Artigos de conferência e detecção de IA do Turnitin: o que você precisa saber

Artigos de conferência estão em uma posição difícil para a detecção de IA. São curtos o suficiente para acionar o problema de “tudo ou nada” que o Turnitin descreve para documentos com apenas algumas centenas de palavras de prosa qualificável. São densos em metodologia e resumos de trabalhos relacionados que correspondem ao perfil de falso positivo das perguntas frequentes. Também contêm marcadores, legendas de figuras e entradas de tabela que o modelo não analisa como texto qualificável. A porcentagem que você vê pode refletir uma parte muito menor do seu artigo do que você espera.

As perguntas frequentes identificam tipos específicos de texto propensos a falsos positivos:

"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." (Às vezes, falsos positivos (marcar incorretamente texto escrito por humanos como gerado por IA) podem incluir conteúdo sem muita variação estrutural, texto que se repete literalmente ou texto que foi parafraseado sem desenvolver novas ideias.)

Artigos de conferência atendem a vários desses critérios. Os limites de página empurram os autores para frases eficientes e uniformes. Seções de trabalhos relacionados condensam estudos inteiros em uma ou duas frases cada, o que é paráfrase sem desenvolver novas ideias. Resumo, introdução e conclusão frequentemente compartilham linguagem de enquadramento repetitiva porque as mesmas afirmações precisam aparecer em vários lugares. As perguntas frequentes continuam:

"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." (Se nosso indicador mostrar uma quantidade maior de escrita de IA em tal texto, aconselhamos que você leve isso em consideração ao observar a porcentagem indicada.)

Este é um conselho que devemos levar a sério especificamente para artigos de conferência.

Antes de discutir a pontuação, precisamos abordar o que o Turnitin realmente aceita. Um artigo de ajuda do Turnitin especifica as restrições:

"File must be written in a supported language: English, Spanish, Japanese" (O arquivo deve estar escrito em um idioma suportado: inglês, espanhol, japonês)

Essa linha de idioma está uma versão atrás do produto. O Turnitin adicionou o árabe padrão moderno em 18 de agosto de 2026, elevando a lista para quatro, e a página de requisitos citada acima não havia sido editada para dizer isso quando este artigo foi escrito. A mesma fonte lista os formatos aceitos e os limites de tamanho:

"Accepted file types: .docx, .pdf, .txt, .rtf" (Tipos de arquivo aceitos: .docx, .pdf, .txt, .rtf)

Requisitos adicionais incluem arquivos abaixo de 100MB, pelo menos 300 palavras de prosa e não mais de 30,000 palavras. Para artigos de conferência, o mínimo de 300 palavras importa. Um artigo de 6 páginas com figuras, tabelas e equações pode ter menos de 300 palavras de prosa qualificável após a exclusão de conteúdo que não é prosa. O limite superior de 30,000 palavras dificilmente será um problema, mas o mínimo de prosa pode ser.

Se o seu artigo de conferência estiver em LaTeX e você exportar para PDF, a formatação é aceita. Se você enviar um DOCX, o modelo processa o texto da mesma maneira. O formato em si não altera a pontuação, mas a quantidade de prosa qualificável nesse formato sim.

As perguntas frequentes descrevem o pipeline que transforma seu artigo em uma pontuação:

"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. Each qualifying sentence within these segments inherits the segment's score. Since segments overlap, some sentences may have multiple scores, which are then pooled into a single score. These sentence scores are further aggregated and used to compute the overall document AI writing score." (Quando um artigo é enviado ao Turnitin, as frases do envio são extraídas e segmentadas em seções sobrepostas para análise de previsão. Cada segmento é classificado pelo modelo de detecção de IA e recebe um valor entre 0 e 1, denotando a probabilidade de o texto ser provavelmente humano ou gerado por IA. Cada frase qualificável dentro desses segmentos herda a pontuação do segmento. Como os segmentos se sobrepõem, algumas frases podem ter várias pontuações, que são então agrupadas em uma única pontuação. Essas pontuações de frases são adicionalmente agregadas e usadas para calcular a pontuação geral de escrita de IA do documento.)

Duas coisas se destacam para artigos de conferência. Primeiro, apenas as frases qualificáveis são extraídas. As perguntas frequentes definem texto qualificável:

"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 qualificável inclui apenas frases de prosa, o que significa que analisamos apenas blocos de texto que estão escritos em frases gramaticais padrão e não incluem outros tipos de escrita, como listas, marcadores (estruturas curtas que não são frases) ou outras estruturas que não são frases.)

Segundo, a porcentagem reflete apenas essa prosa qualificável. As perguntas frequentes esclarecem:

"This percentage is not necessarily the percentage of the entire submission." (Essa porcentagem não é necessariamente a porcentagem de todo o envio.)

Um artigo de conferência de 10 páginas pode ter várias páginas de figuras, tabelas e listas de marcadores. A pontuação de IA cobre apenas as frases de prosa. Uma pontuação de 40% não significa que 40% do artigo é lido como gerado por IA. Significa que 40% da prosa qualificável é.

Artigos de conferência são mais curtos que artigos de periódicos. Após excluir conteúdo que não é prosa, a prosa qualificável em um artigo de conferência típico pode cair na faixa que as perguntas frequentes alertam:

"In shorter documents where there are only a few hundred words, the prediction will be mostly 'all or nothing' because we're predicting on a single segment without the opportunity to overlap." (Em documentos mais curtos onde há apenas algumas centenas de palavras, a previsão será principalmente “tudo ou nada” porque estamos prevendo em um único segmento sem a oportunidade de sobreposição.)

A consequência é direta:

"This means that some text that is a mix of AI-generated and original content could be flagged as entirely AI-generated." (Isso significa que algum texto que é uma mistura de conteúdo gerado por IA e original poderia ser marcado como inteiramente gerado por IA.)

Mesmo que seu artigo de conferência tenha 3,000 palavras no total, a prosa qualificável após excluir legendas de figuras, entradas de tabela e listas de marcadores pode ser muito menor. Menos segmentos significam que cada um pesa mais. Um segmento com pontuação alta pode elevar a porcentagem geral acentuadamente.

Existe uma crença comum de que o detector do Turnitin avalia “burstiness” e “perplexity”. As perguntas frequentes abordam isso diretamente:

"Our model is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity,' or other individual metrics sometimes referenced in public discussions." (Nosso modelo não é explicitamente programado para avaliar sinais específicos como “burstiness”, “perplexity” ou outras métricas individuais às vezes referenciadas em discussões públicas.)

A próxima frase explica o que acontece em vez disso:

"Instead, it learns statistical patterns from our training data." (Em vez disso, ele aprende padrões estatísticos a partir dos nossos dados de treinamento.)

As perguntas frequentes descrevem então no que os classificadores realmente se concentram:

"Our classifiers are trained to detect these differences in word probability and are adept at the particular word probability sequences of human writers." (Nossos classificadores são treinados para detectar essas diferenças na probabilidade de palavras e são habilidosos nas sequências particulares de probabilidade de palavras de escritores humanos.)

Isso significa que o modelo examina padrões de escolha de palavras aprendidos a partir dos dados de treinamento. Ele não mede a variação do comprimento de frases ou a raridade do vocabulário isoladamente. Entender isso ajuda a explicar por que artigos de conferência, com sua redação comprimida e convencional, podem acionar pontuações que parecem incorretas. Os padrões de palavras em prosa acadêmica eficiente podem assemelhar-se a padrões que o modelo aprendeu com exemplos de treinamento gerados por IA.

O guia do relatório é claro sobre como a pontuação deve e não deve ser usada:

"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." (Nosso modelo de detecção de escrita de IA pode não ser sempre preciso (ele pode identificar incorretamente texto escrito por humanos, gerado por IA e parafraseado por IA), então não deve ser usado como única base para ações adversas contra um estudante.)

A próxima frase reforça o ponto:

"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." (É necessária mais escrutínio e julgamento humano em conjunto com a aplicação por parte de uma organização de suas políticas acadêmicas específicas para determinar se ocorreu má conduta acadêmica.)

O mesmo se aplica quando um artigo de conferência sai para revisão por pares. Um membro do comitê de programa ou um editor de periódico que detém uma pontuação alta de IA tem, segundo o próprio relato do fornecedor, uma informação que ainda precisa de um julgamento humano por trás, não uma conclusão.

Veja o que você deve ter em mente se seu artigo de conferência receber uma pontuação alta de IA do Turnitin:

• Artigos de conferência correspondem ao perfil de falso positivo: estrutura uniforme, trabalhos relacionados parafraseados e linguagem de enquadramento repetitiva entre as seções.
• O mínimo de 300 palavras de prosa pode não ser atendido após a exclusão de conteúdo que não é prosa de um artigo com muitas figuras.
• A porcentagem reflete apenas a prosa qualificável, não todo o envio.
• Prosa qualificável curta pode acionar previsões de “tudo ou nada” com poucos segmentos sobrepostos.
• O modelo mede padrões de probabilidade de palavras aprendidos com os dados de treinamento, não burstiness ou perplexity.
• A pontuação não deve ser a única base para qualquer julgamento.

Se você quiser abordar as passagens marcadas, importe seu relatório do Turnitin e trabalhe nelas. Passagens elegíveis podem ser reprocessadas sem custo.