Turnitin AI Score 太高，第一步唔係刪文，係分清呢個分數講緊「生成痕跡」定「同庫重疊」。搞錯方向，改十次都仲係高。
Turnitin AI Score 同 Similarity 係兩套邏輯
Similarity Report 比對的是網絡資料、已發表文獻與學生論文庫，輸出的是文字重疊百分比；AI Score 睇的是句子可預測性、用詞分佈等生成式痕跡，兩者可以一個高一個低。
AI 分數高係咪等於抄襲？
唔係。AI 分數高只代表文字「太順、太平均」，唔代表你抄了邊篇文；反過來，Similarity 低亦唔擔保 AI 分數低。
上學期幫一位城大（CityU）MA 同學睇報告，Similarity 只有 9%，AI Score 卻報 78%。佢成篇文用同一個句式開段，每段三句、長度幾乎一樣，呢種節奏本身就係 detector 最易捕捉的特徵。
先睇 Similarity Report 有無實質來源，再處理 AI 痕跡，順序唔可以調轉。
自查會否入庫 No Repository 模式要點揀
呢個問題最多人問：自己交一次，會唔會留低紀錄，之後學校 Canvas／Moodle 再交就撞到 100%。答案取決於提交時有無開啟 No Repository（非入庫）模式。
Turnitin 不入庫自查會否影響學校遞交？
開啟 No Repository 後，文件唔會存入 Turnitin 全球學生論文庫，學校帳戶之後再交同一篇，唔會因為你自查過而出現 100% 重疊。
要留意，No Repository 只保證「唔入庫」，唔等於「唔留任何紀錄」——提交紀錄仍留在你所用帳戶，所以唔好把同一份稿反覆交去多個平台。
- 入庫模式：稿件進入全球學生論文庫，日後同校同學交相似題目有機會比對到
- No Repository：比對照做、報告照出，但唔留存，適合 Draft 階段自查
- 已入庫的舊稿：無法自行撤回，只能等機構按政策處理，以所屬院校規定為準
本平台自查一律開啟 Non-Repository 模式，報告出後你在 Canvas 正式遞交唔會撞 100%，呢點係實務上最需要事先講清的。
Claude 痕跡在報告裡的具體樣貌
Claude 痕跡查重唔係搵「邊句抄咗」，而係睇文字有無過度工整：連接詞密度高、每段都有小結、抽象名詞多過具體例子。
點解 Claude 寫的文特別容易被標記？
Claude 傾向輸出結構完整、語氣中性的段落，句式長度集中，缺少口語停頓與在地細節，AI 模型對這類分佈很敏感。
原文片段：「This study examines the multifaceted impact of digital transformation on organizational resilience, highlighting the importance of adaptive capacity.」
改寫後：「我訪問了三位在觀塘做貿易的中小企老闆，其中兩位講不出『數碼轉型』四個字，但他們去年確實換了報關系統。」
降重邏輯：把抽象命題換成可查證的具體材料，句式長短拉開，加入時間、地點與人物身份，模型就難以用可預測性判定。具體細節是 AI 痕跡最有效的稀釋劑，比換同義詞有用得多。
由高風險段落入手的改寫路徑
Turnitin 的 AI 報告會標示疑似段落，唔好全文重寫，集中處理被標記比例最高的兩至三段，效率最高。
Turnitin AI Score 太高應該點降？
先鎖定被標記段落，逐句拆成「主張＋證據＋限制」，再把其中一句改成第一人稱觀察或本地案例，重跑一次 No Repository 自查對比分數。
一位理大（PolyU）研究式碩士同學，初稿 AI Score 61%，我哋只改了三處：把文獻回顧的總結段改成帶年份的批評、把方法段加入實際樣本編號、把結論的排比句拆成兩句。第二次自查跌到 24%，Similarity 由 18% 微升至 21%，屬正常波動。
要放大講的坑有三個：一是直接叫 AI 再改一次，痕跡只會更濃；二是把整段翻譯成中文再譯返英文，句式反而更機械；三是只換同義詞，句長不變，detector 照樣認得。
其餘如引用格式、參考文獻排序，對 AI Score 影響有限，帶過即可。
「AI 分數係提示，唔係判詞；院校睇的係你能否解釋每一段的來源。」
最後提醒：各校對 AI 率與 Similarity 的處理門檻差異不小，港大、中大、科大各有內部指引，一切以所屬院校最新公布為準；提交前保留 Draft 與自查報告，萬一被約談，呢兩份材料就係你解釋寫作過程的憑據。你手上那份報告，被標記的段落係集中在文獻回顧，定係方法部分？