Artículos de conferencia y detección de IA de Turnitin: lo que hay que saber

Los artículos de conferencia se encuentran en una posición difícil para la detección de IA. Son lo suficientemente breves para activar el problema de «todo o nada» que Turnitin describe para documentos con solo unos cientos de palabras de prosa calificable. Son densos en metodología y resúmenes de trabajos relacionados que coinciden con el perfil de falso positivo de las preguntas frecuentes. También contienen viñetas, leyendas de figuras y entradas de tabla que el modelo no analiza como texto calificable. El porcentaje que ves puede reflejar una porción mucho menor de tu artículo de lo que esperas.

Las preguntas frecuentes identifican tipos específicos de texto propensos a falsos positivos:

"Sometimes false positives (incorrectly flagging human-written text as AI-generated), can include content without a lot of structural variation, text that literally repeats itself, or text that has been paraphrased without developing new ideas." (A veces los falsos positivos (marcar incorrectamente texto escrito por humanos como generado por IA) pueden incluir contenido sin mucha variación estructural, texto que se repite literalmente, o texto que ha sido parafraseado sin desarrollar ideas nuevas.)

Los artículos de conferencia cumplen varios de estos criterios. Los límites de extensión empujan a los autores hacia oraciones eficientes y uniformes. Las secciones de trabajos relacionados condensan estudios enteros en una o dos oraciones cada una, lo cual es parafrasear sin desarrollar ideas nuevas. El resumen, la introducción y la conclusión suelen compartir un lenguaje de marco repetitivo porque las mismas afirmaciones deben aparecer en varios lugares. Las preguntas frecuentes continúan:

"If our indicator shows a higher amount of AI writing in such text, we advise you to take that into consideration when looking at the percentage indicated." (Si nuestro indicador muestra una mayor cantidad de escritura de IA en dicho texto, le aconsejamos que lo tenga en cuenta al observar el porcentaje indicado.)

Este es un consejo que deberíamos tomar en serio específicamente para los artículos de conferencia.

Antes de hablar de la puntuación, necesitamos cubrir lo que Turnitin realmente acepta. Un artículo de ayuda de Turnitin especifica las restricciones:

"File must be written in a supported language: English, Spanish, Japanese" (El archivo debe estar escrito en un idioma admitido: inglés, español, japonés)

Esa línea de idioma va una versión por detrás del producto. Turnitin añadió árabe estándar moderno el 18 de agosto de 2026, llevando la lista a cuatro, y la página de requisitos citada arriba no había sido editada para decirlo cuando se escribió este artículo. La misma fuente enumera los formatos admitidos y los límites de tamaño:

"Accepted file types: .docx, .pdf, .txt, .rtf" (Tipos de archivo admitidos: .docx, .pdf, .txt, .rtf)

Los requisitos adicionales incluyen archivos menores de 100MB, al menos 300 palabras de prosa y no más de 30,000 palabras. Para los artículos de conferencia, el mínimo de 300 palabras importa. Un artículo de 6 páginas con figuras, tablas y ecuaciones puede tener menos de 300 palabras de prosa calificable después de excluir el contenido que no es prosa. El límite superior de 30,000 palabras es poco probable que sea un problema, pero el mínimo de prosa sí puede serlo.

Si tu artículo de conferencia está en LaTeX y lo exportas a PDF, el formato es aceptado. Si envías un DOCX, el modelo procesa el texto de la misma manera. El formato en sí no cambia la puntuación, pero la cantidad de prosa calificable en ese formato sí.

Las preguntas frecuentes describen el proceso que convierte tu artículo en una puntuación:

"When a paper is submitted to Turnitin, sentences from the submission are extracted and segmented into overlapping sections for prediction analysis. Each segment is classified by the AI detection model and given a value between 0 and 1, denoting the probability of the text being likely human or AI-generated. Each qualifying sentence within these segments inherits the segment's score. Since segments overlap, some sentences may have multiple scores, which are then pooled into a single score. These sentence scores are further aggregated and used to compute the overall document AI writing score." (Cuando se envía un artículo a Turnitin, las oraciones del envío se extraen y se segmentan en secciones superpuestas para el análisis de predicción. Cada segmento es clasificado por el modelo de detección de IA y recibe un valor entre 0 y 1, que denota la probabilidad de que el texto sea probablemente humano o generado por IA. Cada oración calificable dentro de estos segmentos hereda la puntuación del segmento. Dado que los segmentos se superponen, algunas oraciones pueden tener múltiples puntuaciones, que luego se agrupan en una sola puntuación. Estas puntuaciones de oraciones se agregan además y se usan para calcular la puntuación general de escritura de IA del documento.)

Dos cosas destacan en los artículos de conferencia. Primero, solo se extraen las oraciones calificables. Las preguntas frecuentes definen el texto calificable:

"This qualifying text includes only prose sentences, meaning that we only analyze blocks of text that are written in standard grammatical sentences and do not include other types of writing such as lists, bullet points (short non-sentence structures), or other non-sentence structures." (Este texto calificable incluye solo oraciones en prosa, lo que significa que solo analizamos bloques de texto que están escritos en oraciones gramaticales estándar y no incluyen otros tipos de escritura como listas, viñetas (estructuras cortas que no son oraciones) u otras estructuras que no son oraciones.)

Segundo, el porcentaje refleja solo esa prosa calificable. Las preguntas frecuentes aclaran:

"This percentage is not necessarily the percentage of the entire submission." (Este porcentaje no es necesariamente el porcentaje de todo el envío.)

Un artículo de conferencia de 10 páginas puede tener varias páginas de figuras, tablas y listas de viñetas. La puntuación de IA cubre solo las oraciones en prosa. Una puntuación de 40% no significa que el 40% del artículo se lea como generado por IA. Significa que el 40% de la prosa calificable sí.

Los artículos de conferencia son más breves que los de revistas. Después de excluir el contenido que no es prosa, la prosa calificable en un artículo típico de conferencia puede caer en el rango del que advierten las preguntas frecuentes:

"In shorter documents where there are only a few hundred words, the prediction will be mostly 'all or nothing' because we're predicting on a single segment without the opportunity to overlap." (En documentos más breves donde solo hay unos cientos de palabras, la predicción será en su mayoría «todo o nada» porque se predice en un solo segmento sin la oportunidad de superponerse.)

La consecuencia es directa:

"This means that some text that is a mix of AI-generated and original content could be flagged as entirely AI-generated." (Esto significa que algún texto que es una mezcla de contenido generado por IA y original podría marcarse como completamente generado por IA.)

Incluso si tu artículo de conferencia tiene 3,000 palabras en total, la prosa calificable después de excluir leyendas de figuras, entradas de tabla y listas de viñetas podría ser mucho menor. Menos segmentos significan que cada uno pesa más. Un segmento con una puntuación alta puede elevar el porcentaje general de forma pronunciada.

Existe la creencia generalizada de que el detector de Turnitin evalúa la «burstiness» y la «perplexity». Las preguntas frecuentes abordan esto directamente:

"Our model is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity,' or other individual metrics sometimes referenced in public discussions." (Nuestro modelo no está programado explícitamente para evaluar señales específicas como «burstiness», «perplexity» u otras métricas individuales a las que a veces se hace referencia en discusiones públicas.)

La siguiente oración explica lo que ocurre en su lugar:

"Instead, it learns statistical patterns from our training data." (En su lugar, aprende patrones estadísticos a partir de nuestros datos de entrenamiento.)

Las preguntas frecuentes describen luego en qué se centran realmente los clasificadores:

"Our classifiers are trained to detect these differences in word probability and are adept at the particular word probability sequences of human writers." (Nuestros clasificadores están entrenados para detectar estas diferencias en la probabilidad de palabras y son expertos en las secuencias particulares de probabilidad de palabras de los escritores humanos.)

Esto significa que el modelo examina patrones de elección de palabras aprendidos a partir de datos de entrenamiento. No mide la variación de longitud de oración ni la rareza del vocabulario de forma aislada. Entender esto ayuda a explicar por qué los artículos de conferencia, con su redacción comprimida y convencional, pueden activar puntuaciones que parecen incorrectas. Los patrones de palabras en prosa académica eficiente pueden parecerse a patrones que el modelo aprendió de ejemplos de entrenamiento generados por IA.

La guía del informe es clara sobre cómo se debe y no se debe usar la puntuación:

"Our AI writing detection model may not always be accurate (it may misidentify human-written, AI-generated, and AI-paraphrased text), so it should not be used as the sole basis for adverse actions against a student." (Nuestro modelo de detección de escritura de IA puede no siempre ser preciso (puede identificar erróneamente texto escrito por humanos, generado por IA y parafraseado por IA), por lo que no debe usarse como única base para medidas adversas contra un estudiante.)

La siguiente oración refuerza el punto:

"It takes further scrutiny and human judgment in conjunction with an organization's application of its specific academic policies to determine whether academic misconduct has occurred." (Se requiere un mayor escrutinio y juicio humano junto con la aplicación por parte de una organización de sus políticas académicas específicas para determinar si ha ocurrido mala conducta académica.)

Lo mismo se aplica cuando un artículo de conferencia sale a revisión por pares. Un miembro del comité del programa o un editor de revista que tiene una puntuación alta de IA tiene, según el propio relato del proveedor, una información que aún necesita un juicio humano detrás, no una conclusión.

Esto es lo que debes tener en cuenta si tu artículo de conferencia recibe una puntuación alta de IA de Turnitin:

• Los artículos de conferencia coinciden con el perfil de falso positivo: estructura uniforme, trabajos relacionados parafraseados y lenguaje de marco repetitivo entre secciones.
• El mínimo de 300 palabras de prosa podría no cumplirse después de excluir el contenido que no es prosa de un artículo con muchas figuras.
• El porcentaje refleja solo la prosa calificable, no todo el envío.
• La prosa calificable breve puede activar predicciones de «todo o nada» con pocos segmentos superpuestos.
• El modelo mide patrones de probabilidad de palabras aprendidos de los datos de entrenamiento, no la burstiness ni la perplexity.
• La puntuación no debe ser la única base para ningún juicio.

Si quieres abordar los pasajes marcados, importa tu informe de Turnitin y revísalos uno por uno. Los pasajes elegibles se pueden volver a procesar sin coste.