Por que o seu texto entre aspas e com citação continua aparecendo no Similarity Report

Cada correspondência é classificada em um de quatro grupos, conforme o software tenha detectado aspas e uma citação no texto em volta: não citado nem entre aspas, faltando aspas, faltando citação, ou citado e entre aspas. Essa detecção é um modelo de aprendizado de máquina com limites publicados: é treinado em inglês, o reconhecimento de citações cobre quatro formatos nomeados, reconhece sete formas específicas de aspas e pode deixar passar uma citação colocada longe do texto correspondente. Uma passagem atribuída corretamente, mas com a forma errada, cai no grupo errado.

O índice geral de similaridade tem uma definição que você consegue guardar na cabeça: as palavras correspondentes divididas pelo total de palavras do documento. A fórmula não pondera nada e não desconta nada só porque algo está atribuído.

O que move esse número é um mecanismo totalmente diferente, e não cabe a você ajustá-lo. O mesmo site de ajuda tem um guia de filtros de exclusão e lista cinco: exclude bibliography (excluir bibliografia), exclude quoted text (excluir texto entre aspas), exclude cited text (excluir texto citado), exclude small matches (excluir correspondências pequenas), exclude small sources (excluir fontes pequenas). O que mais importa aqui é o segundo. Ele «ignores text enclosed in quotation marks or formatted as block quotes, preventing properly quoted material from appearing as matches» (ignora o texto colocado entre aspas ou formatado como citação em bloco, impedindo que material corretamente citado apareça como correspondência), e também cobre os blocos com recuo quando o arquivo é .doc ou .docx.

Isso já é metade da resposta à pergunta do título. Às vezes um parágrafo corretamente citado aparece porque ninguém ativou esse filtro. Se ele estava ativado ou não é uma decisão de quem rodou a verificação, e isso não aparece no número que enviam a você.

Vale fixar o denominador, porque o indicador de escrita com IA na mesma plataforma não usa esse. A porcentagem dele é calculada sobre a prosa que se qualifica, e não sobre todo o seu arquivo, e é por isso que esse número e os destaques dele podem parecer desproporcionais entre si. Dois números, dois denominadores. Colocamos os dois lado a lado em ler uma pontuação de Similarity ao lado de uma pontuação de escrita com IA.

Um limite que vale conhecer antes de qualquer outra coisa: um trabalho precisa de pelo menos 20 palavras para que seja gerado um Similarity Report.

E a frase de enquadramento com a qual a documentação abre, fácil de passar batido: «Highlighted matches are instances of text similarity; they do not always indicate plagiarism. The match could be a quote or cited material listed in a bibliography.» (As correspondências destacadas são casos de similaridade de texto; nem sempre indicam plágio. A correspondência pode ser uma citação ou um material citado listado em uma bibliografia.)

Os Match Groups dividem a similaridade geral conforme a forma como o texto correspondente foi atribuído. Nas palavras da própria documentação:

• Not Cited or Quoted (não citado nem entre aspas): entram aqui as correspondências «that are not written as a quotation or has no citation to its original source» (que não estão escritas como citação ou que não têm remissão à fonte original).
• Missing Quotations (faltando aspas): «This text is cited, but the match is so exact that it may also require quotation marks.» (Este texto está citado, mas a correspondência é tão exata que também pode exigir aspas.)
• Missing Citation (faltando citação): «This text is written as a quote, but lacks a citation to its original source.» (Este texto está escrito como citação, mas falta a remissão à fonte original.)
• Cited and Quoted (citado e entre aspas): «This text contains a quotation and is cited to a source.» (Este texto contém uma citação e remete a uma fonte.)

A finalidade declarada é permitir que quem avalia «distinguish between integrity issues, teachable moments, and properly-included source text» (distinga entre problemas de integridade, momentos de aprendizado e texto de fonte incluído corretamente). Isso quer dizer que o grupo em que uma correspondência cai faz um trabalho real na forma como uma pessoa lê o seu manuscrito: mais trabalho, diga-se, do que a porcentagem que aparece no topo.

Assim, a pergunta prática deixa de ser «por que houve essa correspondência» e passa a ser «em que grupo essa correspondência caiu, e se esse é o grupo certo».

Esta é a parte que está documentada e que quase nunca é repetida em nenhum outro lugar.

O reconhecimento de citações e aspas é um modelo treinado, não uma regra: o guia diz que se usa tecnologia de aprendizado de máquina «to recognize in-text citations and quotation marks associated with matched text» (para reconhecer citações no texto e aspas associadas ao texto correspondente). E o fornecedor declara a própria taxa de erro em linguagem simples: «Since there are innumerable ways to include in-text citations and quotation marks, the Similarity Report won't get it right every time.» (Como há inúmeras maneiras de incluir citações no texto e aspas, o Similarity Report não acerta sempre.)

Três limites documentados decorrem disso.

Só vale para o inglês. «The technology that powers Match Groups is trained on English content, and this functionality is currently only available for submissions in English.» (A tecnologia que sustenta os Match Groups é treinada com conteúdo em inglês, e essa funcionalidade está disponível atualmente apenas para trabalhos enviados em inglês.)

O treinamento de citações cobre quatro formatos. «Citation recognition models have been trained on citations in certain formats: APA, MLA, Turabian, and IEEE numbered citations and references. If a citation is included for a match but is not in one of these formats, the report may--but is less likely to--recognize those as citations.» (Os modelos de reconhecimento de citações foram treinados com citações em determinados formatos: APA, MLA, Turabian e citações e referências numeradas da IEEE. Se uma correspondência traz uma citação que não está em um desses formatos, o relatório pode reconhecê-la como citação, mas é menos provável.)

Leia essa lista contra a sua própria área. Vancouver, Chicago autor-data, Harvard e as muitas variantes internas dele não estão nela. Isso não significa que nunca sejam reconhecidos: a redação é «less likely» (menos provável); mas se você escreve em um estilo que não é um daqueles quatro, está documentado que as chances de a sua citação atribuída ser lida como atribuída são menores. A qual estilo você está realmente sujeito é uma confusão à parte, e já passamos por isso em qual estilo de referência Harvard é o seu e em escolher um estilo de citação por área.

A distância importa. «Citations may not be recognized if they are placed very far from the matched text.» (As citações podem não ser reconhecidas se estiverem colocadas muito longe do texto correspondente.) Uma citação em bloco cuja referência está no fim do parágrafo seguinte é exatamente esse caso.

Sete formas, listadas explicitamente na página dos Match Groups:

• Aspas duplas retas: "…"
• Aspas simples curvas: ‘…’
• Aspas angulares: «…»
• Aspas angulares invertidas: »…«
• Aspas duplas baixas-altas: „…“
• Colchetes brancos: 『…』
• Colchetes de canto: 「…」

Copie essa lista com cuidado, porque a entrada para aspas duplas é a reta e a entrada para aspas simples é o par curvo. E o guia de filtros de exclusão no mesmo site de ajuda imprime ainda outra lista: oito entradas, com aspas simples retas em vez de curvas, com 《…》 e 〈…〉 acrescentados e com 「…」 fora. Duas listas publicadas em um único site de ajuda, dez formas distintas entre as duas, e nenhuma das duas páginas menciona a outra.

Não transforme isso em uma regra sobre qual forma usar. Transforme em uma regra sobre não deixar que nada altere as suas aspas entre o rascunho que você revisou e o arquivo que você envia.

E um modo de falha é declarado sem rodeios: «Quotation marks are not recognized if they are separated from the text by a space (for example, " this improperly quoted text").» (As aspas não são reconhecidas quando estão separadas do texto por um espaço; por exemplo: " este texto entre aspas de forma incorreta".)

Essa é a coisa mais fácil de verificar em todo este artigo. Um espaço perdido depois de uma aspa de abertura — do tipo que sobrevive a um copiar e colar de um PDF, ou que aparece quando um parágrafo é recomposto — basta para mover uma correspondência de Cited and Quoted para Missing Quotations.

Onde as aspas não são reconhecidas, a correspondência cai em «Missing Quotations» (faltando aspas) ou em «Not Cited or Quoted» (não citado nem entre aspas), dependendo de ter sido detectada uma citação. As duas falhas se somam.

Quando as mesmas palavras correspondem a mais de uma fonte, o relatório escolhe uma para mostrar primeiro, e a ordem de prioridade é publicada: Internet, depois Publications, depois Submitted Works.

Essa ordem pode parecer contraintuitiva quando você olha para o seu próprio trabalho. Uma frase que você pegou, corretamente, de um artigo publicado pode ser atribuída no cartão a um site que reproduziu esse artigo. Existe um controle «Show overlapping sources» (mostrar fontes sobrepostas) que revela o resto, e uma ação View other sources (ver outras fontes) em cada cartão individual.

Vale saber antes de discutir com uma correspondência: a fonte nomeada no cartão é a correspondência mais forte, não necessariamente a fonte que você usou.

Nada disso exige acesso ao relatório. Você pode fazer isso no arquivo que está prestes a enviar.

1. Encontre todas as citações diretas e verifique se a aspa de abertura está colada ao primeiro caractere, sem nenhum espaço entre os dois. Procure uma aspa seguida de um espaço.
2. Confira as formas das aspas, e confira de novo depois de qualquer conversão. Uma ida e volta por um modelo, um PDF ou o editor de um coautor troca as retas pelas curvas sem avisar. Em um manuscrito traduzido, você pode ter formas que não aparecem em nenhuma das duas listas publicadas.
3. Aproxime as citações. Se a referência de uma citação está no fim da frase ou do parágrafo seguinte, coloque-a ao lado do material citado.
4. Anote o seu estilo de citação. Se não for APA, MLA, Turabian ou IEEE numerado, espere um reconhecimento menos confiável e esteja pronto para explicar uma correspondência, em vez de supor que o relatório vai classificá-la por você.
5. Para tudo o que ainda apresentar correspondência, verifique o cartão da fonte em vez da cor do destaque, já que a fonte nomeada é a correspondência mais forte e pode não ser a sua fonte real.

O lado da similaridade de um relatório não é a nossa área, e reescrever não é o que resolve isso. Se uma passagem foi correspondida porque é uma citação, a resposta é atribuição. Mudar as palavras de uma citação só faz dela uma citação pior.

A ferramenta HumanPen atua no outro indicador. Quando um manuscrito volta com uma porcentagem de escrita com IA e passagens específicas destacadas, é a importação desse relatório que indica a ela quais parágrafos abrir.

Se o seu relatório traz os dois números, são problemas separados com soluções separadas, e tratá-los como um só é o caminho pelo qual as pessoas acabam reescrevendo citações que só precisavam que um par de aspas fosse movido.

A minha citação está corretamente referenciada e mesmo assim aparece como correspondência. Isso está errado? Não necessariamente. A documentação afirma que as correspondências destacadas são casos de similaridade de texto e nem sempre indicam plágio, e existe um filtro de exclusão separado para texto entre aspas, que alguém precisa ativar. Com ele desligado, é esperado que o material corretamente citado apresente correspondência. O que importa então é em qual dos quatro grupos ele cai.

O relatório entende o meu estilo de citação? Está documentado que o reconhecimento de citações foi treinado nos formatos APA, MLA, Turabian e IEEE numerado. Outros formatos podem mesmo assim ser reconhecidos, mas o guia diz que é menos provável.

Por que as minhas aspas não contaram? As formas reconhecidas estão listadas, e há uma falha explícita: aspas separadas do texto por um espaço não são reconhecidas. Procure um espaço logo depois de uma aspa de abertura.

Tudo isso vale para um manuscrito que não foi escrito em inglês? Está documentado que os Match Groups foram treinados com conteúdo em inglês e estão disponíveis apenas para trabalhos enviados em inglês.