Informes de laboratorio de ingeniería y detección de IA: qué es lo que realmente se mide

Turnitin mide lo que denomina texto calificable, que define como frases en prosa dentro de un escrito de formato largo. Una lista de aparatos no es eso. Un procedimiento numerado no es eso. Una tabla de resultados con valores y unidades no es eso. Una vez que eso se descarta, lo que suele quedar en un informe de laboratorio son los párrafos de teoría, el procedimiento si tu módulo lo pide como prosa continua, y la discusión. Un porcentaje en un informe de laboratorio es, por tanto, sobre todo una afirmación sobre la discusión, que es también la parte a la que van ligadas las notas.

Eso tiene una consecuencia dura para lo primero que hace casi todo el mundo: ir a reescribir el procedimiento porque «suena mecánico». Según cómo pida tu módulo los procedimientos, puede que ese texto nunca haya entrado en la medición, y es el registro de lo que hiciste en el laboratorio. Hay un orden mejor para trabajar.

Nada de lo que sigue predice una cifra. Turnitin publica la forma del proceso, no los umbrales.

La definición está en la guía de informes de Turnitin, «Using the AI Writing Report», y la frase que va antes de las exclusiones es la que la gente se salta:

"Qualifying text (prose sentences contained in long-form writing format) means individual sentences contained in paragraphs that make up a longer piece of written work, such as an essay, a dissertation, or an article, etc. 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." (Por texto calificable —frases en prosa contenidas en un escrito de formato largo— se entienden las oraciones individuales contenidas en los párrafos que forman un trabajo escrito más largo, como un ensayo, una tesis o un artículo, etc. El modelo no detecta de forma fiable el texto generado por IA en forma de no prosa, como poesía, guiones o código, ni detecta la escritura breve o no convencional, como viñetas, tablas o bibliografías anotadas.)

Dos cosas de ahí importan para un informe de laboratorio. La unidad es una oración dentro de un párrafo, no una línea en una página. Y los tres ejemplos concretos de "a longer piece of written work" (un trabajo escrito más largo) son un ensayo, una tesis y un artículo. Un informe de laboratorio no es ninguno de esos tres y Turnitin no dice de qué lado de la línea cae, porque un informe de laboratorio no es un tipo de escritura. Son cinco.

Si sumas todo eso, el propio resumen del proveedor sobre esa aritmética se lee de otra manera:

"This percentage is not necessarily the percentage of the entire submission. If text within the submission is not considered long-form prose text, it will not be included." (Este porcentaje no es necesariamente el porcentaje de toda la entrega. Si un texto dentro de la entrega no se considera prosa de formato largo, no se incluirá.)

Lo raro es la fila del procedimiento, porque no es una propiedad de tu experimento. Dos estudiantes pueden usar el mismo montaje la misma tarde, escribir los mismos pasos y entregar dos documentos con cantidades distintas de texto calificable, solo porque una plantilla de módulo pide pasos numerados y la otra pide pasado continuo. La diferencia entre el porcentaje y la cantidad de resaltado en la página viene exactamente de eso, y cómo leer un informe de escritura con IA de Turnitin lo explica en detalle. La versión general de la lista de exclusiones está en qué contenido omite la IA de Turnitin.

La gente busca una página de políticas sobre escritura científica. Nosotros también buscamos, y anotamos lo que había.

El 27 de agosto de 2026 leímos el texto renderizado de las tres páginas de Turnitin que describen este informe: la guía del AI Writing Report, las preguntas frecuentes sobre capacidades de detección de escritura con IA y la página de requisitos de archivo. Buscando en las tres:

Los dos controles dieron resultados distintos de cero, que es como sabes que la búsqueda encontró texto real y no un cascarón vacío. Las tres coincidencias de `subject area` merecen leerse, porque son el único sitio donde aparece una disciplina, y tratan de quién está en la muestra de entrenamiento: las preguntas frecuentes dicen que el modelo se entrenó en distintas geografías y áreas temáticas, y nombran "anthropology, geology, sociology, and others" (antropología, geología, sociología y otras) como áreas menos comunes incluidas para reducir el sesgo. Eso describe la muestra de entrenamiento. Ninguna norma en esas páginas dice nada sobre cómo se puntúa una disciplina concreta.

Así que la única regla de clasificación publicada es prosa frente a no prosa. Aplicar eso a los cinco encabezados de un informe de laboratorio es trabajo que haces tú, y la tabla de la sección anterior es nuestra lectura de la norma publicada, no algo que Turnitin haya confirmado sobre los informes de laboratorio.

Si tu sección de procedimiento acabó dentro del texto calificable y volvió marcada en bloque, las preguntas frecuentes tienen un párrafo que te resulta más útil que cualquier explicación del modelo:

"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 como generado por IA un texto escrito por una persona— pueden incluir contenido con poca variación estructural, texto que se repite literalmente o texto que se ha parafraseado sin desarrollar ideas nuevas.)

Lo que viene después es la parte que vale la pena llevar a una conversación con tu profesor de prácticas:

"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 cantidad mayor de escritura con IA en ese texto, te aconsejamos que lo tengas en cuenta al mirar el porcentaje indicado.)

Dos de los tres elementos de esa lista describen cosas que un procedimiento debe hacer. Repetir el mismo esquema de frase en cada ensayo es la forma de mostrar que cuatro ejecuciones se trataron de manera idéntica. La poca variación estructural es justamente el sentido de una plantilla. Una advertencia sobre ese párrafo: es una lista de propiedades que los falsos positivos «pueden incluir», sin que se indique la frecuencia de ninguna. Turnitin no dice con qué frecuencia el texto marcado tiene esas propiedades, y yo tampoco lo diré.

Antes de cambiar el registro de un procedimiento, abre el manual de tu módulo y lee qué pide exactamente. Algunos piden, textualmente, tercera persona y pasado. Si es tu caso, reescribirlo con una voz más viva es una pérdida de nota que has elegido, a cambio de un efecto sobre la puntuación que nadie puede prometerte.

En este tipo de texto chocan dos límites publicados. Los requisitos de archivo dicen que una entrega necesita "at least 300 words of prose text in a long-form writing format" (al menos 300 palabras de texto en prosa en un escrito de formato largo) antes de que se genere siquiera un informe. Y las preguntas frecuentes dicen que las entregas cortas no reciben simplemente una versión más burda del mismo tratamiento:

"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. This means that some text that is a mix of AI-generated and original content could be flagged as entirely AI-generated." (En documentos más cortos, donde solo hay unos cientos de palabras, la predicción será casi siempre «todo o nada», porque predecimos sobre un único segmento sin oportunidad de solapamiento. Esto significa que parte del texto que mezcla contenido generado por IA y contenido original podría marcarse como enteramente generado por IA.)

Un informe de laboratorio de 1.500 palabras en total es candidato a esa zona en cuanto la lista de aparatos, las tablas de resultados, los cálculos de ejemplo y la lista de referencias salen del recuento. Si reduces un informe a la discusión sola y lo pasas por una autocomprobación, que es lo que hace la gente cuando está preocupada, puede que estés midiendo 400 palabras en lugar de 1.500. Documentos cortos y el problema del todo o nada en Turnitin trata ese comportamiento por separado.

Hay una segunda cosa escondida debajo. Por encima del 0% y por debajo del 20%, un asterisco sustituye a la cifra y no se atribuye ningún resaltado, así que desde donde se sienta un estudiante una mejora real y ninguna mejora son indistinguibles (qué significa el asterisco (*%) en una puntuación de IA de Turnitin).

Un ensayo te da margen. Hay una introducción que puedes reformular, un párrafo de transición que puedes quitar, una conclusión que nadie califica palabra por palabra. Un informe de laboratorio no tiene casi nada de eso. Casi todas las frases fuera de la discusión son o un registro de lo ocurrido o un valor.

Así que conviene ordenar el archivo una vez, antes de tocar nada.

Esa última fila es la que conviene leer dos veces. Una desviación del protocolo impreso suele ser la frase más valiosa de un informe de laboratorio, y también la que más probablemente parezca un inciso torpe que merece pulirse.

La otra cara es que la discusión, la única sección donde reformular es realmente reformular, es la sección que lleva las notas y la sección donde quien corrige ya sabe cómo escribes. Así que se reescribe con cuidado y se relee línea a línea contra la tabla de resultados, no se hojea. La versión general de esa tarea de clasificación, para informes de investigación en lugar de informes de laboratorio, está en qué puedes reformular en métodos y resultados, y la versión a escala de tesis, cuando una sección de metodología entera vuelve marcada, en Turnitin marcó toda mi sección de metodología.

La otra preocupación en este tipo de texto no tiene nada que ver con la cifra de IA. Tu objetivo, tu teoría y la mitad de tu procedimiento pueden venir de un manual que se entregó a todos los estudiantes del módulo, así que treinta entregas contienen las mismas frases. Esa es una cuestión de coincidencia de texto, y aterriza en otro sitio:

"The Similarity score and the AI writing detection percentage are completely independent and do not influence each other." (La puntuación de similitud y el porcentaje de detección de escritura con IA son completamente independientes y no se influyen entre sí.)

Eso significa que reescribir el procedimiento para mover la cifra de IA apunta al informe equivocado, y reescribirlo para mover la cifra de similitud es una pregunta que deberías plantear a tu profesor de prácticas antes de actuar, porque cuánto de un manual de laboratorio se espera que reproduzcas es una decisión del módulo, no una decisión de redacción. Informe de escritura con IA de Turnitin frente a informe de similitud explica qué mide cada uno.

Lo que hace caro revisar un informe de laboratorio no es la escritura. Es que cada párrafo reescrito es un párrafo que tienes que comprobar contra tus datos, así que el coste de una revisión se mide en párrafos tocados.

Decidir ese alcance de antemano es para lo que sirve La herramienta HumanPen. Subes el documento y dices qué contiene: o bien marcas los pasajes, o importas un informe de IA de Turnitin o iThenticate y sus pasajes marcados se convierten en el límite, mientras el resto del archivo se conserva tal cual. Los párrafos son la unidad, así que una selección que termina a mitad de uno se amplía al párrafo completo y se te muestra para que lo confirmes antes de que empiece nada. La facturación sigue a las palabras que realmente se reescribieron. Cuando se cumplen las condiciones para ello, los pasajes que siguen marcados pueden volver a pasar sin coste.

Sus propias preguntas frecuentes te dicen que revises los documentos complejos después de descargarlos, y esa frase merece tomarse al pie de la letra. En un informe de laboratorio, revisar significa leer cada número, unidad e incertidumbre del texto revisado contra la tabla de resultados de la que salió.

¿La ecuación de mi sección de teoría cuenta para el porcentaje de IA? La norma publicada de Turnitin es que el modelo analiza frases en prosa dentro de párrafos, y dice que no detecta de forma fiable la escritura con IA en texto que no es prosa. Los párrafos alrededor de una ecuación destacada son prosa. La ecuación en sí no es la unidad que se puntúa. Cómo trata Turnitin las ecuaciones matemáticas y el contenido que no es prosa entra en más detalle.

Mi tabla de resultados tiene un párrafo de interpretación en una celda. ¿Eso cuenta? Una nota de versión del 9 de agosto de 2023 dice que el modelo ya puede procesar prosa de formato largo en tablas, y añade que las entregas existentes con tablas deben volver a enviarse antes de volver a procesarse. Así que un párrafo en una celda se comporta como un párrafo, lo que sorprende a quien movió texto a una tabla por motivos de maquetación.

¿Debo reescribir el procedimiento para que suene menos a plantilla? Lee primero el manual de tu módulo. Si especifica el registro, cambiarlo es una nota que has decidido perder a cambio de un resultado que nadie puede prometerte. Si tu procedimiento es una lista numerada, además queda fuera de la definición de texto calificable tal como la publica Turnitin.

Mi lista de referencias apareció resaltada en un informe antiguo. La misma nota de versión de agosto de 2023 recoge que el resaltado dentro de una bibliografía era un error, y que las bibliografías ahora quedan excluidas cuando se procesa el informe de escritura con IA. Las entregas existentes tienen que volver a enviarse antes de que eso surta efecto, así que un informe antiguo puede seguir mostrándolo.

¿Puedo usar una puntuación baja para demostrar que lo escribí yo? No, y el proveedor lo dice primero: el modelo "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." (puede no ser siempre exacto: puede identificar mal el texto escrito por personas, el generado por IA y el parafraseado por IA, y no debería usarse como única base para medidas adversas contra un estudiante). Eso vale en ambos sentidos.