Narzędzia antyplagiatowe dla nauczycieli: jak odróżnić tekst ucznia od wygenerowanego przez AI?

Uznanie wyniku automatycznego detektora AI za niepodważalny dowód oszustwa to jeden z najpoważniejszych błędów, jakie można popełnić we współczesnej praktyce szkolnej i akademickiej. Wiele komercyjnych narzędzi reklamuje się niemal stuprocentową skutecznością w rozpoznawaniu treści wygenerowanych przez duże modele językowe (LLM). Rzeczywistość algorytmiczna jest jednak znacznie bardziej złożona. Narzędzia te opierają się na prawdopodobieństwie statystycznym, a nie na wykrywaniu fizycznego śladu czy unikalnego podpisu cyfrowego. Bezrefleksyjne oparcie oceny ucznia na wskaźniku procentowym generuje fałszywe oskarżenia, niszczy relację zaufania i stawia nauczyciela na bardzo wątpliwym gruncie formalno-prawnym.

Weryfikacja samodzielności tekstu wymaga metodycznego, wieloetapowego podejścia. Automatyczne oprogramowanie może pełnić wyłącznie rolę wstępnego sygnału ostrzegawczego. Kluczowa decyzja musi wynikać z analizy językowej, weryfikacji warsztatu badawczego ucznia oraz bezpośredniej rozmowy weryfikacyjnej. Poniższa procedura pozwala krok po kroku odróżnić autentyczną pracę od tekstu syntetycznego, minimalizując ryzyko pomyłki.

Tradycyjny antyplagiat a detekcja generatywnego AI: fundamentalne różnice technologiczne

Wielu pedagogów intuicyjnie traktuje detektory AI jako rozwinięcie klasycznych systemów antyplagiatowych, takich jak Jednolity System Antyplagiatowy (JSA) czy komercyjne platformy przeszukujące bazy danych. Jest to założenie błędne u samych podstaw, wynikające z niezrozumienia mechaniki generowania tekstu przez sztuczną inteligencję.

Jak działają bazy referencyjne w klasycznym plagiacie

Klasyczny system antyplagiatowy działa na zasadzie bezpośredniego porównywania ciągów znaków i słów (analiza n-gramów) z gigantyczną bazą referencyjną. System przeszukuje zindeksowane strony internetowe, repozytoria prac dyplomowych, książki i artykuły naukowe. Jeśli uczeń skopiował akapit z Wikipedii lub cudzego artykułu, oprogramowanie podświetla dokładnie ten fragment i wskazuje źródło pierwotne wraz z linkiem. Zasada działania jest deterministyczna: określona sekwencja słów albo znajduje się w bazie, albo nie.

Dlaczego modele LLM nie kopiują treści, lecz tworzą sekwencje probabilistyczne

Duże modele językowe (jak GPT-4, Claude czy Gemini) nie działają jak internetowe wyszukiwarki i nie wycinają gotowych zdań z internetu. Są to zaawansowane sieci neuronowe wytrenowane na potężnych korpusach tekstowych w celu przewidywania najbardziej prawdopodobnego kolejnego słowa (lub tokenu) w kontekście zadanego pytania (promptu). Model syntetyzuje wiedzę, tworząc unikalne gramatycznie i leksykalnie sformułowania. W efekcie wygenerowany esej na temat motywu winy i kary w literaturze może w 100% powstać przy udziale AI, a klasyczny antyplagiat wskaże współczynnik podobieństwa na poziomie zaledwie 2–3% (wynikający z powszechnie używanych fraz).

Granice skuteczności algorytmów wykrywających

Detektory AI nie szukają dopasowań w bazie, lecz próbują odgadnąć, czy dany tekst charakteryzuje się typową dla maszyn przewidywalnością. W przypadku języka polskiego zadanie to jest dodatkowo utrudnione przez bogatą fleksję, swobodny szyk zdania i mniejsze zasoby danych treningowych w porównaniu z językiem angielskim. Algorytm detekcyjny podaje jedynie subiektywne prawdopodobieństwo matematyczne, które może drastycznie wzrosnąć np. pod wpływem specyficznego, bardzo formalnego stylu pisania ucznia.

Przegląd i wiarygodność współczesnych narzędzi detekcyjnych

Na rynku edukacyjnym funkcjonuje kilkanaście platform oferujących moduły wykrywania sztucznej inteligencji. Choć twórcy deklarują wysoką precyzję, ich faktyczna przydatność w polskich realiach szkolnych bywa ograniczona.

Popularne detektory: charakterystyka rynkowa

Wśród najczęściej stosowanych rozwiązań znajdują się:

• GPTZero – jedno z pierwszych narzędzi dedykowanych edukacji; mierzy przede wszystkim stopień losowości słownictwa oraz złożoność struktur gramatycznych, dobrze radzi sobie z językiem angielskim, ale wykazuje wahania w przypadku polszczyzny,
• Copyleaks – zaawansowane narzędzie korporacyjne i edukacyjne; wykazuje stosunkowo wysoką odporność na proste parafrazy, jednak często oznacza fragmenty silnie sformalizowane (np. opisy metodologiczne) jako syntetyczne,
• Winston AI – system projektowany specjalnie do weryfikacji prac pisemnych i publikacji; oferuje raporty z podziałem na prawdopodobieństwo wystąpienia tekstu ludzkiego, mieszanego i w pełni maszynowego,
• Turnitin AI Writing Detection – moduł zintegrowany z wiodącym na uczelniach systemem weryfikacji prac; operuje na poziomie zdań, jednak producent sam zastrzega, że wynik nie może być wyłączną podstawą do sankcji dyscyplinarnych.

Zjawisko fałszywych trafień (false positives)

Największym zagrożeniem w stosowaniu detektorów jest fałszywe oskarżenie (false positive). Zjawisko to występuje szczególnie często w odniesieniu do uczniów piszących w sposób bardzo ustrukturyzowany, używających bogatego, archaicznego lub wysoce sformalizowanego słownictwa. Badania lingwistyczne wskazują również, że na fałszywe wskazania detektorów narażone są osoby piszące w języku obcym (dla których polski jest drugim językiem) oraz osoby w spektrum autyzmu, których naturalny styl komunikacji pisemnej bywa bardziej symetryczny, logiczny i pozbawiony potocznych nieregularności.

Procedura weryfikacji samodzielności tekstu krok po kroku

Poniższy schemat postępowania pozwala nauczycielowi przejść od wstępnych podejrzeń do obiektywnej oceny autorstwa pracy, bez opierania się wyłącznie na zawodnych wskaźnikach procentowych.

Krok 1: Weryfikacja techniczna i analiza metadanych pliku

Zanim przejdziesz do czytania tekstu, zbadaj środowisko cyfrowe, w którym powstał dokument. Zwróć uwagę na następujące elementy:

1. Historia zmian i wersjonowanie dokumentu – w przypadku prac oddawanych w formatach Google Docs lub MS Word Online zweryfikuj historię edycji. Naturalny proces pisania wypracowania składa się z dziesiątek drobnych edycji, usuwania słów, przerw i stopniowego przyrostu znaków. Wklejenie całego tekstu (np. 4000 znaków) w jednym bloku w ciągu kilkunastu sekund to silny sygnał, że treść powstała poza edytorem.
2. Czas edycji pliku – we właściwościach pliku lokalnego (.docx, .pdf) sprawdź parametr „Całkowity czas edycji”. Dokument o objętości 5 stron napisany w 2 minuty wskazuje na przeklejenie gotowego materiału.
3. Ukryte formatowanie i pozostałości promptów – modele LLM generują specyficzne znaki formatowania Markdown (np. podwójne gwiazdki dla pogrubień, listy z myślnikami w nietypowym kodowaniu UTF-8) lub specyficzne zwroty wprowadzające, których uczeń zapomniał usunąć (np. „Oto przykładowy esej na temat…”, „Jako model językowy…”).

Krok 2: Lingwistyczna analiza stylu i struktury wypowiedzi

Teksty generowane przez sztuczną inteligencję wykazują specyficzne, powtarzalne cechy dystrybucji słownictwa i składni, które rzadko pojawiają się w naturalnym języku młodzieży szkolnej:

Warto przeczytać również powiązany artykuł: Automatyczne sprawdzanie prac domowych – czy to możliwe?.

1. Niska perpleksja i brak zmienności rytmu (burstiness) – ludzie piszą nierówno: łączą krótkie, dosadne zdania ze strukturami wielokrotnie złożonymi, używają potocznych wtrąceń, a tempo wywodu faluje. Tekst z AI jest jednostajny, wygładzony stylistycznie i zachowuje niemal identyczną średnią długość zdań w całym tekście.
2. Nadużywanie bezpiecznych łączników i symetrycznych struktur – generatory nadmiernie stosują konstrukcje typu: „Warto zauważyć, że…”, „Podsumowując powyższe rozważania…”, „Z jednej strony… z drugiej strony…”, „Należy podkreślić kluczową rolę…”.
3. Pusta erudycja (tzw. lanie wody bez konkretu) – akapity wyglądają profesjonalnie pod względem gramatycznym, ale nie zawierają precyzyjnych przykładów, nazw własnych, dat ani bezpośrednich cytatów z lektury, skupiając się na ogólnikowych deklaracjach.

Krok 3: Weryfikacja faktograficzna i test halucynacji źródeł

To najskuteczniejszy i najbardziej obiektywny etap śledczy. Modele językowe nie przeszukują rzeczywistej bibliografii w sposób deterministyczny – gdy brakuje im danych, fabrykują źródła na podstawie prawdopodobieństwa nazwisk i tytułów.

1. Sprawdzenie numerów stron i wydań – sprawdź w bibliotece lub katalogu online, czy cytowany fragment rzeczywiście znajduje się na wskazanej przez ucznia stronie. AI nagminnie podaje losowe numery stron.
2. Weryfikacja nieistniejących dzieł – wyszukaj w Google Scholar lub bazach BN podane w bibliografii artykuły i książki. Sztuczna inteligencja potrafi połączyć nazwisko rzeczywistego profesora z całkowicie zmyślonym tytułem monografii naukowej.
3. Konfrontacja z realiami historyczno-literackimi – zwróć uwagę na anachronizmy, mylenie bohaterów literackich (np. przypisanie czynów Jacka Soplicy innemu bohaterowi) lub zniekształcone cytaty, które brzmią poetycko, ale nie występują w tekście źródłowym.

Krok 4: Bezpośrednia rozmowa weryfikacyjna (obrona pracy)

Jeżeli poprzednie etapy wykazały anomalie, zorganizuj krótką (3–5 minut) rozmowę z uczniem na osobności. Zastosuj pytania sondujące:

• „Użyłeś w tekście terminu [np. determinizm behawioralny / paralelizm kompozycyjny] – wyjaśnij własnymi słowami, jak go rozumiesz w kontekście tego akapitu.”
• „Dlaczego zdecydowałeś się na taką strukturę argumentacji w rozdziale drugim? Jakie inne źródła odrzuciłeś na etapie selekcji?”
• „Streszcz w dwóch zdaniach główną tezę artykułu, który umieściłeś na trzeciej pozycji w bibliografii.”

Uczeń, który samodzielnie napisał pracę, może być zestresowany, ale potrafi odtworzyć tok myślenia, przypomnieć sobie trudności napotkane podczas pisania lub wskazać, gdzie szukał materiałów. Brak elementarnej orientacji w treści własnego tekstu stanowi ostateczne potwierdzenie niesamodzielności.

Checklista weryfikacyjna dla nauczyciela

Użyj poniższej listy kontrolnej przed podjęciem jakichkolwiek kroków dyscyplinarnych. Zaznaczenie co najmniej 4–5 pozycji z kategorii ryzyka uzasadnia wezwanie ucznia na rozmowę wyjaśniającą.

Lista kontrolna: Sygnały ostrzegawcze niesamodzielnej pracy

1. Analiza techniczna i procesowa:

• [ ] Brak historii edycji w dokumencie chmurowym (tekst wklejony jako jeden blok).
• [ ] Całkowity czas edycji dokumentu jest niewspółmiernie krótki do jego objętości.
• [ ] W pliku zachowały się specyficzne elementy formatowania Markdown lub zwroty konwersacyjne AI.
• [ ] Rozkład słownictwa odbiega drastycznie od innych prac tego samego ucznia pisanych stacjonarnie.

2. Cechy stylu i kompozycji:

• [ ] Jednostajny rytm zdań (brak zmienności między zdaniami krótkimi a złożonymi).
• [ ] Nadmiar symetrycznych formuł podsumowujących i sztucznych łączników logicznych.
• [ ] Brak konkretnych przykładów, nazwisk, dat na rzecz ogólnych, abstrakcyjnych rozważań.
• [ ] Słownictwo wykracza poza poziom znajomości języka deklarowany i prezentowany przez ucznia na lekcjach.

3. Spójność faktograficzna i źródła:

• [ ] Przynajmniej jedna pozycja bibliograficzna nie istnieje w bazach bibliotecznych (halucynacja AI).
• [ ] Cytaty z lektur są zniekształcone, sparafrazowane w cudzysłowie lub przypisane niewłaściwym postaciom.
• [ ] Występują błędy rzeczowe polegające na łączeniu niepowiązanych ze sobą faktów w gładko brzmiące zdania.

4. Weryfikacja ustna:

• [ ] Uczeń nie potrafi zdefiniować kluczowych pojęć użytych we własnym tekście.
• [ ] Uczeń nie pamięta struktury pracy ani głównych wniosków bez zaglądania do kartki.
• [ ] Uczeń nie potrafi wskazać, skąd pozyskał cytowane dane i pozycje bibliograficzne.

Najważniejsze ostrzeżenia i błędy proceduralne

Podczas weryfikacji prac pisemnych łatwo przekroczyć granice rzetelności pedagogicznej i prawnej. Należy bezwzględnie unikać następujących działań:

• Oskarżenie oparte wyłącznie na raporcie detektora – żaden komercyjny detektor nie jest narzędziem certyfikowanym metrologicznie ani prawnie. Zrzut ekranu z wynikiem „92% AI” nie ma mocy dowodowej w procesie odwoławczym przed dyrekcją, kuratorium czy komisją dyscyplinarną.
• Wprowadzanie prac uczniów do publicznych narzędzi online – wklejanie całych wypracowań uczniowskich do darmowych, publicznych detektorów w sieci może naruszać przepisy o ochronie danych osobowych (RODO) oraz prawa autorskie ucznia do utworu (nawet niedokończonego). Używaj wyłącznie systemów, z którymi placówka ma podpisaną umowę powierzenia przetwarzania danych.
• Publiczne konfrontowanie ucznia na forum klasy – zarzut niesamodzielności musi być komunikowany indywidualnie. Fałszywe oskarżenie wypowiedziane publicznie rodzi konsekwencje psychologiczne dla ucznia oraz ryzyko naruszenia dóbr osobistych.
• Ignorowanie kontekstu neuroatypowości i barier językowych – pamiętaj, że styl pisania osób ze spektrum autyzmu oraz uczniów piszących w języku polskim jako obcym w sposób naturalny generuje wyższe wskaźniki prawdopodobieństwa w algorytmach detekcyjnych ze względu na specyficzny dobór syntaktyczny.

Praktyczny finał: Postępowanie w sytuacji spornej

Gdy analiza wykaże wysokie prawdopodobieństwo użycia AI, a uczeń neguje ten fakt podczas rozmowy wstępnej, zastosuj następujący protokół postępowania:

1. Sporządź notatkę służbową z dowodami faktograficznymi – nie wpisuj w niej wyniku z detektora. Wypisz konkretne błędy merytoryczne: nieistniejące pozycje bibliograficzne, zmyślone cytaty, anomalie w historii edycji pliku oraz brak umiejętności wyjaśnienia terminologii przez ucznia.
2. Zaproponuj alternatywną formę weryfikacji wiedzy – zaoferuj uczniowi możliwość napisania krótkiego eseju na analogiczny temat w warunkach kontrolowanych (w klasie, bez dostępu do urządzeń cyfrowych) lub zaliczenie ustne z zakresu zagadnień poruszonych w pracy.
3. Dostosuj formę zadań na przyszłość – aby wyeliminować problem u źródła, zmień specyfikę prac domowych: wymagaj odwołań do dyskusji z konkretnej lekcji, analizy lokalnych zjawisk, prowadzenia dziennika procesu badawczego lub regularnego oddawania kolejnych wersji roboczych tekstu.

Procedura konfiguracji i użycia dedykowanych systemów antyplagiatowych

Jeśli placówka oświatowa lub uczelnia zapewnia dostęp do profesjonalnych systemów weryfikacji (np. Turnitin z modułem AI Writing Report, Plagiat.pl czy systemów zintegrowanych z platformami LMS typu Moodle/Canvas), należy przeprowadzić badanie według ustandaryzowanego schematu:

1. Konfiguracja zadania w systemie LMS:
   • Włącz obowiązek przesyłania plików wyłącznie w formatach zachowujących metadane (DOCX, ODT) zamiast spłaszczonych plików PDF lub wklejania tekstu w formularz online.
   • Zaznacz opcję generowania raportu podobieństwa bezpośrednio po przesłaniu pliku, blokując możliwość wielokrotnego nadsyłania wersji próbnych przez ucznia w celu „obejścia” algorytmu.
2. Interpretacja raportu hybrydowego:
   • Wskaźnik podobieństwa tradycyjnego (plagiat odtwórczy): weryfikuje zapożyczenia z baz internetowych, artykułów naukowych i prac innych uczniów.
   • Wskaźnik prawdopodobieństwa AI: traktuj wyłącznie jako filtr wstępnej selekcji. Jeśli system wskazuje wynik powyżej 40%, praca trafia do weryfikacji ręcznej (Kroki 1–4 opisane wyżej).
3. Archiwizacja raportu technicznego: pobierz pełny plik PDF raportu z sygnaturą czasową przed podjęciem rozmowy z autorem pracy, aby dysponować niezmiennym stanem danych w razie audytu pedagogicznego.

Scenariusze decyzyjne w praktyce szkolnej

Poniższe schematy postępowania pozwalają podjąć odpowiednie kroki w zależności od wyników przeprowadzonego procesu weryfikacji:

Scenariusz A: Wykryto halucynacje faktograficzne i brak historii edycji

• Stan faktyczny: Raport AI wskazuje wysokie prawdopodobieństwo, praca została wklejona w całości w ciągu 30 sekund, bibliografia zawiera zmyślone tytuły monografii naukowej.
• Działanie: Rozmowa wyjaśniająca oparta na konfrontacji ze zmyślonymi źródłami. Ocena niedostateczna z pracy z adnotacją o niesamodzielności lub wyznaczenie nowego tematu do zrealizowania w warunkach kontrolowanych (w zależności od statutu szkoły).

Scenariusz B: Podejrzenie wsparcia edycyjnego (praca hybrydowa)

• Stan faktyczny: Uczeń sprawnie operuje treścią, orientuje się w faktach, historia edycji wykazuje stopniowy przyrost tekstu, ale stylistyka niektórych fragmentów wykazuje cechy maszynowego wygładzenia (niska perpleksja).
• Działanie: Uznanie pracy pod względem merytorycznym przy jednoczesnym obniżeniu oceny za kryterium językowe/kompozycyjne, jeśli kryteria oceniania precyzują wymóg samodzielnego kształtowania wypowiedzi. Przeprowadzenie instruktażu na temat dozwolonych granic wspomagania pisania (np. korekta literówek vs generowanie całych akapitów).

Scenariusz C: Fałszywy alarm algorytmu detekcyjnego

• Stan faktyczny: Detektor komercyjny wskazuje wynik rzędu 70–80% AI, lecz uczeń przedstawia pełną historię wersji w dokumentach chmurowych, notatki odręczne, szkice planu oraz bez wahania omawia strukturę i tezy pracy podczas rozmowy ustnej.
• Działanie: Całkowite odrzucenie wskazań detektora. Wpisanie oceny wynikającej wyłącznie z kryteriów merytorycznych i formalnych pracy.

Wzór protokołu weryfikacji samodzielności pracy

W przypadku konieczności formalnego udokumentowania niesamodzielności tekstu, wypełnij poniższy protokół i dołącz go do dokumentacji przebiegu nauczania:

PROTOKÓŁ WERYFIKACJI PRACY PISEMNEJ
Data sporządzenia: .........................
Imię i nazwisko ucznia: .................... Klasa/Grupa: .................
Tytuł ocenianej pracy: ....................................................

1. PRZESŁANKI TECHNICZNE:
   [ ] Brak ciągłości w historii edycji pliku
   [ ] Obecność artefaktów generowania LLM (znaczniki, formuły konwersacyjne)

2. BŁĘDY RZECZOWE I ŹRÓDŁOWE (HALUCYNACJE):
   - Pozycja bibliograficzna: .............................................
     Status weryfikacji: [ ] Nie istnieje w bazach / [ ] Błędne przypisanie
   - Anachronizmy lub fałszywe fakty: .....................................

3. PRZEBIEG ROZMOWY WERYFIKACYJNEJ:
   - Znajomość pojęć kluczowych: [ ] Pełna / [ ] Częściowa / [ ] Brak
   - Odtworzenie toku argumentacji: [ ] Samodzielne / [ ] Niesamodzielne

4. DECYZJA I USTALENIA KOŃCOWE:
   ........................................................................
   ........................................................................

Podpis nauczyciela: ....................   Podpis ucznia: .................