O Turnitin sinaliza textos em inglês de autores não nativos? Um estudo publicado em 2026

Às vezes, neste estudo, e com uma taxa similar à de notícias da BBC. De 48 redações de estudantes de inglês como língua estrangeira (EFL), todas escritas antes de agosto de 2022, o Turnitin pontuou 4 acima de 20%, e o Originality também. Em 48 textos jornalísticos da BBC escritos por profissionais, o Turnitin pontuou 3 acima de 20% e o Originality nenhum. Os autores não encontraram diferença estatisticamente significativa para o Turnitin entre os dois grupos, e uma diferença no limite da significância para o Originality. Ambos os detectores tiveram desempenho ruim em textos metade humanos e metade IA.

O estudo é "Evaluating the accuracy and reliability of AI content detectors in academic contexts" (Avaliação da precisão e confiabilidade de detectores de conteúdo de IA em contextos acadêmicos), de autoria de Mohammad Hadra, Karleen Cambridge e Mostefa Mesbah, da Universidade Sultão Qaboos, publicado em acesso aberto no International Journal for Educational Integrity em 2 de fevereiro de 2026. Os autores declaram não haver conflitos de interesse.

Eles reuniram 192 textos divididos em quatro grupos de 48:

• Textos de estudantes de EFL. Trabalhos finais dos cursos de inglês para ciências do Foundation Program da universidade, todos enviados antes de agosto de 2022, antes que ferramentas como o ChatGPT estivessem acessíveis aos alunos.
• Escrita profissional. Textos do XSum, um conjunto de dados de pesquisa composto por artigos de notícias da BBC.
• Gerados por IA. Textos produzidos por dois grandes modelos de linguagem baseados em propostas de redação semelhantes às dos estudantes.
• Híbrido. Cerca de metade do texto escrito por estudantes de EFL e metade gerado por IA, combinados em uma única redação.

Os textos tinham entre 300 e 1.100 palavras, e 135 dos 192 abordavam tópicos de ciências. Os detectores foram executados entre janeiro e maio de 2025. A pontuação de cada detector foi categorizada em três faixas: de 0 a 20% contava como Humano, de 21% a 79% como Híbrido, e 80% ou mais como IA.

No caso do Turnitin, a diferença entre as redações dos estudantes e os textos jornalísticos não foi estatisticamente significativa (p = 0,50). Os autores afirmam que isso "suggests that Turnitin did not exhibit measurable bias against EFL writers within this dataset." (sugere que o Turnitin não apresentou um viés mensurável contra redatores de EFL dentro deste conjunto de dados). O Originality classificou corretamente todos os textos de notícias, mas errou em quatro redações de alunos — uma diferença que os autores descrevem como uma tendência limítrofe (teste unilateral, p = 0,058), na mesma direção de pesquisas anteriores sobre o viés de detectores contra autores não nativos.

Analise esses dados levando em conta o tamanho da amostra. Quatro redações em 48 equivalem a cerca de uma em cada doze. Isso não é zero, e um resultado acima de 20% é exatamente o tipo de pontuação pelo qual um aluno pode ser chamado para dar explicações. Além disso, a comparação foi feita com textos jornalísticos, e não com artigos acadêmicos escritos por falantes nativos.

Nos textos metade humanos e metade IA, ambos os detectores falharam na maioria das vezes em classificá-los na faixa intermediária. O Turnitin colocou 31% deles nessa faixa e o Originality apenas 2%. A interpretação dos autores é de que os detectores "appear calibrated primarily for binary distinctions (AI vs. Human) and struggle to identify partial or mixed AI involvement." (parecem calibrados principalmente para distinções binárias [IA vs. Humano] e têm dificuldade em identificar a participação parcial ou mista de IA).

A precisão geral considerando os quatro grupos reunidos foi de 0,61 para o Turnitin e de 0,69 para o Originality.

Ambos os detectores foram muito menos precisos em textos de ciências do que em textos de humanidades:

Esses números englobam os quatro grupos reunidos, portanto medem erros em todas as direções, e não apenas textos humanos pontuados como IA. Os autores sugerem que características comuns na escrita científica, "such as lexical density, technical terminology, and formulaic sentence structure, may be more difficult for detectors to distinguish from AI-generated text." (como densidade lexical, terminologia técnica e estruturas frasais formulaicas, podem ser mais difíceis para os detectores distinguirem de textos gerados por IA).

Um outro estudo de 2026, avaliando o Pangram e o GPTZero em resumos já publicados, constatou que resumos recentes de ciência política e teologia foram sinalizados com mais frequência do que os de química e ciência da computação. Aquele estudo analisou outro aspecto e usou detectores diferentes, como abordamos em o polimento com IA faz seu texto ser sinalizado?. Os dois resultados não constituem uma regra sobre quais disciplinas seriam mais seguras.

A extensão do texto também influenciou, embora não de forma linear. Nos quatro grupos, ambos os detectores foram mais precisos nos textos mais curtos (300 a 330 palavras) e menos precisos na faixa intermediária (450 a 550 palavras): para textos curtos, médios e longos, o Turnitin marcou 0,87, 0,56 e 0,68, enquanto o Originality marcou 0,96, 0,63 e 0,84.

• Dois detectores, testados no início de 2025. Apenas o Turnitin e o Originality foram avaliados, entre janeiro e maio de 2025, e as ferramentas mudam com atualizações.
• Apenas um grupo de estudantes. As redações de EFL vieram de um único programa preparatório em uma única universidade.
• Notícias como grupo de comparação, e não textos acadêmicos. Os textos profissionais foram artigos da BBC.
• Proporções fixas de mistura. Cada texto híbrido era composto de cerca de 50/50, o que, como observam os autores, raramente reflete a escrita real dos alunos.

A conclusão dos pesquisadores é de que "neither detector achieves the level of reliability required for high-stakes decision-making." (nenhum dos dois detectores atinge o nível de confiabilidade exigido para tomadas de decisão de alto risco).

1. Identifique em qual faixa você está. Neste estudo, uma pontuação de 20% ou menos foi considerada humana. O Turnitin exibe um asterisco em vez de um número para pontuações baixas; consulte o que significa o asterisco na pontuação de IA do Turnitin.
2. Guarde seus rascunhos e o histórico de versões. Eles comprovam como o texto foi desenvolvido, algo que uma pontuação isolada não é capaz de mostrar.
3. Observe quais trechos foram destacados. São exatamente essas passagens que você deve estar preparado para justificar.
4. Apresente as evidências. Estudos como este, além de pesquisas anteriores sobre autores não nativos citadas em por que autores não nativos de inglês são sinalizados com mais frequência, sustentam o fato de que a pontuação de um detector por si só não constitui prova.

Se você tem um relatório do Turnitin ou do iThenticate e os trechos sinalizados precisam de reescrita, é exatamente isso que a opção de humanização do HumanPen faz. Importe o relatório do Turnitin ou iThenticate e reescreva apenas os trechos sinalizados. Você recebe um arquivo editável no mesmo formato. Verifique primeiro as regras do seu curso sobre assistência por IA e leia o texto retornado antes de enviá-lo.

O Turnitin tem viés contra autores de inglês não nativos? Neste conjunto de dados, o Turnitin pontuou redações de estudantes de EFL e textos de notícias da BBC praticamente no mesmo nível, sem diferença estatística significativa. Esse resultado é fruto de um único teste com um grupo específico de alunos, e não uma resposta definitiva.

O que significava "sinalizado" neste estudo? Uma pontuação acima de 20%. Pontuações de 21% a 79% contaram como Híbrido e 80% ou mais como IA.

As redações dos estudantes foram realmente escritas sem IA? Elas foram enviadas antes de agosto de 2022. Os autores afirmam que ferramentas como o ChatGPT ainda não estavam disponíveis para esses alunos, e os geradores de texto existentes na época exigiam acesso restrito e configurações técnicas avançadas.

Qual detector se saiu melhor? O Originality teve uma precisão geral maior (0,69 contra 0,61). Nas redações de estudantes, os dois empataram, com cada um pontuando 4 de 48 acima de 20%, enquanto o Originality acertou todos os textos de notícias. Nenhum dos dois lidou bem com textos mistos.

• 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, artigo 4, publicado em 2 de fevereiro de 2026; acessado em 28 de setembro de 2026 (Tabelas 1–5).