Quanto spesso una tesi di master viene segnalata come IA? Uno studio del 2026 su 1.163 tesi

Tra le tesi di master del 2024–2025 di una singola facoltà, Pangram ne ha segnalate 529 su 1.163, pari al 45,5%. Per le tesi segnalate, la stima mediana indicava che il 30% del testo fosse generato da IA, e solo per l'1,9% la stima superava l'80%. I ricercatori non avevano modo di verificare queste cifre rispetto a come le tesi fossero state effettivamente redatte. In un test di controllo separato con paternità nota, Turnitin, Pangram, GPTZero e Copyleaks hanno tutti assegnato a ogni testo scritto da esseri umani un punteggio compreso tra 0 e 20%.

Lo studio s'intitola "Who wrote this? Evaluating the reliability of AI detection tools in higher education" (Chi ha scritto questo? Valutare l'affidabilità degli strumenti di rilevamento dell'IA nell'istruzione superiore), a cura di Marijke Van Vlasselaer, Filip Van Droogenbroeck e Bram Spruyt della Vrije Universiteit Brussel, pubblicato in modalità open access sulla rivista International Journal for Educational Integrity il 29 giugno 2026. Gli autori dichiarano di non avere alcun legame finanziario o istituzionale con gli strumenti esaminati.

I ricercatori hanno creato quattro serie di 40 testi accademici in inglese, ciascuno lungo almeno 4.000 parole:

• Scritti da esseri umani. Tesi di master redatte da studenti non madrelingua inglese, presentate tra il 2017 e il 2019 ed estratte da un archivio istituzionale.
• Interamente generati da IA. Testi completi prodotti da un modello ChatGPT.
• Ibridi. I testi scritti da esseri umani in cui la rassegna della letteratura e le conclusioni sono state sostituite da testo generato da IA.
• Ibridi riscritti. I testi ibridi dopo che le sezioni generate da IA sono state riscritte tramite un singolo prompt di ChatGPT in cui si richiedeva un testo che "sounds more like it was written by a real person" (che suonasse più come se fosse stato scritto da una persona reale).

Hanno quindi confrontato il punteggio attribuito da ciascuno strumento con la quota nota di testo IA presente in ciascun documento.

Sui testi scritti da esseri umani, tutti e quattro gli strumenti hanno collocato ogni elaborato tra lo 0 e il 20%. Pangram e Copyleaks hanno restituito lo 0%. Turnitin ha mostrato un asterisco anziché un numero per tre di essi; la documentazione ufficiale di Turnitin impiega l'asterisco per i punteggi compresi tra l'1% e il 19%, come spieghiamo nell'articolo su cosa significa l'asterisco nel punteggio IA di Turnitin. GPTZero ha attribuito ad alcuni di essi un punteggio minimo. Gli autori hanno messo a confronto questo dato con uno studio del 2023 sugli autori non madrelingua: "Unlike Liang et al. (2023), who reported substantial false-positive bias against non-native writers using seven early-generation GPT detectors, we found no false positives for Pangram, Copyleaks, and Turnitin" (A differenza di Liang et al. (2023), che avevano segnalato un notevole bias di falsi positivi verso gli autori non madrelingua con sette rilevatori GPT di prima generazione, non abbiamo riscontrato falsi positivi per Pangram, Copyleaks e Turnitin). Questa precedente ricerca è approfondita nella guida su perché chi non è madrelingua inglese viene segnalato più spesso. Gli autori sottolineano che i falsi positivi sono stati "almost absent" (quasi del tutto assenti), un dato che li ha sorpresi rispetto agli studi precedenti, e aggiungono un'avvertenza: "some tools may use conservative thresholds to avoid falsely labelling human-written text as AI-generated, which may increase the number of false negatives." (alcuni strumenti potrebbero utilizzare soglie conservative per evitare di etichettare erroneamente come generato da IA il testo scritto da esseri umani, il che potrebbe aumentare il numero di falsi negativi).

Sui testi che contenevano effettivamente passaggi generati da IA, gli strumenti hanno mostrato forti discrepanze. Le stime di Pangram sono state quelle che più si sono avvicinate alla percentuale reale in tutte e tre le categorie con IA. Gli altri tre strumenti, tra cui Turnitin, hanno fortemente sottostimato i testi interamente generati da IA, tutti prodotti dall'unico modello impiegato per quella serie; gli autori riconducono questa discrepanza al fatto che si trattasse del modello più recente disponibile all'epoca. Sugli elaborati ibridi, Pangram ne ha collocati 37 su 40 nell'intervallo corretto, Turnitin 24, Copyleaks 12 e GPTZero nessuno.

Un dettaglio su Turnitin è fondamentale per interpretare i loro dati: i ricercatori hanno conteggiato nella fascia più bassa i testi contrassegnati dall'asterisco di Turnitin. Anche il nostro confronto tra Pangram e Turnitin analizza questo studio.

Poiché Pangram aveva rilevato con maggiore precisione la quota nota di IA, i ricercatori lo hanno impiegato per scansionare tutte le 1.163 tesi di master presentate nell'anno accademico 2024–2025 nei vari corsi di laurea della loro facoltà di Scienze Sociali ed Economia.

Gli autori interpretano tale distribuzione in questo modo: "the majority showed low-to-moderate AI usage, with very high AI usage (> 80%) being rare." (la maggior parte mostrava un uso dell'IA da basso a moderato, mentre un uso molto elevato dell'IA (> 80%) risultava raro).

Gli autori sono molto chiari sui limiti dello studio:

• Assenza di un dato oggettivo di riferimento. Nessuno sapeva come fossero state scritte le 1.163 tesi, perciò "the flagging percentages cannot be interpreted as confirmed prevalence rates of AI use." (le percentuali di segnalazione non possono essere interpretate come tassi confermati di prevalenza dell'uso dell'IA). Gli autori definiscono comunque l'analisi "a valuable first indication" (una preziosa prima indicazione), ma questi dati rappresentano stime di Pangram e non percentuali confermate.
• Una sola facoltà, un solo strumento. Le tesi provenivano dai dipartimenti di scienze sociali ed economia di una singola università e sono state analizzate unicamente con Pangram.
• Una fotografia temporale. Il testo generato da IA impiegato nel test risale a maggio 2025 e gli autori precisano che i loro risultati "are valid only for a specific snapshot in time." (sono validi solo per uno specifico momento nel tempo).
• Un unico metodo di riscrittura. Il gruppo degli "ibridi riscritti" utilizzava un solo prompt di ChatGPT. Gli autori fanno notare che gli studenti potrebbero combinare metodi diversi, pertanto i risultati di quel gruppo potrebbero non essere generalizzabili.

Anche i testi redatti da esseri umani appartenevano a un gruppo ben specifico: tesi di master di una sola facoltà, presentate tra il 2017 e il 2019. Un esito del tutto privo di segnalazioni su quei documenti rappresenta un ottimo segnale, ma non una garanzia per qualsiasi tesi.

1. Verifica da quale rilevatore proviene il punteggio. Questo studio ha evidenziato notevoli discrepanze tra i diversi strumenti a parità di testo. Una stima di Pangram, una percentuale di Turnitin e un punteggio di GPTZero non sono affatto intercambiabili.
2. Controlla se lo strumento è in grado di esaminare l'intera tesi. Turnitin, ad esempio, non genera un AI Writing Report per i documenti che superano le 30.000 parole; vedi l'approfondimento su se Turnitin può verificare un'intera tesi.
3. Esamina quali sezioni sono state contrassegnate. Nei punti in cui il report evidenzia dei passaggi, preparati a spiegarne la stesura mostrando le tue bozze e la cronologia delle revisioni.
4. Chiedi come verrà utilizzato il punteggio. La posizione degli autori è che una segnalazione "should trigger a more thorough review of the student's paper content, rather than relying on an AI detection tool to draw a final conclusion." (dovrebbe avviare una revisione più approfondita dei contenuti dell'elaborato dello studente, anziché affidarsi a uno strumento di rilevamento dell'IA per trarre una conclusione definitiva).

Per un secondo studio del 2026 che ha misurato la frequenza con cui i testi umani perfezionati con l'IA vengono segnalati, vedi se il testo corretto con l'IA viene segnalato.

Quando la parte segnalata della tesi è costituita da una serie di passaggi che devi rielaborare, la funzione di umanizzazione di HumanPen è pensata appositamente per questo compito. Importa il report Turnitin o iThenticate e riscrivi solo i passaggi segnalati. Riceverai un file modificabile nello stesso formato. Il regolamento del tuo ateneo sull'assistenza tramite IA ha sempre la precedenza, ed è fondamentale rileggere con attenzione ogni capitolo rielaborato prima della consegna definitiva.

Qualche rilevatore ha erroneamente segnalato i testi scritti da esseri umani? Non oltre il 20%. Tutti e quattro gli strumenti hanno valutato ogni testo interamente umano tra lo 0 e il 20%. Turnitin ha mostrato un asterisco per tre di essi e GPTZero ha assegnato ad alcuni un punteggio contenuto; Pangram e Copyleaks hanno restituito lo 0% per tutti. Gli autori avvertono che l'adozione di soglie conservative può ridurre i falsi positivi, ma al prezzo di non rilevare una quantità maggiore di testo generato da IA.

Il 45,5% significa che quasi la metà degli studenti di master ha usato l'IA? Non come dato confermato. Significa che Pangram ha stimato la presenza di contenuti generati da IA nel 45,5% delle tesi. Gli autori considerano questo esito "a valuable first indication" (una preziosa prima indicazione) del fatto che la scrittura assistita da IA sia ormai comune, ma senza un dato oggettivo di riferimento specificano che le percentuali "cannot be interpreted as confirmed prevalence rates of AI use." (non possono essere interpretate come tassi confermati di prevalenza dell'uso dell'IA).

Qual è stato il rilevatore più accurato? In questo test specifico, le stime di Pangram sono state quelle più vicine alla quota nota di IA. Si tratta tuttavia di un unico studio, condotto su una serie di testi generati nel maggio 2025; da allora sia i rilevatori sia i modelli di IA si sono ulteriormente evoluti.

Turnitin è stato testato sulle tesi reali? No. Sulle 1.163 tesi è stato eseguito unicamente Pangram.

• Marijke Van Vlasselaer, Filip Van Droogenbroeck e Bram Spruyt, Who wrote this? Evaluating the reliability of AI detection tools in higher education, International Journal for Educational Integrity 22, articolo 16, pubblicato il 29 giugno 2026; consultato il 27 settembre 2026.