Definición
Son programas que estiman la probabilidad de que un texto haya sido generado por un modelo de lenguaje. Se basan en lo previsible que es el texto: la IA tiende a elegir las palabras más probables. Los estudios independientes muestran que fallan a menudo, en los dos sentidos, y que se engañan con facilidad si el texto se parafrasea.
Desliza el esquema para verlo entero.
Por qué no sirven como prueba
Un detector da una probabilidad, no una certeza. Si se aplica a cientos de trabajos, incluso un porcentaje pequeño de falsos positivos señala a estudiantes que no han hecho nada.
Además, perjudican más a quien escribe en una lengua que no es la suya: sus textos son más previsibles y el detector los confunde con los de una máquina.
Por qué importa en la universidad
- No sirven como prueba. Una acusación basada solo en un detector no se sostiene.
- Perjudican a algunos. Señalan más a menudo a quien escribe en una lengua que no es la suya.
- Mejor rediseñar. Cambiar la tarea protege más la integridad que vigilar el resultado.
Un poco de historia
Cómo se ha llegado hasta aquí
Una carrera que empezó con ChatGPT y que los detectores van perdiendo.
Nov. 2022
Llega ChatGPT
Las universidades buscan de inmediato una forma de saber quién lo usa.
Ene. 2023
Primeros detectores
Aparecen herramientas específicas y los servicios antiplagio añaden la detección de IA.
Jul. 2023
OpenAI retira el suyo
La propia empresa creadora de ChatGPT retira su detector por su baja precisión.
2023
Estudios independientes
Weber-Wulff y su equipo comprueban que ninguna herramienta es fiable, y Liang y su equipo muestran el sesgo contra quien escribe en una segunda lengua.
Ejemplos en el aula
Evaluar el proceso
Pedir borradores, notas y versiones, no solo el texto final.
Defensa oral
Una conversación breve sobre el trabajo entregado.
Declarar el uso
Pedir que el estudiante cuente cómo y para qué usó la IA.
Para saber más
Lecturas recomendadas
- Weber-Wulff, D., et al. (2023). Testing of detection tools for AI-generated text. International Journal for Educational Integrity, 19, 26.
- Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., y Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7), 100779.