viên và lý tưởng nhất là chạy ý kiến thứ hai trên một công cụ đa mô hình.

Thứ hai, hãy thông báo về ngưỡng điểm. Sinh viên không biết dải điểm kích hoạt việc xem xét sẽ không thể điều chỉnh hành vi của mình. Hãy công bố ngưỡng của khoa bạn trong đề cương môn học và các hậu quả liên quan đến nó. Tính dự đoán bảo vệ cả những sinh viên trung thực và chính quy trình liêm chính.

Điều gì sắp tới tiếp theo

Turnitin đã báo hiệu các bản cập nhật bộ phân loại tiếp theo nhắm mục tiêu vào các mô hình mới hơn, đặc biệt tập trung vào đầu ra của GPT-5.5/GPT-6, Claude 5 và Gemini 4 khi các mô hình đó ra mắt. Quỹ đạo cũng giống như phần còn lại của ngành — phát hiện tốt hơn, ngưỡng hẹp hơn, minh bạch hơn.

Sự chuyển dịch dài hạn là hướng tới xác minh tập hợp: các tổ chức chạy bài nộp qua Turnitin cộng với ý kiến thứ hai đa mô hình, với việc xem xét thủ công được dành riêng cho các trường hợp mà hai công cụ không thống nhất. Đó đã là thực tế tại một số trường đại học lớn và có khả năng sẽ lan rộng.

Lời kết

Tính năng phát hiện AI của Turnitin là có thật, nó ngày càng chính xác hơn và nó sẽ không biến mất. Bước đi thông minh không phải là tìm cách đánh lừa nó — mà là hiểu nó. Hãy kiểm tra trước bằng công cụ đa mô hình, lưu giữ bằng chứng quy trình viết bài của bạn và tiết lộ bất kỳ sự hỗ trợ AI nào mà bạn có sử dụng. Những sinh viên coi Turnitin là thứ cần dự đoán trước thay vì thứ gì đó bất ngờ xảy đến với họ hầu như không bao giờ kết thúc ở phía sai của một cuộc họp liêm chính.