Resumen de Inteligencia artificial vs.Turnitin: implicaciones para el plagio académico

Dariel Díaz Arce

• español

  El presente trabajo busca evaluar la utilidad de Turnitin para identificar trabajos realizados por herramientas de Inteligencia Artificial. El diseño fue experimental con dos grupos, uno experimental formado por 50 ensayos creados por ChatGPT y otro control, formado por 50 trabajos de los mismos temas creados por estudiantes de bachillerato. Se contrastaron los índices generales de similitud (IGS), la frecuencia de trabajos en riesgo de plagio (IGS ≥14 %) y la frecuencia trabajos con signos de plagio por copy-paste después de la revisión manual. El IGS promedio resultó ser mayor en los documentos entregados por los estudiantes (33 % vs. 19 % en ChatGPT). Aunque la frecuencia de trabajos en riesgo fue similar, la revisión manual solo pudo detectar el 24 % en aquellos creados por IA, respecto al 56 % de los realizados por los alumnos. Estos resultados plantean interrogantes sobre la utilidad de los programas “antiplagio” ante la nueva ola de herramientas digitales de generación de contenidos que puedan conducir a dilemas ético-legales referidos al derecho de autor, siendo el plagio IA el tema a debatir.

  PALABRAS CLAVE: plagio académico; ciberplagio; inteligencia artificial; herramientas antiplagio; educación.

• English

  Artificial intelligence vs. Turnitin: implications for academic plagiarism ABSTRACT The objective of this work was to evaluate the usefulness of Turnitin to identify essays written by Artificial Intelligence tools. The methodology used was experimental. The control group was made up of 50 academic essays written by high school students, while the experimental group was made up of 50 essays written by ChatGPT about the same topics. The general similarity indices (IGS), the frequency of works at risk of plagiarism (IGS ≥14%) and the frequency of works with signs of plagiarism by copy-paste detected after manual review were compared. The average IGS was higher in the documents delivered by the students (33% vs. 19% in ChatGPT). The frequency of documents at risk of plagiarism was similar in both groups, but after manual review, only 24% of those created by AI could be detected, compared to 56% of those created by students. These results raise questions about the usefulness of "anti-plagiarism" programs in the face of new digital content generation tools that can lead to ethical and legal dilemmas related to copyright, with AI plagiarism being the topic to be debated.

  KEYWORDS: academic plagiarism; cyber plagium; artificial intelligence; anti plagiarism tools; education