Kiểm tra văn bản nghi do AI tạo: bằng chứng, giới hạn và quy trình rà soát

1. Bốn câu hỏi thường bị gộp vào một điểm số

Nên xác định ngay từ đầu đang kiểm tra bài làm, bản thảo khoa học hay một nội dung truyền thông, và quy định nào chi phối. Sửa ngữ pháp, dịch hỗ trợ, gợi ý dàn ý và tạo toàn bộ phần phân tích là những mức can thiệp khác nhau. Cần mô tả phạm vi được phép và phạm vi cần khai báo thay vì dùng một nhãn chung cho mọi trường hợp.

Một nghiên cứu đúng vẫn có thể cần khai báo việc dùng AI. Một bản thảo do người tự viết vẫn có thể chứa nguồn sai hoặc lập luận yếu. Vì vậy, kiểm tra chất lượng nội dung và xác định cách sử dụng công cụ là hai công việc phải được ghi nhận riêng.

2. Nghiên cứu cho biết gì về giới hạn detector?

Liang và cộng sự (2023) khảo sát các detector trên những bài viết tiếng Anh của người bản ngữ và người không dùng tiếng Anh như tiếng mẹ đẻ. Nghiên cứu cho thấy sai dương đối với nhóm bài không phải tiếng Anh bản ngữ trong những điều kiện được kiểm tra. Phát hiện này giúp nhận diện vấn đề công bằng, nhưng không đo hiệu năng của mọi detector năm 2026 hoặc xác nhận mức sai dương trên văn bản tiếng Việt.

Dugan và cộng sự (2024) xây dựng benchmark RAID để đánh giá detector trên nhiều nguồn sinh văn bản, lĩnh vực và điều kiện tạo nội dung. Kết quả nhấn mạnh rằng khả năng phân loại có thể thay đổi khi điều kiện kiểm tra khác dữ liệu mà công cụ quen thuộc. Không nên chuyển một con số accuracy quảng cáo thành bảo đảm cho loại bản thảo đang đọc.

Hai kết quả trên không có nghĩa mọi detector đều vô dụng. Chúng đặt ra yêu cầu xem công cụ được đánh giá trên dữ liệu nào, ngôn ngữ nào, loại văn bản nào và ở thời điểm nào. Thử một đoạn báo rồi thấy bị gắn cờ chỉ là một trường hợp quan sát, không phải một nghiên cứu ước lượng độ chính xác.

3. Đọc đúng ý nghĩa của tỷ lệ và nhãn AI

Có công cụ trả nhãn, có công cụ trả điểm phân loại, có sản phẩm báo tỷ lệ phần văn bản đủ điều kiện bị mô hình gắn cờ. Đây là các đại lượng khác nhau. Chẳng hạn, hướng dẫn Turnitin mô tả tỷ lệ AI trên phần văn xuôi đủ điều kiện và phân biệt nó với điểm tương đồng; tỷ lệ đó không phải xác suất một người đã dùng AI (Turnitin, n.d.).

Vì vậy, một kết quả ghi “80%” phải được đọc theo định nghĩa của đúng sản phẩm. Không tự đổi nó thành “80% khả năng gian lận”, “80% số câu chắc chắn do AI viết” hoặc “người này chỉ tự viết 20%”. Cũng không lấy trung bình điểm từ các công cụ khác nhau khi chưa có thang đo và cách hiệu chỉnh tương thích.

Không có một ngưỡng điểm áp dụng chung cho mọi detector và mọi mục đích. Nếu một đơn vị đặt ngưỡng để sàng lọc, phải phân biệt bước sàng lọc với quyết định cuối, đồng thời đánh giá hậu quả của sai dương và sai âm trong bối cảnh thực tế.

4. Ví dụ giả định: vì sao accuracy cao vẫn cần kiểm tra tiếp?

Ví dụ dưới đây do tác giả tạo để giải thích tỷ lệ nền và sai dương, không phải số liệu đo Turnitin hay bất kỳ sản phẩm cụ thể nào. Giả sử một bộ đánh giá có 1.000 văn bản đã biết nguồn gốc: 100 do AI tạo và 900 do người viết. Giả định detector phát hiện 80% văn bản AI và gắn cờ nhầm 5% văn bản người viết.

Trong ví dụ giả định này, 45 trong 125 văn bản bị gắn cờ thực ra do người viết. Accuracy 93,5% vẫn đi cùng 36% sai trong nhóm bị gắn cờ vì số văn bản người viết chiếm đa số. Tỷ lệ đúng của nhóm bị gắn cờ thay đổi nếu tỷ lệ văn bản AI trong bộ đánh giá thay đổi.

Đây là phép tính trên một bộ giả định có nhãn nguồn gốc đã biết. Nó không tạo xác suất cá nhân cho một người viết đang bị nghi ngờ và không được dùng để ước đoán trước một tập thể có bao nhiêu người vi phạm.

5. Kiểm tra ngôn ngữ, phiên bản và quyền xử lý bản thảo

Hãy đọc yêu cầu của sản phẩm trước khi nạp văn bản. Tại lần đối chiếu ngày 15/11/2026, hướng dẫn AI Writing Report của Turnitin liệt kê các ngôn ngữ được hỗ trợ nhưng không có tiếng Việt. Không nên áp một kết quả ngoài phạm vi ngôn ngữ được công bố như một đánh giá đã được xác nhận cho tiếng Việt (Turnitin, n.d.).

Dịch một bài tiếng Việt sang tiếng Anh rồi chạy detector là đánh giá một văn bản đã được biến đổi, không phải giữ nguyên đầu vào. Nếu muốn sử dụng kết quả đó trong một quy trình, cần đánh giá riêng tác động của bước dịch. Tương tự, một đoạn ngắn, bảng, mã hoặc danh mục tài liệu không nên được xử lý như văn xuôi dài nếu công cụ không công bố hỗ trợ dạng đó.

Với bản thảo chưa công bố hoặc dữ liệu hạn chế chia sẻ, chỉ dùng dịch vụ được phép xử lý loại nội dung ấy. Kiểm tra điều kiện lưu trữ và quyền truy cập của đơn vị trước khi tải lên. Lưu tên sản phẩm, ngày kiểm tra, loại đầu vào và thiết lập để các kết quả ở những thời điểm khác nhau không bị trộn lẫn.

6. Quy trình rà soát có thể giải trình

Đây là quy trình rà soát được đề xuất cho biên tập, không phải một thang điểm chẩn đoán đã được kiểm định. Không có lịch sử phiên bản không tự chứng minh dùng AI; một cuộc trao đổi tốt cũng không tự xác nhận toàn bộ bản thảo. Kết luận phải theo các bằng chứng thực có và quy trình của đơn vị.

Turnitin cũng nêu rằng kết quả của mô hình có thể sai và không nên là căn cứ duy nhất cho hành động bất lợi đối với người học (Turnitin, n.d.). Thực hành phù hợp là chuyển từ nhãn nghi ngờ sang các câu hỏi và dữ kiện người viết có thể giải trình.

7. Mẫu ghi nhận trung tính và có thể đối chiếu

Mẫu ghi nhận: Chúng tôi phát hiện [vấn đề nội dung hoặc nguồn cụ thể] trong phiên bản [ngày/mã phiên bản]. Kết quả từ [công cụ, ngày kiểm tra] được ghi nhận trong phạm vi [điều kiện đầu vào]. Hiện cần bổ sung [nguồn gốc, giải thích hoặc hồ sơ liên quan]. Các thông tin này chưa đủ để xác định tác giả hay kết luận vi phạm; quyết định tiếp theo sẽ theo quy trình và bằng chứng của đơn vị.

Với người viết, cách phản hồi hữu ích là chỉ rõ đã làm phần nào, dùng công cụ nào nếu có, và cung cấp các nguồn hoặc bản nháp thực sự đang giữ. Không cần viết lại câu chữ chỉ để giảm một điểm AI nếu vấn đề nội dung và cách sử dụng công cụ chưa được làm rõ.

8. Những điều nên giữ khi quyết định

• Kiểm tra nguồn và phép tính dù điểm detector thấp.
• Không coi văn phong, dấu câu hay độ trôi chảy là bằng chứng xác định AI.
• Đọc định nghĩa điểm, điều kiện ngôn ngữ và loại văn bản của đúng sản phẩm.
• Phân biệt sai dương, sai âm và độ chính xác chung.
• Không cộng phiếu hay lấy trung bình nhiều detector như các phép đo độc lập.
• Cho người viết cơ hội giải thích bằng dữ kiện có thể đối chiếu.
• Ghi mức độ chắc chắn tương xứng với chứng cứ.

Một kết quả rà soát tốt giúp xác định điều gì cần sửa và điều gì còn phải kiểm chứng. Giá trị của nó nằm ở các phát biểu, nguồn và quyết định có thể giải trình, thay vì một tỷ lệ khiến người đọc tin rằng đã biết chắc ai viết văn bản.

Đọc tiếp

Phân biệt các loại bài báo khoa học; Quy trình chuẩn bị và công bố bản thảo.

Tài liệu tham khảo

• Dugan, L., Hwang, A., Trhlík, F., Zhu, A., Ludan, J. M., Xu, H., Ippolito, D., & Callison-Burch, C. (2024). RAID: A shared benchmark for robust evaluation of machine-generated text detectors. In L.-W. Ku, A. Martins, & V. Srikumar (Eds.), Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers) (pp. 12463–12492). Association for Computational Linguistics. https://doi.org/10.18653/v1/2024.acl-long.674
• Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., & Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7), Article 100779. https://doi.org/10.1016/j.patter.2023.100779
• Turnitin (n.d.). Using the AI Writing Report. Retrieved November 15, 2026, from https://guides.turnitin.com/hc/en-us/articles/22774058814093-Using-the-AI-Writing-Report