I rilevatori di IA ti segnalano se l'inglese non è la tua lingua madre? Cosa mostra il test 0 su 914 di GPTZero

Per due rilevatori e su una specifica tipologia di saggi, i dati più recenti sono estremamente bassi. GPTZero afferma che il suo modello attuale, GPTZero 4o, ha classificato come scritti da esseri umani tutti i 914 saggi di studenti non madrelingua in un set di test su cui non era stato addestrato. Un preprint pubblicato lo stesso giorno da ricercatori dell'Università del Maryland, di Google DeepMind e della Simon Fraser University ha testato Pangram 4 su 3.909 saggi di studenti non madrelingua, segnalandone lo 0,0%. Entrambi i gruppi di testi sono stati scritti da studenti delle scuole secondarie statunitensi e nessuno dei due studi ha esaminato Turnitin.

Questo zero va letto insieme alle sue condizioni di contorno. GPTZero ha condotto e pubblicato autonomamente il proprio test, e uno 0 su 914 resta comunque compatibile con un tasso reale che può arrivare fino a circa 1 su 300. Inoltre, non cancella lo studio di Stanford del 2023 da cui è nata questa preoccupazione. In quella ricerca, la versione di GPTZero online nel marzo 2023 aveva segnalato il 52% di 91 saggi TOEFL, tutti inferiori a 150 parole. Il modello, i testi e la loro lunghezza sono diversi, quindi i due risultati non si contraddicono. Nessuno dei due costituisce una garanzia per il tuo saggio.

L'articolo si intitola "Biased Against ESL and Students with Disabilities? We Put GPTZero 4o to the Test" (Pregiudizi contro studenti ESL e con disabilità? Abbiamo messo alla prova GPTZero 4o), a firma di Anna Gao, pubblicato sul blog di GPTZero il 5 ottobre 2026. GPTZero ha annunciato 4o il 24 settembre e dichiara che è diventato il modello predefinito per tutti gli utenti il 20 settembre.

I saggi provengono da PERSUADE 2.0, un corpus di ricerca composto da oltre 25.000 testi argomentativi scritti da studenti statunitensi dal 6° al 12° grado, creato per migliorare il feedback automatico sulla scrittura. Ogni saggio include informazioni sull'autore, tra cui l'eventuale classificazione dello studente come non madrelingua inglese e la presenza di un piano IEP o Section 504 (piani di supporto scolastico statunitensi per studenti con disabilità). La versione 2.0 aggiunge i punteggi ai saggi pubblicati inizialmente come PERSUADE 1.0, che includeva solo elaborati di almeno 150 parole con almeno il 75% dei termini scritti correttamente. La loro lunghezza media è di 402 parole. PERSUADE 1.0 è stato pubblicato su una rivista accademica nell'ottobre 2022, prima che OpenAI rilasciasse ChatGPT il 30 novembre 2022; pertanto, nessuno di questi saggi avrebbe potuto essere redatto con ChatGPT.

GPTZero ha valutato i saggi tratti da quello che definisce "PERSUADE2.0's official held-out test split, which GPTZero 4o was not trained on." (il set di test separato ufficiale di PERSUADE 2.0, su cui GPTZero 4o non è stato addestrato). Il campione comprendeva 914 saggi di studenti non madrelingua e 1.172 di studenti con un piano IEP o 504, con 147 studenti appartenenti a entrambi i gruppi. GPTZero 4o li ha classificati tutti come scritti da esseri umani. Nei suoi grafici, tutti i 914 saggi degli studenti non madrelingua si trovano nell'unica colonna al vertice della scala di "Human probability", e per i 147 studenti presenti in entrambi i gruppi il punteggio più basso è stato di 0,997.

Ci sono due aspetti che l'articolo non chiarisce. Non indica a quale punteggio un testo venga considerato "scritto da un essere umano". Inoltre, non specifica se il resto di PERSUADE sia stato impiegato per addestrare 4o. Quel set di addestramento è pubblico fin dalla competizione di data science su Kaggle, il Feedback Prize 2021, e proviene dallo stesso corpus di saggi argomentativi scritti da studenti statunitensi dal 6° al 12° grado. Di conseguenza, il sottoinsieme di test separato rappresenta una verifica affidabile per testi di questo genere, ma ha un valore molto più debole per una relazione di laboratorio universitaria.

Si tratta inoltre di un test condotto da GPTZero su se stessa, basato su un dataset scelto dall'azienda e pubblicato sul proprio blog, senza alcun collegamento al codice sorgente o ai saggi valutati. Ciò non implica che i numeri siano errati; significa semplicemente che stai leggendo la versione dell'azienda sul proprio prodotto, e la stessa GPTZero definisce il risultato "a great milestone; however, it is not a finish line." (un grande traguardo; tuttavia, non è la linea del traguardo).

Zero su 914 è un conteggio, non una percentuale definita. Su 914 saggi senza alcun falso positivo, il tasso reale potrebbe comunque raggiungere circa lo 0,33%, ossia all'incirca 1 su 300. Questo è il consueto limite superiore con intervallo di confidenza al 95% quando un evento si verifica zero volte su 914 tentativi. È un valore basso, ma non è zero.

Il secondo limite è meno evidente. L'articolo di lancio di GPTZero 4o riportava "only 1 false positive out of 10,402 essays" (solo 1 falso positivo su 10.402 saggi) nel set di test di PERSUADE. Quel sottoinsieme di test conta complessivamente 10.402 saggi, perciò è esattamente lo stesso da cui provengono i 914. In base ai nostri calcoli, se gli studenti non madrelingua venissero segnalati esattamente con la stessa frequenza di tutti gli altri, su 914 saggi ci si aspetterebbe circa 0,09 falsi positivi: il che significa che si osserverebbe lo zero quasi ogni volta. Se venissero segnalati con una frequenza dieci volte superiore, si continuerebbe a ottenere zero almeno quattro volte su dieci.

Di conseguenza, uno 0 su 914 non può dimostrare che gli studenti non madrelingua e gli altri studenti ricevano lo stesso trattamento: un test di queste dimensioni non è in grado di distinguere tra le due situazioni. Ciò che dimostra è che, su questi saggi, il tasso di falsi positivi è stato molto basso per tutti, studenti non madrelingua compresi.

La seconda serie di dati si trova in un'appendice di "IdeaLens: Detecting AI Ideas in Long-form Writing" (IdeaLens: rilevare idee generate dall'IA nella scrittura lunga), un preprint di Rishanth Rajendhran e altri sette coautori, pubblicato su arXiv il 5 ottobre 2026. L'articolo è incentrato principalmente su un rilevatore sperimentale sviluppato dagli autori stessi. Pangram 4, un rilevatore commerciale, è uno degli strumenti con cui lo hanno confrontato su 19 gruppi di testi redatti da esseri umani. Pangram non ha condotto il test; tuttavia, gli autori la ringraziano per aver concesso crediti di ricerca, e il documento non è stato sottoposto a revisione paritaria.

Uno di questi 19 gruppi è ELLIPSE, un corpus di circa 6.500 saggi di studenti non madrelingua dall'8° al 12° grado. Ognuno è stato scritto al computer in 25-30 minuti durante i test annuali a livello statale negli Stati Uniti. Valutatori esperti hanno assegnato a ciascun saggio un punteggio di competenza linguistica in inglese da 1 a 5, dove 1 indica abilità limitate e 5 corrisponde a "native-like facility" (padronanza pari a quella di un madrelingua). Lo studio ne ha utilizzati 3.909. Dalle nostre verifiche, questo numero e la sua distribuzione per grado scolastico e punteggio corrispondono al file di addestramento pubblico del corpus con una differenza di appena uno o due saggi (il file ne contiene 3.911). Circa il 70% dei 3.909 testi non supera le 500 parole.

Gli autori considerano un testo come IA quando la quota di IA indicata da Pangram, sommata alla metà della sua quota con assistenza IA, raggiunge almeno la metà del totale. In base a questa regola, Pangram ha segnalato lo 0,0% dei 3.909 saggi. Il dato è arrotondato a una cifra decimale, il che lascia spazio al massimo a un solo saggio. Nel file dei risultati reso pubblico dagli autori, la percentuale è risultata dello 0,0% anche in ciascuna fascia di competenza, sebbene la distribuzione sia disomogenea: la fascia più bassa comprende 8 saggi e la più alta 28, mentre le fasce 2, 3 e 4 ne contano ciascuna oltre un migliaio.

In questo caso un confronto con il tasso di base funziona davvero, poiché lo stesso studio riporta il comportamento di Pangram sulla scrittura umana ordinaria in generale. Facendo la media su tutte le 19 valutazioni, Pangram ha segnalato lo 0,3% dei documenti redatti da esseri umani. Tale media è determinata principalmente da due gruppi: un benchmark eterogeneo di testi umani e una serie di valutazioni esperte di proposte di ricerca. In 15 dei 19 gruppi, tra cui ELLIPSE, la percentuale è stata dello 0,0%. Gli altri gruppi spaziano da revisioni tra pari a pagine web, per cui questo dato confronta gli studenti non madrelingua con il comportamento generale di Pangram sulla scrittura umana, non con i compagni di classe madrelingua. Tra i due nuovi test, questo è quello che si avvicina di più a chiarire se gli studenti non madrelingua vengano segnalati più spesso degli altri autori. Per Pangram, su questi saggi, la risposta è no.

Questa non è una classifica. Ogni riga rappresenta un rilevatore diverso o una versione differente, ciascuno con la propria definizione di "segnalato come IA", testato su gruppi di autori distinti. I conteggi delle parole nella prima riga sono nostri, ricavati dai saggi pubblicati dagli autori di Stanford insieme al loro codice. Abbiamo analizzato quello studio in Perché gli autori non madrelingua inglese vengono segnalati più spesso dai rilevatori di IA e la valutazione di Turnitin in Turnitin ha testato il proprio rilevatore per valutare i pregiudizi verso gli studenti non madrelingua. La riga relativa a Turnitin descrive il modello del 2023; da allora Turnitin ha aggiornato il proprio rilevatore.

Non in base a queste evidenze. I dati del 2026 sono reali, ma riguardano un contesto molto più circoscritto rispetto alla categoria generale degli "studenti non madrelingua".

• Lunghezza del testo. Tutti i saggi del campione di Stanford contavano meno di 150 parole. Il test del 2023 di Turnitin ha rilevato che il divario tra studenti non madrelingua e madrelingua si ampliava per testi compresi tra 150 e 300 parole. I due nuovi gruppi di dati si collocano per lo più ampiamente al di sopra di tale soglia: i saggi di PERSUADE hanno una media di 402 parole, e il 30% dei saggi di ELLIPSE raggiunge o supera le 500 parole. I testi brevissimi alla base dell'allarmante dato del 2023 non corrispondono a ciò che i test del 2026 hanno misurato.
• Livello scolastico. Entrambi i nuovi gruppi di dati riguardano la scrittura di studenti delle scuole secondarie. I testi degli studenti non madrelingua esaminati da Turnitin nel 2023 provenivano effettivamente da studenti universitari (la tabella del suo dataset contrassegna entrambi i corpora di apprendenti come "higher ed" (istruzione superiore)), ma, secondo la sua stessa descrizione, si trattava per lo più di brevi compiti persuasivi o informativi, e quasi tutti gli autori madrelingua nel gruppo delle 300 parole erano studenti delle superiori statunitensi. Turnitin ha inoltre scritto: "A comparable collection of publicly available full-length university level documents from L2 and L1 writers was not available for this evaluation." (Per questa valutazione non era disponibile una raccolta comparabile e accessibile al pubblico di documenti integrali a livello universitario redatti da autori L2 e L1).
• Il campione degli studenti con competenze più deboli è limitato. PERSUADE ha escluso i saggi che presentavano troppi errori ortografici, mentre la fascia di competenza più bassa di ELLIPSE conta appena 8 saggi.
• Turnitin. Le sue FAQ sul rilevamento dell'IA indicano che a luglio 2026 l'insieme di più modelli è stato unificato in un unico modello; la risposta alla domanda sui pregiudizi descrive i criteri di selezione dei dati di addestramento, senza fornire cifre. Nel testo delle FAQ, i termini "English learner", "ESL", "L2" e "native" compaiono ciascuno 0 volte, e le quattro menzioni di "second language" sono prive di dati numerici.
• Versioni. GPTZero 4o è il modello predefinito solo dal 20 settembre. Lo studio non specifica la data esatta in cui Pangram ha analizzato i saggi. Entrambi i rilevatori saranno soggetti a ulteriori aggiornamenti.

Una sintesi equilibrata è molto più circoscritta rispetto ai titoli sensazionalistici: nell'autunno del 2026, due rilevatori, applicati a saggi di alcune centinaia di parole scritti da studenti delle superiori statunitensi, non li hanno quasi mai etichettati come IA.

1. Verifica quale rilevatore è stato impiegato e in quale data. Questi dati si riferiscono a GPTZero 4o e Pangram 4. Se il tuo istituto utilizza Turnitin, o se la verifica con GPTZero è stata effettuata prima del 20 settembre 2026, queste cifre non sono applicabili.
2. Richiedi il report completo, non solo un'etichetta o una percentuale. Devi poter verificare quali passaggi sono stati contrassegnati e quale punteggio è stato assegnato.
3. Se il testo segnalato è breve, fallo presente. Le ricerche precedenti hanno riscontrato anomalie soprattutto nei testi brevi, e lo stesso report di Turnitin non mostra una percentuale di IA per testi in prosa inferiori a 300 parole. Una segnalazione su un breve post in un forum di discussione si basa su una quantità di testo nettamente inferiore rispetto a quella di un saggio completo.
4. Conserva tutte le tue bozze. Le versioni preliminari, gli appunti, le fonti consultate e la cronologia delle modifiche costituiscono prove concrete relative al tuo lavoro, a differenza delle percentuali di uno studio condotto sui saggi altrui. L'articolo Come conservare la cronologia delle versioni in Word, Google Docs e Overleaf illustra quali impostazioni consentono effettivamente di preservarla.
5. Se decidi di citare questi studi, fallo con precisione. Se la segnalazione proviene da GPTZero, è corretto far presente che il test ufficiale dell'azienda ha classificato come umani tutti i 914 saggi di studenti non madrelingua. Presentalo come un motivo valido per esaminare le tue bozze, non come una prova definitiva: un test condotto su 914 compiti scolastici non può stabilire con certezza cosa sia accaduto al tuo saggio.

Questo significa che Turnitin non segnalerà il mio saggio? Questi studi non possono garantirtelo. La valutazione interna condotta da Turnitin nel 2023 ha riscontrato l'1,4% di segnalazioni su testi di almeno 300 parole scritti da studenti non madrelingua, a fronte dell'1,3% per i madrelingua; tuttavia, quel modello è stato nel frattempo sostituito e le attuali FAQ non riportano alcun dato numerico sugli studenti non madrelingua.

Studio all'università. Questi risultati si applicano al mio caso? Solo marginalmente. Entrambi i gruppi di dati del 2026 riguardano testi di studenti delle scuole secondarie statunitensi: compiti in classe nel caso di PERSUADE e prove d'esame da 25-30 minuti in quello di ELLIPSE. Una rassegna della letteratura universitaria è più lunga, più tecnica e richiede settimane di stesura. Il dato più vicino alla tua realtà è la valutazione del 2023 di Turnitin, i cui testi provenivano da studenti universitari, pur trattandosi prevalentemente di elaborati brevi: in quel caso, l'1,4% dei testi di almeno 300 parole è stato segnalato, su un modello che Turnitin ha poi sostituito.

Dovrei semplificare il mio inglese, o renderlo più ricercato, per evitare segnalazioni? Nessun dato tra questi risultati suggerisce una simile necessità. Nel test di Pangram, i saggi appartenenti ai livelli di competenza 2, 3 e 4 — ciascuno con oltre mille testi — hanno registrato tutti lo 0,0%, e lo stesso vale per le fasce di punteggio relative a grammatica e vocabolario riportate nel file dei risultati degli autori. Si tratta di un solo rilevatore, ma non vi è alcun motivo per forzarti a scrivere con uno stile che non ti appartiene.

Cosa emerge per gli studenti con disabilità? Lo stesso articolo di GPTZero riferisce che 4o ha classificato come scritti da esseri umani tutti i 1.172 saggi di studenti con un piano IEP o 504. Valgono le medesime riserve: un test condotto direttamente dal fornitore, compiti scolastici e un conteggio pari a zero che lascia comunque spazio a una piccola percentuale reale di errore.

• Anna Gao, Biased Against ESL and Students with Disabilities? We Put GPTZero 4o to the Test, GPTZero, 5 ottobre 2026 (testo e le cinque immagini presenti sulla pagina); GPTZero Team, Introducing GPTZero 4o, 24 settembre 2026; entrambi consultati il 7 ottobre 2026.
• Rishanth Rajendhran, Minjoon Choi, Jenna Russell, Ramya Namuduri, Deniz Bölöni-Turgut, Marzena Karpinska, John Wieting e Mohit Iyyer, IdeaLens: Detecting AI Ideas in Long-form Writing, arXiv:2610.06778v1, 5 ottobre 2026 (Appendice E.3, Sezione G.1, Tabella 17), e il file dei risultati di ELLIPSE degli autori; consultato il 7 ottobre 2026.
• Scott Crossley e colleghi, A large-scale corpus for assessing written argumentation: PERSUADE 2.0, Assessing Writing 61 (2024), preprint; The persuasive essays for rating, selecting, and understanding argumentative and discourse elements (PERSUADE) corpus 1.0, Assessing Writing 54 (2022); consultato il 7 ottobre 2026.
• Scott Crossley e colleghi, The English Language Learner Insight, Proficiency and Skills Evaluation (ELLIPSE) Corpus, International Journal of Learner Corpus Research 9(2), 2023, preprint e file del corpus; consultato il 7 ottobre 2026.
• OpenAI, ChatGPT: Optimizing Language Models for Dialogue, 30 novembre 2022 (copia di Internet Archive del 2 dicembre 2022); consultato il 7 ottobre 2026.
• Weixin Liang, Mert Yuksekgonul, Yining Mao, Eric Wu e James Zou, GPT detectors are biased against non-native English writers, arXiv:2304.02819v3 (Figura 1a e Materials and Methods; pubblicato su Patterns, 2023), e il repository dei dati degli autori; consultato il 7 ottobre 2026.
• David Adamson, New research: Turnitin's AI detector shows no statistically significant bias against English Language Learners, Turnitin, 26 ottobre 2023 (testo e immagine della tabella dei risultati); Turnitin, AI writing detection capabilities FAQs e Using the AI Writing Report; entrambi consultati il 7 ottobre 2026.