説明

AI検出率低減の核心原理メモ AI検出器の識別原理 AI検出ツール（知網AIGC、GPTZero、Originality.aiなど）の核心的な識別ロジックは、以下の統計的特徴に基づく。 1. パープレキシティ（困惑度）: AIが生成したテキストは「確率が最も高い次の単語」を選択するため、全体的に困惑度が低い。人間の文章は「あまり一般的ではないが適切な」単語をより多く選ぶため、困惑度が高い。→ 書き換え戦略：S4 語彙の非標準化。 2. バースト性: AIが生成した文の長さは非常に均一で、バースト性が低い。人間の文章は文の長さの変動が大きく、時には極端に短く、時には極端に長く、バースト性が高い。→ 書き換え戦略：S1 文長の急変注入。 3. 接続詞密度: AIは明示的な接続詞（「さらに」「しかし」「したがって」「以上まとめると」など）に過度に依存し、密度が異常に高い。人間はより暗黙の意味的つながりを使用する。→ 書き換え戦略：S2 テンプレート語の除去。 4. 構造のテンプレート化: AIは「総論-各論-総論」の三段構成、等長の並列表現、「まず-次に-最後に」の順序構造を使用しがち。人間の構造はより柔軟で多様。→ 書き換え戦略：S3 構造の打破。 5. 語彙多様性（TTR）: AIは長文テキストで語彙の繰り返しが多く、TTRが低い。人間の自然な文章は語彙範囲がより広い。→ 書き換え戦略：S4 語彙の非標準化。 6. 情報提示の線形度: AIは論理的な順序で平坦に叙述し、情報密度が均一である。人間は倒叙、挿入、対比ジャンプなどの非線形手法を使用する。→ 書き換え戦略：S6 情報密度の再構成。 教材文体の特殊な制約 教材のAI検出率低減では、一般的なネット小説のように自由に口語化することはできず、以下を遵守しなければならない。 • 学術的厳密性の下限: ネットスラング、過度な口語表現、絵文字を使ってはならない。 • 用語正確性の下限: 学科の専門用語はすべて原文を保持し、不正確な「同義語置換」をしてはならない。 • 論理的一貫性の下限: 因果関係、分類体系、操作手順の論理が書き換えによって変更されてはならない。 • 引用規範の下限: 引用文献、法規、標準番号を改ざんしてはならない。 • 教育適用性の下限: 書き換え後のテキストは学生が理解しやすいものであり、AI検出率低減のために可読性を犠牲にしてはならない。