Cómo reducir el índice de IA en un artículo en inglés: comprende qué analiza Turnitin

Antes de ponerte a reescribir, ten claro esto: parte del texto marcado no es IA, pero sus características desencadenan falsos positivos. Las preguntas frecuentes de Turnitin explican:

"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 por error 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.)

"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 este tipo de texto, te aconsejamos tenerlo en cuenta al interpretar el porcentaje indicado.)

En otras palabras: si tu escritura tiene poca variación estructural, contiene repeticiones literales o fue parafraseada sin añadir ideas nuevas, el detector puede reportar un porcentaje de IA más alto de la cuenta. No significa que hayas usado IA. Significa que esas características se solapan con los patrones estadísticos del texto generado por IA.

Esa frase de las FAQ te da tres cosas que puedes verificar en tu propio borrador, y las tres son propiedades del párrafo terminado: si la estructura varía, si se repite, y si cada párrafo aporta un argumento que el anterior no había planteado. Lo que esa frase no hace es decir nada sobre qué edits usaste para llegar ahí. Los edits que de verdad cambian las estadísticas es nuestro intento de hacer esa parte a mano.

No todo lo que hay en tu artículo se analiza. Las FAQ indican:

"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 calificativo incluye solo oraciones en prosa, lo que significa que solo analizamos bloques de texto 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.)

Las listas, las viñetas y las estructuras cortas que no son oraciones quedan fuera del alcance del análisis. Si tu informe muestra un porcentaje, ese porcentaje se calcula únicamente a partir de oraciones en prosa, no del documento entero.

Esto también apunta a una estrategia: si tus argumentos viven en párrafos en prosa, esos párrafos son lo que el detector examina. Al reescribir, concentra tu esfuerzo en esos párrafos. Las listas y las tablas no tienen que preocuparse por la detección de IA. Qué oraciones dentro de esos párrafos deben permanecer exactas es otra cuestión: qué puedes reformular y qué debe permanecer exacto.

Entender cómo el detector asigna puntuaciones ayuda a explicar por qué algunas revisiones funcionan y otras no. Turnitin describe el proceso:

"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." (Cuando se envía un artículo a Turnitin, las oraciones del envío se extraen y 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 segmento recibe un valor entre 0 y 1, que representa la probabilidad de ser generado por IA. Pero el modelo no funciona usando las métricas que sueles ver en los posts de blogs:

"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 debates públicos.)

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

La señal central es la probabilidad léxica:

"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.)

Volviendo a lo anterior con los falsos positivos: el texto estructuralmente uniforme y repetitivo se marca no porque "parezca IA" de alguna manera superficial, sino porque sus secuencias de probabilidad léxica se parecen a las del texto generado por IA. La escritura humana tiende a tener más imprevisibilidad en la elección de palabras, mientras que el texto generado por IA tiende a seleccionar palabras de alta probabilidad. Qué miden los detectores de IA más allá de perplexity y burstiness es la explicación más detallada de esto.

Resumiendo todo lo anterior:

1. Revisa los párrafos en prosa, no las listas. El detector solo analiza oraciones en prosa estándar. Las listas, las viñetas y las estructuras cortas en las tablas quedan fuera del alcance del análisis.
2. Aumenta la variación estructural. La falta de variación estructural es una causa común de falsos positivos. Si todos tus párrafos tienen una longitud y estructura de oración similares, prueba a variar la longitud de las oraciones y los patrones sintácticos.
3. Reduce la repetición. La repetición literal eleva la puntuación de IA. Si dos párrafos dicen lo mismo, fúndelos o haz que el segundo aporte algo genuino al argumento.
4. Desarrolla la idea, no solo la redacción. Lo que las FAQ mencionan es la paráfrasis "sin desarrollar ideas nuevas", así que la prueba que implica es si el párrafo ahora contiene algo que no contenía antes. No dice nada sobre qué edits haces en el proceso, y elegir una palabra más clara es una parte normal de revisar cualquier cosa.
5. Comprende la unidad de puntuación. Cada segmento se puntúa individualmente, así que un párrafo marcado no significa que todo el artículo sea generado por IA. El informe te da probabilidades por segmento, no un juicio único y general.

Reducir tu índice de IA no se trata de encontrar la herramienta correcta o el prompt correcto. Empieza por comprender qué examina el detector. Turnitin solo analiza oraciones en prosa. Las listas y las estructuras cortas están fuera de alcance. El modelo clasifica según secuencias de probabilidad léxica, no mediante burstiness o perplexity, y cada segmento se puntúa de forma independiente. El texto con poca variación estructural, repetición literal o paráfrasis que no desarrolla ideas nuevas tiene más probabilidades de marcarse por error.

Después de recibir tu informe, fíjate en qué párrafos en prosa están marcados y trabaja en ellos: varía la estructura, reduce la repetición y desarrolla argumentos sustanciales. No hace falta que toques las listas, las tablas ni las citas. Mantener intacto el texto intacto es toda la idea detrás de reescribir solo los párrafos que un informe de Turnitin marcó.