A tradução automática é marcada como IA pelo Turnitin?

Sim. A saída da tradução automática é marcada pelo detector de escrita por IA do Turnitin, e isso não é um defeito. Ferramentas de tradução e geradores de IA rodam sobre a mesma família de tecnologia, então o texto que sai de um tradutor carrega a mesma assinatura estatística que o classificador foi treinado para reconhecer. Você escreveu as ideias em outro idioma, e uma máquina as verteu para o inglês. É essa versão que o detector lê.

Isso não é a mesma coisa que deixar uma IA escrever o seu trabalho do zero. A distinção importa para você. Não importa para o detector, porque o detector olha o texto pronto, e não o modo como ele foi produzido.

O que vem a seguir é por que isso acontece, quais partes do seu texto traduzido ficam mais expostas, quais características da prosa traduzida coincidem com a descrição oficial dos textos propensos a falso positivo, e onde fica a linha entre usar um tradutor para um primeiro rascunho e entregar algo que o detector vai ler como IA.

A descrição que o Turnitin publica sobre o funcionamento do detector começa pela segmentação. As frases são extraídas, cortadas em seções sobrepostas, e cada seção recebe um valor entre 0 e 1. Esse valor é a probabilidade de o texto ter sido gerado por uma máquina. As notas das seções são reunidas em notas de frase, e as notas de frase são agregadas no número do documento.

A mesma página de FAQ diz a que o classificador é de fato sensível. O Turnitin afirma que seus classificadores são treinados para detectar diferenças na probabilidade das palavras e são bons em reconhecer as sequências particulares de probabilidade de palavras dos autores humanos. É essa a propriedade medida. Não o tamanho do vocabulário, não o comprimento da frase, não se uma expressão soa formal. A sequência das escolhas de palavras, ordenada pelo quanto cada uma era previsível.

Ferramentas de tradução automática e geradores de texto por IA têm a mesma origem. Ambos usam modelos de linguagem para produzir texto em inglês. Um tradutor escolhe a palavra inglesa mais provável em cada posição, dada a frase de origem — a mesma operação estatística que um modelo generativo faz ao prever o próximo trecho. A saída dos dois tende ao caminho de alta frequência, fluente e de baixa surpresa. É exatamente a distribuição que o classificador foi treinado para marcar.

Uma objeção comum é que o Turnitin não calcula explicitamente "perplexity" (perplexidade, a medida de quanto as palavras são previsíveis) nem "burstiness" (a variação de ritmo entre as frases), duas métricas muito citadas em discussões públicas. O FAQ confirma isso: o modelo não é programado explicitamente para avaliar sinais específicos como "burstiness," "perplexity," ou outras métricas individuais. Mas a frase logo em seguida, na mesma página, diz que o modelo, em vez disso, aprende padrões estatísticos a partir dos dados de treinamento. A própria perplexidade é uma medida de probabilidade de palavras. Negar que o modelo calcule uma métrica com nome não é o mesmo que negar que ele leia probabilidades de palavras. Ele lê. Foi para isso que foi treinado.

O Turnitin chama de texto qualificado aquilo que analisa. O FAQ diz que o texto qualificado inclui apenas frases de prosa, ou seja, só são analisados blocos de texto escritos em frases gramaticais padrão. Listas, marcadores e outras estruturas que não são frases ficam de fora.

Um parágrafo traduzido por máquina é feito de frases gramaticais padrão. É essa a finalidade de uma ferramenta de tradução: produzir prosa. Portanto, a prosa traduzida cai inteiramente dentro do texto qualificado que o detector processa.

O detector não sabe que você escreveu o texto de origem você mesmo, em outro idioma. Não sabe que um tradutor o verteu. Não sabe que você depois o editou. Ele olha a prosa inglesa final e atribui uma probabilidade. Você usou um tradutor para ajudar a verter seu próprio pensamento original para o inglês; outra pessoa usou um chatbot para gerar um trabalho que não escreveu. São atos diferentes. Para o detector, produzem o mesmo tipo de saída.

Esta é a parte que soa injusta para muita gente, e entendemos por quê. Mas o detector nunca foi feito para distinguir ajuda de autoria. Ele foi feito para marcar texto cuja distribuição de probabilidade das palavras parece produzida por máquina. Ferramentas de tradução produzem texto que parece produzido por máquina — porque foi.

O FAQ do Turnitin traz uma passagem sobre os tipos de texto que costumam gerar 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 os falsos positivos — marcar por engano como gerado por IA um texto escrito por um humano — podem incluir conteúdo com pouca variação estrutural, texto que se repete ao pé da letra ou texto parafraseado sem desenvolver ideias novas.)

A frase logo depois é a que costuma ser deixada de fora: "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 o nosso indicador apontar uma quantidade maior de escrita por IA nesse tipo de texto, recomendamos que você leve isso em conta ao olhar a porcentagem indicada.)

A prosa traduzida apresenta essas três características com mais frequência do que um texto escrito originalmente em inglês.

A variação estrutural tende a ser baixa porque as ferramentas de tradução favorecem uma única forma de frase por padrão de origem. Uma frase sujeito-verbo-objeto na origem vira uma frase sujeito-verbo-objeto na tradução, e a ferramenta não introduz as quebras de ritmo e os desvios estruturais que um autor escrevendo nativamente em inglês produziria por conta própria.

A repetição literal aparece porque o tradutor se fixa em um único equivalente inglês para uma palavra recorrente na origem e o reutiliza. Um humano escrevendo em inglês do zero iria buscar um sinônimo. O tradutor não, porque o trabalho dele é casar com a origem, não variar o estilo.

Parafrasear sem ideias novas é a condição estrutural da própria tradução. Uma tradução verte o mesmo conteúdo em outras palavras. Nenhum argumento novo entra. Isso é a definição de paráfrase.

A recomendação do próprio Turnitin é que, quando o indicador mostrar uma quantidade maior de escrita por IA nesse tipo de texto, você leve isso em conta ao olhar a porcentagem. Essa frase não é uma nota de rodapé. É a posição oficial sobre como ler uma pontuação alta exatamente no tipo de texto que a tradução automática produz.

O FAQ do Turnitin descreve o que acontece com submissões curtas:

"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, com apenas algumas centenas de palavras, a previsão será basicamente "tudo ou nada", porque estamos prevendo com base em um único segmento, sem chance de sobrepor.)

A frase seguinte: "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 um texto que mistura conteúdo gerado por IA e conteúdo original pode ser marcado como inteiramente gerado por IA.)

Muitas submissões traduzidas por máquina são curtas. Um resumo, uma seção de metodologia, uma carta de apresentação, uma resposta aos comentários da banca. Algumas centenas de palavras. Se o documento é curto o bastante para render um único segmento, o detector não tem sobreposição com que calcular uma média, e uma mistura de inglês traduzido e inglês escrito originalmente pode ser marcada como inteiramente gerada por IA. Quanto mais curto o documento, menos espaço há para a pontuação se recuperar de um segmento ruim.

Um passo seguinte comum é passar o texto traduzido por uma ferramenta de paráfrase ou por um "humanizer" (ferramenta que se apresenta como capaz de deixar o texto mais humano) para quebrar os padrões de palavras. O FAQ do Turnitin trata disso diretamente:

"Furthermore, it can also identify instances where AI-generated text may have been modified by AI paraphraser or bypasser (also called humanizers) tools to evade detection." (Além disso, ele também pode identificar casos em que texto gerado por IA tenha sido modificado por ferramentas de paráfrase ou de evasão por IA — também chamadas de humanizers — para escapar da detecção.)

O alcance do detector inclui texto modificado por ferramentas de paráfrase ou de evasão. Passar a saída do tradutor por uma ferramenta de reescrita não tira você do alcance da detecção. Coloca você numa segunda categoria que o detector foi construído para pegar.

Há também um problema estrutural. Ferramentas de paráfrase fazem exatamente o que a descrição de falso positivo do Turnitin nomeia: parafraseiam sem desenvolver ideias novas. O conteúdo fica igual, as palavras mudam, e a distribuição de probabilidade das palavras continua com forma de máquina, porque foi uma máquina que fez a mudança. As duas ferramentas em sequência, tradutor e depois parafraseador, produzem um texto que acerta tanto o sinal original quanto o sinal de paráfrase.

Queremos ser honestos quanto à distinção. Escrever conteúdo original no seu próprio idioma e usar um tradutor para vertê-lo ao inglês é um ato diferente de pedir a uma IA que gere conteúdo que você não escreveu. No primeiro caso, é ajuda com uma barreira de idioma. No segundo, é terceirizar o pensamento.

O detector do Turnitin não separa as duas coisas. Não foi projetado para isso. O trabalho dele é estimar a probabilidade de um dado trecho de prosa inglesa ter sido produzido por uma máquina. Um tradutor é uma máquina. A prosa que ele produz foi produzida por uma máquina. O fato de a máquina estar traduzindo, em vez de gerando a partir de um comando, não muda o que o classificador vê.

Isso é realmente duro para quem escreve numa segunda língua, e não vamos fingir que não é. As mesmas ferramentas que baixam a barreira do idioma também produzem o texto que o detector foi feito para marcar. Ninguém resolveu o problema de separar prosa traduzida de prosa gerada no nível da probabilidade das palavras, porque nesse nível as duas se parecem.

Três coisas, em ordem de esforço.

Primeiro, use o tradutor para um primeiro rascunho e nada mais. A saída bruta da tradução é a versão mais exposta ao detector. É um ponto de partida, não um produto pronto.

Segundo, reescreva frase por frase no seu próprio inglês. Reestruture. Mude a forma da frase. Mova uma oração para outra posição. Divida uma frase longa em duas. Junte duas curtas. O objetivo é empurrar as sequências de probabilidade das palavras de volta para os padrões irregulares e idiossincráticos que o classificador associa a autores humanos. O seu inglês não precisa ser perfeito. Precisa ser seu, e não do tradutor.

Terceiro, se você tiver acesso ao relatório de escrita por IA, use-o como escopo. As passagens destacadas são as que o classificador leu como produzidas por máquina. São essas as passagens a reescrever. Tudo o que está fora delas pode ficar como está.

O que não ajuda: passar o texto por uma segunda ferramenta. O que os detectores de IA medem trata do sinal subjacente com mais profundidade. Parafraseado com IA e ainda assim marcado mostra o que acontece quando é a saída do parafraseador que acaba sendo enviada. Por que os detectores discordam explica por que dois detectores podem dar duas pontuações diferentes para o mesmo texto traduzido.

Se o seu orientador compartilha o relatório de escrita por IA com você, a primeira coisa a verificar não é a porcentagem. É a estrutura do que foi marcado.

Um relatório que destaca parágrafos inteiros de prosa traduzida está lendo os padrões de palavras do tradutor. Um relatório que destaca apenas a primeira e a última frase dos parágrafos pode estar mostrando o efeito de segmento curto descrito acima. Um relatório que marca uma mistura de seções traduzidas e seções escritas originalmente é o caso de tudo ou nada dos documentos curtos.

Como ler um relatório de escrita por IA do Turnitin percorre os estados do indicador e o que cada um diz e não diz. 20% de IA é alto demais? trata do que o limite significa e por que a faixa abaixo dele não mostra nenhum número.

A porcentagem num documento traduzido não é uma afirmação sobre a sua honestidade. É uma afirmação sobre a distribuição de probabilidade das palavras do texto que você enviou. São coisas diferentes, e a conversa com o seu orientador deve tratá-las como coisas diferentes.

O meu trabalho traduzido vai ser marcado com certeza? Em detecção nada é certo. Mas a prosa traduzida carrega padrões de probabilidade de palavras que o classificador foi treinado para associar a saída de máquina, então o risco é real e estrutural, não acidental.

Usar um tradutor é o mesmo que usar o ChatGPT para escrever o meu trabalho? Não. Você escreveu o conteúdo de origem você mesmo, e um tradutor o verteu. Mas o detector lê o texto inglês final, e nesse nível o texto foi produzido por um modelo de linguagem. A distinção importa para você e para o seu orientador. Não importa para o classificador.

Se eu parafrasear o texto traduzido, a pontuação cai? Ferramentas de paráfrase caem dentro do alcance publicado do detector. O FAQ diz que o modelo pode identificar texto modificado por ferramentas de paráfrase ou de evasão por IA. Parafrasear também coincide com o perfil de falso positivo de texto parafraseado sem desenvolver ideias novas.

Meu texto traduzido tirou uma pontuação alta, mas escrevi cada palavra da origem. O que eu faço? O FAQ do Turnitin recomenda que, quando o indicador mostra uma quantidade maior de escrita por IA em texto sem variação estrutural ou com repetição literal, você leve isso em conta ao olhar a porcentagem. Leve o rascunho no idioma de origem, a tradução e o seu histórico de edições. A porcentagem é uma propriedade do texto em inglês, não um veredito sobre o seu processo.

Isso quer dizer que não devo usar ferramentas de tradução? Não. Use-as para um primeiro rascunho. Depois reescreva o inglês você mesmo, frase por frase, até a prosa soar como você, e não como a ferramenta. O detector marca o que a máquina produziu. O seu trabalho é garantir que a versão final seja o que você produziu.