¿Turnitin detecta IA en español y otros idiomas? Hoja de ruta

La detección de IA fuera del inglés es más irregular que en inglés: la detección de escritura con IA de Turnitin cubre inglés, español, japonés y árabe, y la mayoría de los detectores se crearon primero para el inglés. Hoy el Humanizer acepta textos en inglés. El coreano, el español, el chino, el japonés y el francés están en camino, y la guía de entrada de la aplicación ya los muestra como próximamente. El sitio web de Academic Humanizer y este blog ya están disponibles en 10 idiomas.

No vamos a poner fechas a los nuevos idiomas de entrada, y en este artículo explicamos por qué. Humanizar bien en un idioma no es una tarea de traducción. Depende de cómo se comportan los detectores en ese idioma, de cómo se divide el texto en unidades y de cómo es la buena prosa académica allí.

En qué punto está el soporte de idiomas

El inglés abarca una gran parte de la publicación académica y es también el idioma en torno al cual se construyeron la mayoría de los detectores de IA. Muchos investigadores que publican en inglés lo escriben como segunda o tercera lengua, de modo que la entrada en inglés ya sirve a un grupo de autores multilingüe.

Por qué humanizar en varios idiomas es más difícil de lo que parece

Un humanizador que trabaja frase a frase, como Humanizer, tiene que hacer tres cosas en cualquier idioma: dividir el borrador en frases correctamente, encontrar las frases que marcan los detectores y reescribir solo esas con un registro adecuado para la disciplina. Cada paso se complica fuera del inglés.

1. Los detectores se diseñaron sobre todo para el inglés

La mayoría de los detectores de IA más usados se desarrollaron y probaron principalmente con textos en inglés. Su comportamiento en otros idiomas está menos estudiado, y la investigación ya ha demostrado que los detectores pueden juzgar mal la escritura que se aparta de los patrones con los que fueron entrenados. Un trabajo sobre textos de autores no nativos de inglés observó que los detectores los marcaban como generados por IA mucho más a menudo que los textos de hablantes nativos, en buena parte porque una redacción más simple y predecible les parece propia de una máquina. Hablamos de ese estudio en Los detectores GPT tienen sesgo contra quienes escriben en inglés como segunda lengua.

Si la detección ya es desigual dentro del inglés, es razonable esperar más desigualdad entre idiomas. Antes de aceptar un nuevo idioma de entrada necesitamos saber qué detectores lo manejan, en qué discrepan y cómo es un falso positivo en ese idioma.

2. El texto se divide de otra manera

Los detectores y los modelos de lenguaje no leen palabras. Leen tokens, que son fragmentos de texto que casualmente figuran en el vocabulario del modelo. En inglés, las palabras comunes suelen ser un solo token. En idiomas con muchas terminaciones o sin espacios entre palabras, la misma idea puede cortarse en más fragmentos y más pequeños.

The results were significant / 결과가 유의미했다

Solo ilustrativo. Verde: un fragmento conocido que equivale a una palabra entera. Rojo: una palabra partida en fragmentos más pequeños. La división real depende del vocabulario de cada modelo.

Esto importa por dos motivos. Los detectores estadísticos evalúan lo predecible que es cada token, así que una división distinta cambia la señal que reciben. Y la propia división en frases varía: el chino y el japonés usan otra puntuación final y no ponen espacios, mientras que el coreano y el japonés tienen terminaciones de frase que expresan cortesía y registro. Un humanizador que divide mal las frases reescribirá los fragmentos equivocados.

3. El registro académico cambia según el idioma

"Sonar humano" no es el mismo objetivo en todos los idiomas. La buena prosa académica sigue convenciones distintas:

• La redacción científica en coreano suele usar la terminación declarativa simple y un tono formal e impersonal.
• Los artículos en japonés suelen emplear el estilo escrito formal en lugar del estilo cortés oral, y la elección debe mantenerse coherente en todo el texto.
• La prosa académica en español y en francés tiende a preferir frases más largas y construcciones impersonales que en inglés parecerían recargadas.
• La escritura académica en chino tiene su propio repertorio de conectores formales y expresiones fijas, y abusar de ellos es una señal conocida de texto hecho con plantilla.

Una reescritura que suene a estilo inglés natural trasplantado a otro idioma fallaría ante los lectores y probablemente también ante los detectores. Cada idioma necesita su propio criterio sobre cómo es una frase académica limpia, además de cuidado con la terminología de cada campo, que a menudo mezcla términos locales con préstamos del inglés.

¿Turnitin y GPTZero detectan la IA en otros idiomas?

Algunos sí, en un conjunto limitado de idiomas. La guía del informe de escritura con IA de Turnitin indica como compatibles el inglés, el español, el japonés y el árabe, y un archivo en otro idioma no recibe informe de escritura con IA. Eso no equivale a un resultado limpio. La detección de Turnitin de texto parafraseado con IA o pasado por herramientas bypasser solo funciona en inglés.

Las preguntas frecuentes de GPTZero dicen que su modelo admite inglés, español, francés, alemán y otros idiomas, y Copyleaks afirma cubrir más de 30. Son declaraciones de los proveedores. Las pruebas independientes fuera del inglés son mucho más escasas que en inglés.

Si escribes en otro idioma, de esto se derivan tres puntos:

• Comprueba si el detector que usa tu universidad o la revista admite siquiera tu idioma.
• Ten en cuenta que las puntuaciones en un idioma recién incorporado se apoyan en menos pruebas que las del inglés.
• Cuidado con la traducción. En un estudio de 2023 sobre 14 herramientas, la escritura humana traducida automáticamente al inglés se clasificó correctamente unos 20 puntos menos que el texto escrito originalmente en inglés (consulta lo que encontró ese estudio).

Qué comprobaremos antes de activar un idioma

1. División en frasesLos borradores en ese idioma deben dividirse en frases tal como lo haría un lector.
2. Cobertura de detectoresNecesitamos saber cómo se comportan en ese idioma los detectores con los que comparamos.
3. Calidad del registroLas reescrituras deben leerse como prosa académica formal en ese idioma, no como inglés traducido.
4. Significado y términosLas cifras, las citas y la terminología del campo deben sobrevivir a la reescritura.

Un idioma pasa de "próximamente" a disponible solo cuando supera estas comprobaciones. Por eso tampoco prometemos fechas: el trabajo está terminado cuando está bien hecho.

Qué hacer mientras tanto

Si escribes en inglés como lengua adicional, el Humanizer ya te sirve hoy. Tu borrador se analiza frase por frase, solo se reescriben las frases marcadas y el resto queda tal como lo escribiste. Para quienes escriben un inglés sencillo que los detectores malinterpretan, suele ser la configuración más útil. Nuestro caso de estudio de un autor no nativo de inglés analiza esta situación con más detalle.

Si tu manuscrito está en otro idioma, espera al soporte nativo en lugar de traducirlo al inglés y de vuelta. Ese viaje de ida y vuelta por la traducción suele aplanar justo el registro que quieres conservar. Y escribas en el idioma que escribas, revisa la política sobre IA de tu institución o de la revista a la que envías antes de presentar un trabajo hecho con ayuda de IA.

Preguntas frecuentes

¿Puedo humanizar ya textos en coreano con Academic Humanizer?

Todavía no. Por ahora la entrada es solo en inglés. El coreano es uno de los cinco idiomas que llegarán próximamente, junto con el español, el chino, el japonés y el francés.

¿Cuándo llegarán los nuevos idiomas de entrada?

No hemos anunciado fechas. Cada idioma se activa cuando supera las comprobaciones descritas arriba.

¿El sitio web está disponible en mi idioma?

El sitio web y el blog están disponibles en inglés, coreano, japonés, chino simplificado, español, francés, alemán, hindi, italiano y portugués.

¿Por qué los detectores de IA son menos fiables con textos que no están en inglés?

La mayoría se desarrolló y probó principalmente en inglés. Una tokenización diferente y otras convenciones de escritura alteran las señales en las que se basan. Para más contexto, consulta cómo funcionan los detectores de IA.

Hacia más idiomas

Academic Humanizer existe para que las ideas propias de los investigadores no se etiqueten como texto de máquina. Ese problema no se acaba en el inglés, y el Humanizer tampoco lo hará. Por ahora, si tu borrador está en inglés, puedes procesarlo hoy mismo y ver frase por frase lo que detectan los detectores.