Turnitin segnala i testi in inglese dei non madrelingua? Uno studio pubblicato nel 2026

In questo studio a volte sì, e all'incirca con la stessa frequenza degli articoli della BBC. Su 48 saggi scritti da studenti EFL (inglese come lingua straniera), tutti redatti prima di agosto 2022, Turnitin ne ha valutati 4 con un punteggio superiore al 20%, e altrettanti ne ha segnalati Originality. Su 48 articoli giornalistici professionali della BBC, Turnitin ne ha valutati 3 oltre il 20% e Originality nessuno. Gli autori non hanno riscontrato differenze significative per Turnitin tra i due gruppi, mentre per Originality la differenza è al limite della significatività statistica. Entrambi i rilevatori hanno ottenuto risultati modesti sui testi per metà umani e per metà generati dall'IA.

Lo studio è "Evaluating the accuracy and reliability of AI content detectors in academic contexts" (Valutazione dell'accuratezza e dell'affidabilità dei rilevatori di contenuti IA in contesti accademici), condotto da Mohammad Hadra, Karleen Cambridge e Mostefa Mesbah della Sultan Qaboos University, pubblicato in modalità open access sull'International Journal for Educational Integrity il 2 febbraio 2026. Gli autori dichiarano l'assenza di conflitti di interesse.

Hanno preparato 192 testi suddivisi in quattro gruppi da 48:

• Testi di studenti EFL. Elaborati finali dei corsi di inglese scientifico del Foundation Program dell'ateneo, tutti consegnati prima di agosto 2022, quando strumenti come ChatGPT non erano ancora accessibili agli studenti.
• Scrittura professionale. Testi estratti da XSum, un dataset di ricerca basato su articoli di cronaca della BBC.
• Testi generati dall'IA. Testi prodotti da due modelli linguistici di grandi dimensioni su tracce analoghe a quelle assegnate agli studenti.
• Testi ibridi. Circa metà testo scritto da studenti EFL e metà generato dall'IA, uniti in un unico documento.

I testi avevano una lunghezza compresa tra 300 e 1.100 parole e 135 su 192 trattavano temi scientifici. I test con i rilevatori sono stati effettuati tra gennaio e maggio 2025. Il punteggio di ciascun rilevatore è stato suddiviso in tre fasce: da 0 al 20% classificato come umano, dal 21% al 79% come ibrido e pari o superiore all'80% come IA.

Per Turnitin, la differenza tra i saggi degli studenti e gli articoli giornalistici non era statisticamente significativa (p = 0.50). Gli autori scrivono che questo "suggests that Turnitin did not exhibit measurable bias against EFL writers within this dataset." (suggerisce che Turnitin non ha mostrato una distorsione misurabile nei confronti degli autori EFL all'interno di questo set di dati.) Originality ha classificato correttamente ogni articolo di notizie ma ha mancato quattro saggi degli studenti, una discrepanza che gli autori definiscono come una tendenza al limite della significatività (p unilaterale = 0.058), coerente con le precedenti ricerche sulla distorsione dei rilevatori verso gli autori non madrelingua.

Questi dati vanno letti tenendo conto delle proporzioni del test. Quattro saggi su 48 corrispondono all'incirca a uno su dodici. Non è un numero nullo, e un risultato superiore al 20% è proprio il tipo di esito per cui a uno studente potrebbero essere chieste spiegazioni. Inoltre, il paragone è avvenuto con articoli di giornale, non con elaborati accademici scritti da madrelingua.

Sui testi per metà umani e per metà generati dall'IA, entrambi i rilevatori non sono quasi mai riusciti a collocarli nella fascia intermedia. Turnitin vi ha inserito il 31% dei testi e Originality appena il 2%. Secondo l'interpretazione degli autori, i rilevatori "appear calibrated primarily for binary distinctions (AI vs. Human) and struggle to identify partial or mixed AI involvement." (sembrano calibrati principalmente per distinzioni binarie [IA vs. Umano] e faticano a identificare un coinvolgimento parziale o misto dell'IA.)

L'accuratezza complessiva su tutti e quattro i gruppi combinati è stata di 0.61 per Turnitin e di 0.69 per Originality.

Entrambi i rilevatori si sono rivelati decisamente meno accurati sui testi scientifici rispetto a quelli di ambito umanistico:

Queste cifre considerano tutti e quattro i gruppi insieme, misurando quindi gli errori in ogni direzione e non solo i testi scritti da persone etichettati come IA. Gli autori ipotizzano che i tratti tipici della prosa scientifica, "such as lexical density, technical terminology, and formulaic sentence structure, may be more difficult for detectors to distinguish from AI-generated text." (come la densità lessicale, la terminologia tecnica e la struttura stereotipata delle frasi, potrebbero risultare più difficili da distinguere rispetto ai testi generati dall'IA per i rilevatori.)

Un altro studio del 2026, condotto con Pangram e GPTZero su abstract già pubblicati, ha rilevato che i testi recenti di scienze politiche e teologia venivano segnalati più spesso rispetto a quelli di chimica e informatica. Quella ricerca misurava parametri diversi su altri rilevatori, un aspetto che analizziamo nel dettaglio nell'articolo su se la revisione con l'IA porti alla segnalazione del testo. Nel complesso, i due risultati non permettono di stabilire quali discipline siano più al sicuro.

Anche la lunghezza ha inciso sui risultati, pur senza un andamento lineare. Considerando tutti e quattro i gruppi, entrambi i rilevatori sono stati più accurati sui testi più brevi (da 300 a 330 parole) e meno accurati sulla fascia intermedia (da 450 a 550 parole): per i testi brevi, medi e lunghi Turnitin ha ottenuto rispettivamente 0.87, 0.56 e 0.68, mentre Originality 0.96, 0.63 e 0.84.

• Due soli rilevatori, testati all'inizio del 2025. Sono stati esaminati unicamente Turnitin e Originality, tra gennaio e maggio 2025, e i rilevatori si evolvono con i continui aggiornamenti.
• Un solo gruppo di studenti. I saggi EFL provenivano da un unico programma propedeutico presso una singola università.
• Articoli di cronaca come confronto, non saggi accademici. I testi professionali usati come termine di paragone erano articoli della BBC.
• Combinazioni fisse. Ogni testo ibrido era composto per circa il 50/50, una suddivisione che, come sottolineano gli autori stessi, si riscontra raramente nei veri elaborati degli studenti.

La loro conclusione è che "neither detector achieves the level of reliability required for high-stakes decision-making." (nessuno dei due rilevatori raggiunge il livello di affidabilità richiesto per decisioni ad alto rischio.)

1. Verifica in quale fascia ti trovi. In questo studio, un punteggio pari o inferiore al 20% è stato classificato come umano. Turnitin visualizza un asterisco anziché una percentuale numerica per i punteggi più bassi; scopri cosa significa l'asterisco nel punteggio IA di Turnitin.
2. Conserva le bozze e la cronologia delle versioni. Documentano l'effettivo processo di stesura del testo, elemento che un semplice punteggio non può illustrare.
3. Controlla quali passaggi sono stati evidenziati. Sono proprio quelle le parti su cui dovrai essere pronto a fornire spiegazioni.
4. Mostra le evidenze a tuo favore. Studi come questo, insieme alle ricerche precedenti sugli autori non madrelingua citate nell'articolo su perché gli autori non madrelingua inglese vengono segnalati più spesso, confermano che il punteggio di un rilevatore, da solo, non ha valore di prova.

Se hai un report Turnitin o iThenticate e i passaggi segnalati devono essere riscritti, è proprio questo lo scopo dell'opzione di umanizzazione di HumanPen. Importa il report Turnitin o iThenticate e riscrivi solo i passaggi segnalati. Riceverai un file modificabile nello stesso formato. Prima di procedere, verifica le regole del tuo corso sull'uso dell'assistenza IA e rileggi attentamente quanto ottenuto prima di consegnarlo.

Turnitin ha pregiudizi verso chi scrive in inglese senza essere madrelingua? In questo set di dati, Turnitin ha valutato i saggi degli studenti EFL e gli articoli della BBC in modo analogo, senza differenze statisticamente significative. Si tratta comunque di una prova svolta su un solo gruppo di studenti, non di una risposta valida in assoluto.

Cosa significava essere segnalati in questo studio? Un punteggio superiore al 20%. I punteggi compresi tra il 21% e il 79% sono stati considerati ibridi, mentre quelli pari o superiori all'80% sono stati classificati come IA.

I saggi degli studenti sono stati scritti davvero senza IA? Sono stati consegnati prima di agosto 2022. Gli autori spiegano che a quel tempo strumenti come ChatGPT non erano ancora alla portata di quegli studenti e che i generatori di testo allora disponibili richiedevano accessi vincolati e competenze tecniche di configurazione.

Quale rilevatore si è comportato meglio? Originality ha fatto registrare un'accuratezza complessiva superiore (0.69 contro 0.61). Sui saggi degli studenti i due strumenti hanno ottenuto lo stesso risultato, valutando entrambi oltre il 20% 4 testi su 48, mentre sui testi giornalistici Originality non ha commesso alcun errore. Nessuno dei due ha gestito bene i testi misti.

• Mohammad Hadra, Karleen Cambridge e Mostefa Mesbah, Evaluating the accuracy and reliability of AI content detectors in academic contexts, International Journal for Educational Integrity 22, articolo 4, pubblicato il 2 febbraio 2026; consultato il 28 settembre 2026 (Tabelle 1–5).