Pósters y detección de IA: por qué las puntuaciones dejan de ser fiables
Los pósters se construyen a base de viñetas, etiquetas breves y entradas de tabla. Las preguntas frecuentes de Turnitin indican que el modelo no detecta de forma fiable la IA en viñetas ni en contenido que no sea prosa. Un artículo de ayuda añade las tablas a la lista de elementos no fiables. El resultado es una gran brecha entre el porcentaje y lo que se resalta. Así funciona el mecanismo en documentos con formato de póster y por qué las puntuaciones pueden resultar engañosas.
Equipo de HumanPen
· 5 min de lectura
La respuesta breve
Los pósters no se redactan como los ensayos o los artículos académicos. Se apoyan en viñetas, frases cortas y elementos visuales. La documentación de Turnitin indica que el modelo solo analiza oraciones en prosa calificadas y no detecta de forma fiable la IA en formatos que no son prosa. Cuando se envía un póster como documento, el porcentaje puede reflejar una porción mínima de prosa mientras que los resaltados casi no muestran nada. La disparidad entre ambos es un comportamiento conocido, no un fallo.
Las viñetas no son texto calificado
Las preguntas frecuentes dejan claro qué cuenta como texto calificado:
«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 calificado incluye únicamente oraciones en prosa, es decir, que solo analizamos bloques de texto redactados en oraciones gramaticales estándar y no incluyen otros tipos de escritura como listas, viñetas (estructuras breves que no son oraciones) u otras estructuras que no son oraciones.)»
Las preguntas frecuentes también señalan:
«The model does not reliably detect AI-generated text in the form of non-prose, or code, nor does it detect short-form/unconventional writing such as bullet points (short non-sentence structures). (El modelo no detecta de forma fiable el texto generado por IA en forma de no prosa ni de código, ni tampoco detecta escritura de formato corto o poco convencional como las viñetas (estructuras breves que no son oraciones).)»
La siguiente oración explica la consecuencia:
«This means that a document containing several different writing types would result in a disparity between the percentage and the highlights. (Esto significa que un documento que contenga varios tipos de escritura distintos daría como resultado una disparidad entre el porcentaje y los resaltados.)»
En un póster, esta disparidad es extrema. La mayor parte del texto de un póster está en viñetas o etiquetas breves. Si envías un póster como documento y obtienes un porcentaje alto de IA, ese porcentaje puede basarse en apenas unos pocos párrafos de prosa calificada, mientras que las viñetas que componen la mayor parte del póster son invisibles para el detector.
Un artículo de ayuda añade las tablas a la lista
El artículo de ayuda de Turnitin Using the AI Writing Report dice que las limitaciones del modelo van más allá de la lista de la FAQ:
«The model does not reliably detect AI-generated text in the form of non-prose, such as poetry, scripts, or code, nor does it detect short-form/unconventional writing such as bullet points, tables, or annotated bibliographies. (El modelo no detecta de forma fiable el texto generado por IA en forma de no prosa, como poesía, guiones o código, ni tampoco detecta escritura de formato corto o poco convencional como viñetas, tablas o bibliografías anotadas.)»
La siguiente oración de ese artículo:
«This means that a document containing several different writing types would result in a disparity between the percentage and the highlights. (Esto significa que un documento que contenga varios tipos de escritura distintos daría como resultado una disparidad entre el porcentaje y los resaltados.)»
Los pósters suelen usar tablas para resultados, comparaciones y cronologías. Si las tablas figuran como elementos que no se detectan de forma fiable, entonces una parte importante del contenido del póster queda fuera de la cobertura fiable del modelo. El porcentaje que ves puede calcularse a partir de los pocos párrafos de prosa intercalados entre tablas y listas de viñetas.
Qué pasó con las tablas en 2023
Hay una actualización importante de agosto de 2023. Una nota de versión dice:
«We are now able to process long-form prose text in tables. (Ahora podemos procesar texto en prosa de formato largo dentro de las tablas.)»
La siguiente oración es:
«Resubmit to reprocess existing submissions that contain tables. (Vuelva a enviar para reprocesar los envíos existentes que contengan tablas.)»
Esto significa que las tablas con oraciones en prosa de formato largo (oraciones gramaticales completas dentro de celdas de tabla) ya se procesan. Las etiquetas breves, los números y las entradas de datos dentro de las tablas siguen sin ser prosa y permanecen fuera del análisis del modelo. Para los pósters, esto es una mejora parcial. Una tabla de resultados con oraciones completas en cada celda ya se analizaría. Una tabla con solo números y etiquetas breves, no.
El mecanismo de detección y el contenido del póster
Las preguntas frecuentes describen cómo se procesan los envíos:
«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. (Cuando se envía un trabajo a Turnitin, se extraen las oraciones del envío y se segmentan en secciones superpuestas para el análisis de predicción. El modelo de detección de IA clasifica cada segmento y le asigna un valor entre 0 y 1 que denota la probabilidad de que el texto sea probablemente humano o generado por IA. Cada oración calificada dentro de estos segmentos hereda la puntuación del segmento.)»
Solo se extraen las oraciones en prosa calificadas. La agregación produce entonces la puntuación a nivel de documento:
«These sentence scores are further aggregated and used to compute the overall document AI writing score. (Estas puntuaciones de oraciones se agregan además y se utilizan para calcular la puntuación general de escritura con IA del documento.)»
En un póster, el paso de extracción puede capturar muy pocas oraciones. Los pocos párrafos de prosa de un póster podrían ser el resumen, una breve introducción y una observación de cierre. Todo lo demás son viñetas y entradas de tabla. La puntuación se calcula a partir de ese conjunto reducido de prosa, lo que significa que refleja una muestra limitada. Cómo leer un informe de escritura con IA de Turnitin parte de esa misma brecha entre el número y la página.
Documentos breves y el problema del todo o nada
Los pósters enviados como documentos son cortos. Las preguntas frecuentes advierten sobre esto:
«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 mayormente «todo o nada» porque se predice sobre un único segmento sin posibilidad de superposición.)»
La siguiente oración:
«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 parte del texto que sea una mezcla de contenido generado por IA y original podría marcarse como enteramente generado por IA.)»
Un póster con solo 300 o 400 palabras de prosa calificada se sitúa claramente en este rango. Con tan pocos segmentos, no hay efecto de promedio. Un solo segmento con una puntuación alta puede etiquetar todo el documento como generado por IA. La propia siguiente oración de las preguntas frecuentes sobre la disparidad entre porcentaje y resaltados se hace muy visible aquí. Puedes ver un porcentaje alto pero casi ningún texto resaltado en el propio póster, lo cual es uno de los casos de por qué falta tu puntuación de escritura con IA, es inconsistente o no se descarga.
Falsos positivos y lenguaje repetitivo en los pósters
Las preguntas frecuentes describen lo que tiende a activar 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. (En ocasiones, los falsos positivos (marcar incorrectamente texto escrito por un humano como generado por IA) pueden incluir contenido sin mucha variación estructural, texto que se repite literalmente o texto que se ha parafraseado sin desarrollar ideas nuevas.)»
La prosa de los pósters tiende a ser repetitiva. Los mismos hallazgos clave aparecen en el resumen, la sección de resultados y la conclusión. El lenguaje está comprimido y es uniforme porque el espacio es limitado, y la uniformidad se acerca a lo que lo que miden los detectores de IA señala que el clasificador está captando. 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 con IA en dicho texto, le aconsejamos que lo tenga en cuenta al consultar el porcentaje indicado.)»
Para los pósters, este consejo es doblemente relevante. La prosa es breve, repetitiva y estructuralmente uniforme. Los tres factores se combinan y aumentan el riesgo de una puntuación engañosa.
Qué significa esto para ti
Si tu póster recibió una puntuación de IA de Turnitin, esto es lo que debes tener en cuenta:
- Las viñetas y las etiquetas breves no son texto calificado. La puntuación no las refleja.
- Un artículo de ayuda de Turnitin señala que las tablas tampoco se detectan de forma fiable, aunque la prosa de formato largo en tablas se procesa desde agosto de 2023.
- La disparidad entre el porcentaje y los resaltados es un comportamiento esperado en documentos de formato mixto.
- La prosa calificada breve activa predicciones de «todo o nada» con una superposición mínima de segmentos.
- La prosa del póster es repetitiva y uniforme, lo que coincide con el perfil de falso positivo que describen las preguntas frecuentes.
- Un porcentaje alto con pocos resaltados debe tratarse con cautela, no como un veredicto definitivo.
Si quieres abordar los pasajes marcados, importa tu informe de Turnitin y trabaja en ellos. Los pasajes que cumplan las condiciones pueden volver a procesarse sin coste.
Seguir leyendo