拿到一份原创性报告，第一眼看到的是一个百分比。很多人到这里就停了——数字低就放心，数字高就慌。但这张报告上其实有七八处信息，只有一处是用来判断风险的。
这篇按报告的实际结构走一遍：每个数字从哪来、颜色怎么看、排除项该不该勾，以及几个每年都会被误读的地方。
报告上有几个数字
一份标准的 Turnitin 原创性报告，能看到的信息分四层：
| 层级 | 位置 | 说明 |
|---|---|---|
| 总相似度 | 报告首行 | 全篇重合文字占全文的比例 |
| 分项来源 | 总相似度下方 | Internet / Publications / Student Papers 三类各自的占比 |
| 逐处标记 | 正文内 | 每段重合文字的高亮色块与编号 |
| 来源清单 | 报告末尾 | 每条匹配对应的原始出处、链接、重合字数 |
教师端还能看到第五层：班级维度的对比数据，以及勾选排除项之后重新计算的版本。学生账号看不到这一层。
这四层里，只有「分项来源」和「逐处标记」能告诉你问题出在哪。总相似度只说明有多少，不说明是什么。
相似度指数是怎么算的
官方口径是：被判定为相似的文字总量除以文稿总字数。听起来很直接，但有两个细节决定了它的实际含义。
第一个：分母是文稿总字数，不是有效字数。
参考文献、致谢、附录都算在总分母里。一篇 8000 字的论文如果参考文献占了 800 字，那 800 字本身就可能与库中大量文献列表高度重合——它们会同时进入分子和分母。这就是为什么规范写作的论文，相似度也很难压到 0。
第二个：同一段文字只计一次。
如果一段话同时匹配到三个来源，它在分子里只算一次，但在来源清单里会列出三条。所以分项相加经常大于总相似度，这不是系统出错。
总相似度不是「抄袭比例」，也不是「原创度」。100% 减去相似度，得到的是一个没有意义的数字。判断是否学术不端，看的是重合内容有没有规范引用、引用比例是否合理。
五种颜色分别代表什么
颜色标在正文的具体位置上，区间是固定的：
| 颜色 | 相似度区间 | 通常意味着 |
|---|---|---|
| 蓝色 | 0% | 该处无匹配 |
| 绿色 | 1–24% | 常见引用、通用表述、方法学套话 |
| 黄色 | 25–49% | 需要逐条核对，多为改写不彻底 |
| 橙色 | 50–74% | 大段重合，通常要重写 |
| 红色 | 75–100% | 几乎整段来自单一来源 |
需要说明的是：颜色标的是「这一处」的相似程度，不是「这一处有多严重」。一段 100% 匹配的公式定义，比一段 40% 匹配的文献综述要无害得多。
反过来，报告上大量绿色小块，如果每个都是同一篇文献的不同段落，那实际风险可能比一处橙色更高——这是「多处小段拼凑」，也是近几年被重点审查的类型。
三类来源的区别
报告会把匹配来源分成三组，这个分组比总数更有用。
Internet Sources（互联网来源）
公开网页。占比高通常意味着复制了百科、博客、课程资料、论坛回答。这一类最容易处理——找到原文，判断是常识性表述还是需要引用的观点。
Publications（出版物）
期刊、图书、会议论文、报纸。这一类是学术写作里最需要重视的：它意味着你的文字与已发表文献重合，而审稿人和导师对这个最敏感。
Student Papers（学生文稿）
历年学生提交的文稿库。这是 Turnitin 和普通网页搜索最大的差别，也是「我明明没抄，为什么匹配到一篇没见过的文章」的常见原因——你的表述和某届学长的表述撞了。
先确认提交时是不是用了收录模式的账号。如果第一次检测进了库，第二次检测会拿文稿和它自己比，Student Papers 会直接飙到接近 100%。这不是论文的问题，是账号设置的问题。
排除项：勾与不勾差在哪
教师端有三个排除开关，学生端通常只能看到勾选后的结果。
Exclude quoted（排除引文）
排除被引号包裹的文字。前提是你的引文确实用了引号。用「据某某研究」这种转述而不加引号的，不会被排除。
Exclude bibliography（排除参考文献列表）
排除文末的文献列表。这一项在人文社科论文里影响最大，因为文献列表天然与库中其他文献列表高度重合。
Exclude small matches（排除小型相符结果）
过滤掉低于设定字数的匹配片段。可以按字数设，也可以按百分比设。
这里有个关键点要说清：勾选排除项只改变报告的展示口径，不改变原始比对结果。学校如果按未勾选的版本判定，你按勾选后的数字自我安慰就没有意义。
实践中比较稳妥的做法是：两种口径都导出，一份看真实重复情况，一份看你需要向导师解释的数字。
几个每年都会被误读的地方
「相似度 8%，是不是就安全了」
不一定。8% 全部集中在文献综述的一整段，和 8% 分散在十处方法学套话，性质完全不同。要看位置和集中度。
「相似度 30%，是不是完了」
也不一定。如果这 30% 里绝大部分是参考文献和规范引用，排除后可能只剩个位数。先看分项，再看逐处标记。
「为什么和学校测的不一样」
三个原因：版本不同（国际版 / UK 版）、数据库权限不同、排除项设置不同。任何一个都会造成差异。3% 以内通常算正常波动。
「报告里那篇来源文献我没见过」
交叉引用造成的。你引用的内容，别人也引用过，系统给出的是它认为最早的来源。这不影响你处理这段文字——按你实际引用的出处标注就行。
AI 检测指数是另一回事
近几年的报告里会多出一个 AI 写作检测的比例。这个数字和相似度指数没有关系，是两套独立模型：
- 相似度比的是「你的文字和别人的文字像不像」
- AI 指数比的是「你的文字像不像机器生成的」
AI 指数只对部分语言开放（主要是英文），中文文稿通常不出这个指标。它的准确率一直有争议，多家高校和研究机构都发过声明，要求不把它作为单独判定依据。
如果你拿到了一份带 AI 指数的报告，处理原则和相似度一样：看具体被标记的段落，而不是整体百分比。误判最常见于句式高度规整、术语密集、缺少第一人称叙述的段落——而这些特征在规范的学术写作里本来就很常见。
拿到报告之后的处理顺序
按这个顺序做，比从第一段开始逐句改要省力得多。
- 先看分项。Publications 占比高 → 优先处理文献相关部分；Student Papers 高 → 检查表述是否过于通用；Internet 高 → 找原文对照。
- 再看橙色和红色。这两类是要动的，绿色可以暂时放着。
- 按来源归类。同一个来源的多处匹配，一次性处理完，不要来回跳。
- 区分「该引」和「该改」。观点、数据、他人结论 → 补引用；方法学套话、通用定义 → 改写表达。
- 改完再测一次。注意间隔——学生账号同一篇文稿 24 小时内重复提交，要等满 24 小时才出第二份报告。
关于具体怎么改，可以参考毕业论文重复率太高？三个有效的降重方向。如果报告显示文稿已经被收录，先处理收录问题： 论文被 Turnitin 收录了怎么办。
一句话总结
相似度指数是一个文本重合度指标，不是抄袭判定。它的价值在于告诉你「哪一段需要看」，而不是「你有多少问题」。报告上的颜色、分项、来源清单，每一样都比总数更有用。