El canal oficial: cómo informar a Turnitin de un falso positivo

Casi todos los consejos sobre los falsos positivos de Turnitin apuntan a un solo camino: recurre ante tu profesor y, si hace falta, eleva el caso a tu departamento o a la oficina de integridad académica. Ese camino se ocupa de tu nota. Pero hay un segundo camino que casi ningún otro artículo menciona, y lleva directamente a Turnitin.

En su propia documentación, Turnitin incluye un canal de comentarios. Lo dicen sin rodeos: «If you find AI written documents that we've missed, or notice authentic student work that we've predicted as AI-generated, please let us know! Your feedback is crucial in enabling us to improve our technology further.» (Si encuentras documentos escritos con IA que se nos han escapado, o si ves trabajo auténtico de un estudiante que hemos marcado como generado por IA, ¡avísanos! Tus comentarios son fundamentales para que sigamos mejorando nuestra tecnología.)

Es una invitación directa del equipo que construye el detector. Piden dos tipos de comentarios: texto de IA que no detectaron (falsos negativos) y texto humano que marcaron como IA (falsos positivos). Las dos direcciones importan, porque las dos mejoran el modelo.

Lo destacamos porque los consejos prácticos suelen detenerse en el nivel institucional. Recurres ante tu profesor, reúnes pruebas, expones tu caso. Pero el sistema que produjo la puntuación también quiere saber de ti. Un canal afecta a tu nota; el otro, a mejorar el sistema en sí.

El canal de comentarios se aplica en dos situaciones, y Turnitin describe ambas en la misma frase. La primera es cuando un trabajo auténtico se marca como generado por IA. Si tu propio texto recibe una puntuación de escritura con IA que consideras incorrecta, eso es un falso positivo, y Turnitin quiere saberlo.

La segunda situación es la contraria: texto escrito con IA que el detector no vio. Si eres docente y encuentras texto generado por IA que Turnitin no marcó, ese comentario también corresponde al canal.

¿Cómo saber si tu caso es un posible falso positivo? Turnitin ofrece orientación sobre los tipos de texto que suelen provocarlos: «Sometimes false positives... 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… pueden incluir contenido con poca variación estructural, texto que se repite literalmente o texto parafraseado sin aportar ideas nuevas.) Si el texto marcado encaja en alguna de esas descripciones, merece la pena incluir ese dato en tus comentarios.

Turnitin también aconseja: «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 recomendamos que lo tengas en cuenta al mirar el porcentaje indicado.) En otras palabras, si tu texto es estructuralmente uniforme o se apoya mucho en la paráfrasis, la puntuación puede estar inflada, y ese es justo el caso en el que conviene informar a Turnitin.

Cuando informes a Turnitin de un falso positivo, los detalles concretos les ayudan a valorar tu caso. Te sugerimos incluir los siguientes elementos.

Primero, identifica el texto y la puntuación que recibió. Anota el porcentaje general que asignó Turnitin y, si puedes, qué secciones se marcaron.

Segundo, describe las características del texto. Si tu escrito coincide con alguno de los patrones de falso positivo que el propio Turnitin señala, dilo. Por ejemplo, si la sección marcada es una revisión bibliográfica que parafrasea varias fuentes sin análisis propio, indica que encaja en la descripción del propio Turnitin: «content without a lot of structural variation» (contenido con poca variación estructural) o «text that has been paraphrased without developing new ideas.» (texto parafraseado sin aportar ideas nuevas).

Tercero, aporta contexto sobre la tarea y sobre tu forma de escribir. ¿El texto se editó mucho? ¿Usaste correctores gramaticales que pudieran uniformar tus frases? Ese contexto ayuda a Turnitin a entender por qué el clasificador pudo haber leído mal tu texto.

Cuarto, menciona el objetivo de tasa de falsos positivos. Turnitin afirma: «We strive to maximize the effectiveness of our detector while keeping our false positive rate... under 1% for documents with over 20% of AI writing.» (Nos esforzamos por maximizar la eficacia de nuestro detector manteniendo nuestra tasa de falsos positivos… por debajo del 1 % en documentos con más de un 20 % de escritura con IA.) No te quejas de un sistema que dice ser perfecto: aportas información a un sistema que reconoce abiertamente un margen de error pequeño, pero real.

El objetivo de Turnitin en falsos positivos es concreto. Apuntan a menos del 1 % en documentos con más de un 20 % de escritura con IA, y lo traducen a palabras llanas: «In other words, we might flag a human-written document as AI-written for one out of every 100 fully-human written documents.» (En otras palabras, podríamos marcar como escrito con IA uno de cada 100 documentos escritos completamente por personas.)

Esto significa que, en una clase de 100 estudiantes que entregan trabajo original, uno podría recibir un falso positivo. El objetivo es bajo, pero no es cero. Turnitin lo dice explícitamente: para mantener la tasa de falsos positivos en el 1 %, aceptan que algo de texto de IA pase desapercibido: «In order to maintain this low rate of 1% for false positives, there is a chance that we might miss some AI written text in a document.» (Para mantener esta baja tasa del 1 % de falsos positivos, existe la posibilidad de que pasemos por alto parte del texto escrito con IA en un documento.)

Y dan un ejemplo concreto: «If we identify that 50% of a document is likely written by an AI tool, it could contain as much as 65% AI writing.» (Si identificamos que el 50 % de un documento probablemente fue escrito por una herramienta de IA, podría contener hasta un 65 % de escritura con IA.) La puntuación informada puede quedarse corta respecto a la proporción real de IA, y esa diferencia existe por diseño.

Por eso importa el canal de comentarios. El objetivo del 1 % implica que los falsos positivos ocurrirán. El sistema está calibrado para equivocarse del lado de no marcar texto humano, lo que significa que los falsos positivos que aparecen están previstos. Informar de ellos ayuda a Turnitin a evaluar si la calibración funciona o si hay patrones de texto que se clasifican mal de forma sistemática.

El canal de comentarios existe dentro de un marco más amplio que Turnitin subraya. Su documentación dice: «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 con IA puede no ser siempre exacto —puede confundir texto escrito por personas, generado por IA y parafraseado por IA—, por lo que no debería usarse como única base para medidas adversas contra un estudiante.)

Y continúan: «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.» (Hace falta un examen más detallado y el criterio humano, junto con la aplicación por parte de la institución de sus políticas académicas concretas, para determinar si hubo falta académica.)

Es una declaración directa de la empresa que construye el detector. La puntuación no es un veredicto. Turnitin la presenta como una señal que debe interpretar un docente que conoce al estudiante y el contexto: «It is not meant to provide definitive answers in isolation. More important than any tool is the educator who sees the score and makes decisions balancing this information with their personal knowledge of their students, their work, and institutional policy.» (No pretende ofrecer respuestas definitivas por sí sola. Más importante que cualquier herramienta es el docente que ve la puntuación y toma decisiones sopesando esta información con su conocimiento personal de sus estudiantes, de su trabajo y de la política institucional.)

El uso previsto está claro: «When educators look at the AI writing score and utilize it as a single data point rather than a definitive response, then it is being used as intended.» (Cuando los docentes miran la puntuación de escritura con IA y la usan como un dato más y no como una respuesta definitiva, se está usando como se pretende.)

Vemos el canal de comentarios como parte de esa misma filosofía. Si la puntuación es un dato más, informar de un posible falso positivo hace que ese dato se contextualice y, con el tiempo, se mejore. Cuando recurres ante tu profesor, atiendes la situación inmediata. Cuando informas a Turnitin, contribuyes a la calibración del sistema para todos. Los dos pasos importan y cumplen funciones distintas. Revisa tu informe de Turnitin.