Detección de IA en la metodología: por qué el Humanizer no la tocó

Las secciones de métodos se comportan de otra manera ante la detección de IA. Pasamos por Humanizer v2 una sección de métodos de psicología redactada con IA, esperando una lista de frases marcadas. En cambio, todas las frases salieron no concluyentes, el veredicto del informe fue escrito por humanos y Humanizer v2 no cambió nada ni cobró nada.

Eso sí, los detectores no se pusieron de acuerdo entre ellos: tres de cinco modelos votaron IA y dos votaron humano. Este artículo explica qué significa esa división, por qué la produce la prosa de métodos y qué debería sacar en claro un autor de un proceso que deja el texto como está.

El texto

El borrador describe un experimento 2 x 2 entre sujetos sobre el encuadre del mensaje y la credibilidad de la fuente. Está repleto de los detalles que exigen las normas de presentación: criterios de inclusión, tamaño muestral y exclusiones, datos demográficos, diseño, aleatorización, materiales, medidas con su fiabilidad, compensación y aprobación ética. Así lo leyó el análisis por frases.

Participants were recruited through an online research platform and were required to be fluent in English and between 18 and 65 years of age. A total of 412 individuals completed the study, of whom 23 were excluded for failing two or more attention checks, resulting in a final sample of 389 participants (M age = 34.7, SD = 11.2; 52% female). The study employed a 2 x 2 between-subjects design, with message framing (gain vs. loss) and source credibility (high vs. low) as independent variables. Participants were randomly assigned to one of the four conditions using the platform's built-in randomization feature. After providing informed consent, participants read a short article about the benefits of regular physical activity, which was manipulated according to the assigned condition. Subsequently, they completed a series of validated measures, including the 7-item Intentions to Exercise Scale (alpha = .89) and a 5-item perceived credibility scale (alpha = .91). Finally, participants were debriefed and compensated with $2.50 for their time. The study protocol was approved by the university's Institutional Review Board, and all procedures were conducted in accordance with the Declaration of Helsinki.

Análisis real de nuestra prueba. Las ocho frases fueron no concluyentes: cada una se inclinaba ligeramente hacia la IA, pero ninguna se marcó.

Ocho frases, ocho marcas ámbar. Ninguna se leyó con seguridad como IA y ninguna se leyó con seguridad como humana.

Qué hizo Humanizer v2

1. Búsqueda de señales de IALas ocho frases no concluyentes; ninguna marcada.
2. Reescritura de las frases marcadasNo había frases marcadas, así que no cambió ninguna.
3. Nueva comprobación con detectores de IAMismo texto, mismo resultado: escrito por humanos, con tres de cinco modelos votando IA.
4. Guardado del resultadoCero cambios cuestan 0 créditos; de lo contrario, 1.214 caracteres serían 3.

Humanizer v2 reescribe las frases que marcan los detectores. No concluyente no es marcado, así que ninguna frase cumplía la condición. El resultado coincide con el texto de entrada carácter por carácter.

• Sección de métodos redactada con IA3 de 5
• Resultado de Humanizer v2 (sin cambios)3 de 5

Fuente: proceso de producción de Humanizer v2. Veredicto del informe en ambos casos: escrito por humanos.

Por qué la prosa de métodos se comporta así

Los detectores buscan texto más predecible de lo que la gente suele escribir. Las secciones de métodos rompen esa suposición, porque se supone que deben ser predecibles. Algunas razones por las que este texto queda en terreno intermedio:

• Las personas también escriben los métodos con plantillas. "Participants were randomly assigned to one of the four conditions" y "approved by the university's Institutional Review Board" son frases que miles de investigadores humanos han escrito casi palabra por palabra. Las normas de presentación empujan a todos hacia la misma estructura. Cuando el texto humano y el de máquina coinciden en la misma redacción, el detector tiene poco con lo que separarlos.
• Las cifras y la notación fragmentan la prosa. "M age = 34.7, SD = 11.2; 52% female" y "alpha = .89" no son el lenguaje fluido y encadenado con el que se ajustan los detectores. Diluyen cualquier señal estilística que aporten las palabras de alrededor.
• Hay poca inflación retórica. El borrador tiene algunos hábitos de máquina ("employed", "Subsequently", "a series of validated measures"), pero no hace afirmaciones sobre la importancia del estudio ni incluye "comprehensive" o "underscore". Esas son las expresiones que llevaron todas las frases de nuestro caso de estudio del resumen a la columna de marcadas.

La votación dividida encaja con ese panorama. Tres de cinco modelos se inclinaron por la IA en el texto completo, dos no, y ninguna frase dio a la comprobación por frases suficiente base para decidir. Para saber más sobre por qué los modelos discrepan justo en este tipo de texto, consulta por qué discrepan los detectores de IA y la detección de IA a nivel de frase.

Todas las cifras se quedaron exactamente donde estaban

En una sección de métodos, un proceso sin cambios es el resultado más seguro posible. No se reescribió nada, así que nada pudo desviarse:

Compáralo con una herramienta que lo parafrasea todo. Una sección de métodos tiene quizá una docena de cifras que no deben moverse, y una reescritura completa le da a cada una la oportunidad de quedar redondeada, reordenada o asociada a la variable equivocada. Nuestro artículo sobre cómo preservar el significado y las citas enumera qué revisar si un párrafo de métodos sí se reescribe.

Qué te dice este resultado y qué no

Este borrador se escribió con IA, y el informe lo calificó de escrito por humanos. Conviene decirlo con claridad, porque tiene dos caras.

• El veredicto de un detector no prueba la autoría. Los detectores estiman cómo se lee un texto. Se les escapa parte del texto de máquina y marcan parte del texto humano, sobre todo en géneros convencionales como los métodos. Consulta ¿se puede detectar de forma fiable el texto generado por IA?
• Declarar el uso de IA es otra cuestión. Que debas declarar la ayuda de IA depende de la política de tu revista o institución, no de lo que diga un detector. Un veredicto de escrito por humanos no cambia esa obligación. Revisa la política antes de enviar.
• Los detalles siguen siendo responsabilidad del autor. Redactar con IA puede producir datos concretos verosímiles pero erróneos: un coeficiente de fiabilidad de otro estudio, una declaración ética que no coincide con tu aprobación real. Comprueba cada valor con tus registros, digan lo que digan los detectores.

Si aun así quieres editar, bastan pequeños cambios manuales: "used" en lugar de "employed", "Then" en lugar de "Subsequently". Vuelve a comprobar después; el siguiente análisis te dirá si algo se movió.

La lección para las secciones de métodos

La prosa de métodos es la parte de un artículo donde redactar con IA causa menos daño estilístico y donde reescribir conlleva más riesgo factual. En este proceso, Humanizer v2 reconoció que no había nada marcado, dejó las ocho frases como estaban y no cobró nada. Para ver cómo se comportan las demás secciones de un artículo, consulta nuestra guía sección por sección sobre trabajos de investigación y detección de IA.

Así es como debe comportarse Academic Humanizer: analizar primero, reescribir solo las frases marcadas y mostrarte el resultado en el AI Detection Report, incluidas las no concluyentes, para que decidas qué necesita tu atención, si es que algo lo necesita.