Eğitmenler için intihal kontrolü toplu denetim
Tüm sınıf için toplu yükleme. Öğrenci bazında paneller. Canvas, Moodle, Blackboard ve Brightspace entegrasyonları. Doğru atıflara saygı duyan raporlar artı bir yapay zeka dedektörü — yakında — kendi sınırlarını açıkça belirtiyor, özellikle ESL öğrencileriniz için.
Dört eğitimci iş akışı. Bir hesap.
Bir sınavı veya kompozisyonu 30 saniyede kontrol edin
Ücretsiz katman, tam sınıfı kapsar. LMS gerekmez.
- Öğrenci yanıtını yapıştırın, örtüşmeyi hemen görün
- Doğru atıf yapılan bölümleri beklendiği gibi işaretleyin
- Temiz bir PDF raporunu yazdırın veya paylaşın
Ödev teslimlerini topluca değerlendirin
100+ teslimi tek bir kuyruğa alın.
- .docx / .pdf dosyalarından gelen CSV veya zip yükleyin
- Benzerlik + yapay zeka puanı ile öğrenci bazında panel
- İşaretlenen herhangi bir bölüme tıklayarak kaynağı okuyun
Atıf politikasını tanımlayın, uygulamayı izleyin
Akademik dürüstlük için kurum düzeyinde panel.
- Canvas / Moodle / Blackboard / Brightspace’den liste senkronizasyonu
- Toplam benzerlik eğilimleri, öğrenci profili olmadan
- Akreditasyon incelemesi için denetim günlüklerini dışa aktarın
İtiraz edilen bir skoru belgelerle inceleyin
Önce algoritmayı, sonra raporu okuyun.
- Her raporda X-Engine-Commit — yeniden üretilebilir
- Gerekçesi belgelenmiş şekilde yapay zeka kararını geçersiz kılın
- Apache 2.0 motoru — kurulda savunulabilir
Bir kuyruk. Tüm sınıf onun içinden geçer.
CSV veya zip olarak öğrenci teslimleri bırakın. Öğrenci bazında rapor alın. Her belgeyi tek tek yüklemek yok, her teslimde fatura sürprizi yok.
Liste yükleyin veya teslim gönderin
LMS’den sınıf listesini çekin ya da .docx / .pdf dosyalarını içeren bir CSV / zip yükleyin. Premium’da toplu 250 belgeye kadar; Kurumsal’da sınırsız.
Tek kuyruk, paralel kontroller
Tüm sınıf aynı anda işlenir. Her gönderi aynı sorgulama zincirinden geçer (winnowing → güncel web; MinHash ve vektörler eklendikçe). Belge başına medyan süre 42 saniye.
Öğrenci bazında panel
Sıralanabilir benzerlik + yapay zeka sütunları. Her satıra tıkla — tam vurgulu rapor, kaynak URL’leri ve puanı belirleyen motor komiti.
Dört LMS. Bir kurulum. Öğrenci için tek oturum açma.
LTI 1.3 ile en büyük dört üniversite ve K-12 LMS’de hazır. Okul düzeyinde bir kere kurulur; öğretmenler Noplag'i herhangi bir ödev için harici araç olarak ekler.
Ödevlerde harici araç. Liste + not aktarımı desteklenir.
- Bölüm düzeyinde liste senkronizasyonu
- Özgünlük + yapay zeka puanını not defterine aktarma
- Speedgrader-uyumlu satır içi açıklamalar
Moodle Eklentiler Dizini’nden eklenti. OAuth2 ile SSO.
- Grup + toplu liste senkronizasyonu
- Puanı not defterine aktarma
- Kendi sunucunuzda çalıştırılabilir (on-prem Moodle uyumlu)
LTI 1.3 + Building Block. Anthology sürümlerinde test edildi.
- SafeAssign uyumlu yükleme formatı
- Derslerden liste senkronizasyonu
- Bb Annotate’da satır içi rapor
Onaylı harici araç. Kurum biriminde yetkilendirilir.
- Brightspace Lessons’a yerleştirme
- Turnitin geçiş aktarımcısı
- K-12 + üniversite dağıtımları
Bir sınıf. Bir ekran. Her şey sıralanabilir.
Öğrenci bazında satır — benzerlik, yapay zeka puanı ve tıklanabilir vurgulu rapor. PDF dışa aktarma peşinde koşmak yok — bunun için kısayol var.
Bir sinyal, karar değil. Özellikle ESL öğrencileriniz için.
Yapay zeka dedektörleri anadili İngilizce olmayanları fazladan işaretler
Liang ve diğ., 2023 ESL öğrencilerinde %61,3 yanlış-pozitif oranı ölçtü (aynı dedektör yerli yazarlarda %5,1 idi). Sapma kaynağı açık: ESL yazım kalıpları, AI metinleriyle aynı istatistiksel izleri taşır (daha düşük perplexity, formül cümleler). Yapay zeka karar algoritmasını buna göre tekrar kurduk.
Önce kalibre ederiz, sonra not düşeriz — otomatik başarısızlık yok
Yapay zeka tespiti yayına girdiğinde, ESL olarak tespit edilen teslimlerde (leksik imza + isteyen öğretmen, listeden işaretleme) puan, sadece ESL validasyon setine göre yeniden ayarlanır. Eğer ayarlama ana dedektör eşiğiyle uyuşmazsa karar etiketi LIKELY yerine ESL ADJ olur. Kalan hata oranı ~%3 — sıfır değil. Puan raporda, geçersiz kılma yolu belgede.
Bir toplantı, ceza değil
Yapay zeka tespiti her teslimde eğitime özel tartışma rehberiyle gelir: puan, yöntem, öğrenci profiline özgü yanlış-pozitif oranı, ve çıkartma kararı vermeden önce sorulacak sorular. Puan, yalnızca bir veri. Öğrencinin süreci — taslaklar, kaynaklar, atıf disiplini — diğeri. Karar sizde.
Alıntı ve altında atıf olan bölüm intihal değildir.
Doğru kaynak verilmiş alıntılar, atıflı parafrazlar ve standart bibliyografya uygulamaları beklendiği gibi işaretlenir — kırmızı bayrak olmaz. Her eşleşen aralık (Direkt alıntı / Parafraz / Genel bilgi / Atıfsız) olarak sınıflandırılır, toplam benzerlik puanı öyle hesaplanır. Öğretmen görünümü her bölüme yanındaki sınıflandırmayı gösterir, bu yüzden ağır atıflı bir literatür taramasında %28 benzerlik — hiç atıfsız parafraz ile aynı değerlendirilmez. Nihai karar öğretmende — ama rapor MLA’ya uygun öğrenciyi cezalandırmaz.
Rubrik notlarını okuyunBir bölüm başkanının soracağı türden sorular.
- "K-12 öğretmenler için ücretsiz" tam olarak neyi kapsıyor?
- Doğrulanmış .edu / okul e-posta adresi olan her öğretmene Ücretsiz K-12 katmanında sınırsız toplu sınıf kontrolü. Sınıf başına 35 öğrenci, öğretmen başına 25 aktif sınıf limiti. Kart gerekmez. Kullanım limiti yok. Üniversite öğretim üyeleri Premium planda başlar ($79/ay), bu toplu işlem + LMS entegrasyonunu ekler.
- Öğrenci gönderilerini ortak bir veritabanında saklıyor musunuz?
- Varsayılan olarak, teslimler Noplag Database'a (müşteriler arası ortak dizin) eklenir ve hiçbir zaman eğitim amacı dışında kullanılmaz. Kurum düzeyinde, teslimleri yalnızca öğretmen klasöründe tutmak için vazgeçebilirsiniz ve ortak dizin K-12’de tamamen atlanır. Her parmak izinde silme hakkı uygulanabilir.
- ESL öğrencim yapay zeka olarak işaretlenirse ne olur?
- AI içerik tespiti yakında geliyor (v1.2 yol haritasında). Yayına alındığında, AI skoru, sözcük yapısı ana dili İngilizce olmayan biri izlenimi veriyorsa (veya öğrenci listede ESL olarak işaretliyse) ESL ayarlı bir aralıkla raporlanacak; yeniden kalibre edilen sonuçta belgelenmiş bir artık hata oranı yer alacak. Öğretmen görünümünde bu konuyu tartışmaya yönelik bir rehber bulunacak — skor yalnızca bir veri, öğrencinin yazım süreci de ayrıca değerlendirilir. Otomatik başarısızlık kararı verilmez.
- Raporlarda uygun atıflı alıntılar nasıl işleniyor?
- Her eşleşen bölüm başlıca benzerlik puanından önce sınıflandırılır: Direkt alıntı (atıflı), Parafraz (atıflı / atıfsız), Genel bilgi, Blok alıntı, Bibliyografya. Düzgün atıflı parçalar çıkarılır veya düşük ağırlık verilir. Sınıflandırma bölümün yanında görünür — ağır atıflı %28 benzerlik raporu ile atıfsız parafraz %28 farklıdır.
- Hangi LMS’lerle nasıl entegresiniz?
- Canvas, Moodle, Blackboard Ultra, Brightspace LTI 1.3 ile. Kurumda bir kere kurulur, öğretmenler LMS içinden Noplag’i herhangi bir ödeve ekler. Liste senkronizasyonu, not defterine sonuç yazımı, Speedgrader / Bb Annotate / D2L içinde satır içi açıklamalar. Kurulum için okul BT ile 15 dakikalık arama yeter.
- Turnitin ödev kütüphanemi içe aktarabilir miyim?
- Evet — Brightspace ve Canvas bağlayıcıları Turnitin geçiş aktarımcısı ile ödev tanımları + rubrikleri eşler. Geçmiş teslimler taşınmaz (Turnitin buna izin vermez), fakat aynı ödev kimliğiyle yeni teslimler geçişten itibaren Noplag’e akar.
- AB okulları için veri yerleşimi nasıl?
- AB yerleşimli uç nokta (api.eu.noplag.com) Pro ve üstünde açılır. Teslimler AB altyapısından çıkmaz. GDPR’ye uyumlu; DPA isterseniz sağlanır. Politikaya uygun gerekirse motoru tamamen kendi sunucunuzda barındırabilirsiniz — Apache 2.0 referans motoru bulutta neyse aynısıdır.
- Akademik dürüstlük kurulu için nasıl bir süreç izlenir? Rapor savunulabilir mi?
- Her raporda X-Engine-Commit ve corpus anlık görüntü zaman damgası olur — aynı kontrol aylar sonra yeniden üretilebilir. Motor Apache 2.0, algoritma kurul tarafından incelenebilir. Geçersiz kılma kayıtları (kim, neyi, ne zaman ve neden beklendiği gibi işaretledi) dışa aktarılabilir. Sadece puan üretmek değil, kuruldan geçmek için tasarlandı.
- ESL sınıfları için hangi dilleri destekliyorsunuz?
- Tespit motoru ilk aşamada İngilizce, İspanyolca, Portekizce, Lehçe ve Ukraynaca için kalibre edildi; ilerleyen dönemde daha fazla dil eklenecek. Tespit kalitesi PAN-PC-11 üzerinde karşılaştırıldı ve /docs/developers/benchmarks adresinde yayımlandı; dil bazında değerlendirme yol haritasında.
- Bir öğrenci yapay zeka puanına itiraz ederse ne olur?
- Yapay zeka tespiti yakında (v1.2 yol haritasında). Canlı olunca: öğretmen görünümü → öğrenci satırına tıkla → “Kararı geçersiz kıl” ve nedenini gir. Geçersiz kılma motor komiti ve veri anlık görüntüsüyle kaydedilir. Her işaretlenen teslimle gelen tartışma rehberi tam bu durum için. Otomatik başarısızlık yok; karar sizde.
K-12 için ücretsiz. Sınıfınızı beş dakikada kurun.
Kayıtta kart gerekmez. K-12 öğretmenleri sınırsız toplu sınıf kontrolü alır. Üniversite pilotları öğretmen başına $79/ay’dan başlar. Okul çapında LMS kurulumu için IT ile 15 dakikalık görüşme gerekir — ayağa kaldırmanızda yardımcı oluruz.