O Turnitin rejeitou meu PDF digitalizado: por que arquivos de imagem falham no envio

Um PDF digitalizado, ou qualquer arquivo baseado em imagem, falha no Turnitin porque o Turnitin exige texto extraível e selecionável, e uma página digitalizada é uma imagem, não texto. A própria página de suporte do Turnitin informa que o arquivo precisa conter pelo menos 20 palavras de texto extraível, e que documentos digitalizados, PDFs de imagem, formulários ou portfólios são rejeitados automaticamente. A solução também está documentada: converta a imagem em texto com OCR antes de enviar ou cole o texto direto no campo de envio. Mudar o formato do arquivo sem converter a imagem não ajuda.

A página de suporte do Turnitin "Why am I unable to submit my paper to Turnitin?" (por que não é possível enviar o meu trabalho ao Turnitin?) lista as regras técnicas para os arquivos que devem gerar um Similarity Report:

"Supported file types: Your file must be in a supported format (e.g., .docx, .pdf, .txt, .rtf)." (tipos de arquivo suportados: o seu arquivo precisa estar em um formato suportado, por exemplo .docx, .pdf, .txt ou .rtf.)

"Size & length limits: The file must be under 100 MB and fewer than 800 pages." (limites de tamanho e extensão: o arquivo precisa ter menos de 100 MB e menos de 800 páginas.)

"Minimum word count: The document must contain at least 20 words of extractable prose text." (contagem mínima de palavras: o documento precisa conter pelo menos 20 palavras de texto extraível.)

"No images or scanned text: The text in your document must be selectable and copyable. Scanned documents, image-based PDFs, forms, or portfolios will be automatically rejected." (nada de imagens ou texto digitalizado: o texto do seu documento precisa poder ser selecionado e copiado. Documentos digitalizados, PDFs de imagem, formulários ou portfólios serão rejeitados automaticamente.)

A palavra-chave é extraível. O texto precisa poder ser selecionado com o cursor e copiado: o pipeline lê a camada de texto do arquivo, não os pixels.

O erro mais comum nesse caso está documentado na central de ajuda do Turnitin:

"The error message 'Your submission must contain 20 words or more' indicates that the file you are attempting to submit does not meet the minimum requirement of 20 words of extractable text." (a mensagem de erro "Your submission must contain 20 words or more" indica que o arquivo que você está tentando enviar não cumpre o requisito mínimo de 20 palavras de texto extraível.)

"This commonly occurs when the submitted document does not contain enough extractable text. For example, the file may consist primarily of images rather than selectable text, or it may contain fewer than 20 words." (isso costuma acontecer quando o documento enviado não contém texto extraível suficiente. Por exemplo, o arquivo pode ser formado principalmente por imagens em vez de texto selecionável, ou pode ter menos de 20 palavras.)

A autoverificação oficial é um teste de copiar e colar:

"Try highlighting the text in your document and copying and pasting it into another application. If you cannot select or copy the text, the document may contain images instead of extractable text." (tente selecionar o texto do seu documento, copiá-lo e colá-lo em outro aplicativo. Se você não consegue selecionar nem copiar o texto, é possível que o documento contenha imagens em vez de texto extraível.)

Se você não consegue selecionar e copiar o texto, o arquivo é uma imagem do ponto de vista do pipeline, por melhor que a digitalização pareça aos olhos de uma pessoa.

A página de erros de envio do Turnitin chama o problema pelo nome:

"If you scanned the document you are trying to submit, the document is likely an image. In order to submit a document that has been scanned, you must use a program to convert the image into text." (se você digitalizou o documento que está tentando enviar, provavelmente ele é uma imagem. Para enviar um documento digitalizado, você precisa usar um programa que converta a imagem em texto.)

A mesma página explica a verificação de fundo:

"The file you are trying to submit does not contain at least 20 words or 100 characters of text." (o arquivo que você está tentando enviar não contém pelo menos 20 palavras ou 100 caracteres de texto.)

Portanto, a solução não é "exportar a mesma digitalização em outro formato": a solução é converter a imagem em uma camada de texto com OCR ou colar o texto direto no campo de envio.

A página de requisitos de arquivo do Turnitin agrupa as rejeições relacionadas:

"Turnitin will not accept PDF image files, forms, or portfolios, files that do not contain highlightable text (e.g. a scanned file - usually an image), documents containing multiple files or files created with software other than Adobe Acrobat." (o Turnitin não aceita arquivos PDF de imagem, formulários ou portfólios, arquivos que não contenham texto selecionável, por exemplo um arquivo digitalizado, em geral uma imagem, documentos que contenham vários arquivos ou arquivos criados com software diferente do Adobe Acrobat.)

A mesma orientação recomenda como os PDFs devem ser criados:

"Turnitin recommends using Adobe Acrobat or Microsoft Word 365 to create PDF files. PDFs generated by other applications may not always be processed successfully." (o Turnitin recomenda usar o Adobe Acrobat ou o Microsoft Word 365 para criar arquivos PDF. PDFs gerados por outros aplicativos nem sempre são processados com sucesso.)

Falhas relacionadas que parecem diferentes, mas vêm da mesma raiz:

• A primeira página contém uma imagem e nenhum texto: o arquivo pode deixar de ser processado por completo.
• Arquivos com imagens vetoriais densas podem demorar demais ou nem chegar a ser processados.
• Arquivos protegidos por senha são rejeitados.

Todos esses casos são a mesma coisa: o pipeline não consegue ler o texto do jeito que precisa.

A própria orientação do Turnitin dá o caminho que funciona, em ordem:

1. Verifique se o arquivo tem texto extraível: selecione e copie parte do texto para um editor de texto simples. Se não copiar nada, o arquivo é uma imagem.
2. Converta a imagem em texto com um programa de OCR e depois revise o resultado: o OCR pode introduzir erros de caracteres.
3. Reenvie o arquivo convertido, agora baseado em texto, ou cole o texto direto no campo de texto da atividade.

O limite que importa: mudar o formato, por exemplo de PNG para PDF, não adianta nada se o texto continua sendo pixels. O texto precisa existir como caracteres selecionáveis antes de o pipeline poder compará-lo.

Um PDF digitalizado falha no envio por um motivo documentado: o pipeline exige pelo menos 20 palavras de texto extraível e selecionável, e uma página digitalizada é uma imagem. As próprias páginas do Turnitin estabelecem o mínimo, declaram a rejeição automática de PDFs de imagem e dão a verificação oficial: se você não consegue selecionar e copiar o texto, ele não é texto para o pipeline. A solução é converter a imagem em texto com OCR e revisá-lo, ou colar o texto no campo de envio, e não reexportar a mesma digitalização em outro formato. Entenda a regra, verifique o seu arquivo do modo oficial e o erro deixa de ser um mistério.