Le università che abbandonano il rilevamento dell’IA

Le università non stanno abbandonando il rilevamento dell’IA nel senso di rinunciare alla tecnologia. Quello che stanno abbandonando è la politica di trattare un punteggio IA come l’unica base per un’accusa di cattiva condotta accademica. Il passaggio va da «il punteggio è la prova» a «il punteggio è un elemento di prova che va esaminato più a fondo». Questo cambiamento non è un rifiuto di Turnitin. È un allineamento a ciò che dice la documentazione di Turnitin stessa.

La documentazione dell’AI Writing Report esprime la posizione senza giri di parole. Il punteggio «should not be used as the sole basis for adverse actions against a student.» (non dovrebbe essere usato come unica base per provvedimenti sfavorevoli a uno studente). Le università che richiedono prove aggiuntive prima di agire stanno seguendo le indicazioni del fornitore stesso.

La frase più importante per capire questa tendenza si trova nella documentazione dell’AI Writing Report. Turnitin dice:

«Our AI writing detection model may not always be accurate (it may misidentify human-written, AI-generated, and AI-paraphrased text), so it should not be used as the sole basis for adverse actions against a student.» (Il nostro modello di rilevamento della scrittura IA potrebbe non essere sempre accurato — può identificare male testi scritti da esseri umani, generati dall’IA e parafrasati dall’IA —, quindi non dovrebbe essere usato come unica base per provvedimenti sfavorevoli a uno studente.)

La frase successiva è da leggere per forza:

«It takes further scrutiny and human judgment in conjunction with an organization's application of its specific academic policies to determine whether academic misconduct has occurred.» (Servono un esame più approfondito e il giudizio umano, insieme all’applicazione da parte dell’istituzione delle sue politiche accademiche specifiche, per stabilire se ci sia stata una cattiva condotta accademica.)

Queste due frasi, lette insieme, descrivono esattamente il modello di politica che le università stanno adottando. Il punteggio avvia una verifica. Non la conclude. Uno studente non viene accusato per un numero. Uno studente viene sottoposto a verifica per un numero, e la verifica applica il giudizio umano e le politiche dell’istituzione prima di arrivare a qualsiasi conclusione.

La pagina di orientamento separata di Turnitin, Come dovrei esaminare l’AI Writing Report?, rafforza la stessa impostazione:

«It is not meant to provide definitive answers in isolation. More important than any tool is the educator who sees the score and makes decisions balancing this information with their personal knowledge of their students, their work, and institutional policy.» (Non ha lo scopo di fornire risposte definitive da solo. Più importante di qualsiasi strumento è il docente che vede il punteggio e prende decisioni bilanciando questa informazione con la sua conoscenza personale degli studenti, del loro lavoro e delle politiche dell’istituzione.)

La frase successiva su quella pagina rende esplicito l’uso previsto:

«When educators look at the AI writing score and utilize it as a single data point rather than a definitive response, then it is being used as intended.» (Quando i docenti guardano il punteggio di scrittura IA e lo usano come un singolo dato invece che come una risposta definitiva, allora viene usato come previsto.)

«A single data point rather than a definitive response.» (Un singolo dato, non una risposta definitiva.) È questa la frase. Le università che adottano questa impostazione non stanno sfidando Turnitin. Stanno facendo ciò per cui il fornitore dice che lo strumento è stato progettato.

Turnitin dice che il tasso di falsi positivi è sotto l’1%, ma i dettagli contano. Le FAQ dicono:

«We strive to maximize the effectiveness of our detector while keeping our false positive rate - incorrectly identifying fully human-written text as AI-generated - under 1% for documents with over 20% of AI writing.» (Cerchiamo di massimizzare l’efficacia del nostro rilevatore mantenendo il nostro tasso di falsi positivi — l’identificazione errata di testo interamente scritto da un essere umano come generato dall’IA — sotto l’1% per i documenti con oltre il 20% di scrittura IA.)

La frase successiva ripete il numero:

«In other words, we might flag a human-written document as AI-written for one out of every 100 fully-human written documents.» (In altre parole, potremmo segnalare come scritto dall’IA un documento scritto da un essere umano: uno ogni 100 documenti interamente scritti da esseri umani.)

La precisazione «for documents with over 20% of AI writing» (per i documenti con oltre il 20% di scrittura IA) è importante. L’obiettivo di stare sotto l’1% vale per i documenti che contengono una quantità significativa di testo IA. La frase che ripete il numero omette questa precisazione, ma l’affermazione originale non la omette.

Anche a 1 su 100, i conti diventano scomodi su larga scala. Un’università che gestisce 10.000 elaborati a semestre potrebbe vedere circa 100 documenti interamente scritti da esseri umani segnalati come generati dall’IA. Un’università che ne gestisce 75.000 potrebbe vederne 750. Non sono numeri astratti. Ognuno è uno studente che si trova davanti a un’accusa di cattiva condotta basata su uno strumento che la stessa Turnitin dice non dovrebbe essere l’unica base.

(La decisione della Vanderbilt University di disattivare il rilevatore IA è trattata in cosa significa un tasso di falsi positivi dell’1% quando un’università consegna 75.000 elaborati. Il punto, qui, è il quadro più ampio, non una singola istituzione.)

Tra i limiti noti del rilevatore, due spiegano perché le università stanno aggiungendo garanzie invece di rimuoverle.

Primo: i documenti brevi sono difficili per il modello. Le FAQ dicono:

«In shorter documents where there are only a few hundred words, the prediction will be mostly 'all or nothing' because we're predicting on a single segment without the opportunity to overlap.» (Nei documenti più brevi, dove ci sono solo poche centinaia di parole, la previsione sarà per lo più «tutto o niente», perché prevediamo su un singolo segmento senza possibilità di sovrapposizione.)

La frase successiva:

«This means that some text that is a mix of AI-generated and original content could be flagged as entirely AI-generated.» (Questo significa che una parte del testo che mescola contenuto generato dall’IA e contenuto originale potrebbe essere segnalata come interamente generata dall’IA.)

Per un corso costruito attorno a brevi elaborati di risposta, questo è un problema reale. Una riflessione di 300 parole scritta in parte con l’aiuto dell’IA potrebbe essere segnalata come generata al 100% dall’IA.

Secondo: il fornitore ammette di scambiare copertura con precisione. Le FAQ dicono:

«In order to maintain this low rate of 1% for false positives, there is a chance that we might miss some AI written text in a document. We're comfortable with that since we do not want to incorrectly highlight human-written text as AI-written. For example, if we identify that 50% of a document is likely written by an AI tool, it could contain as much as 65% AI writing.» (Per mantenere questo basso tasso dell’1% di falsi positivi, c’è la possibilità che ci sfugga una parte del testo scritto dall’IA in un documento. Ne siamo tranquilli, perché non vogliamo segnalare erroneamente come scritto dall’IA un testo scritto da un essere umano. Per esempio, se identifichiamo che il 50% di un documento è probabilmente scritto da uno strumento di IA, potrebbe contenere fino al 65% di scrittura IA.)

Questo significa che il rilevatore è prudente per progetto. Preferisce lasciarsi sfuggire del testo IA piuttosto che accusare ingiustamente chi scrive. Le università preoccupate per le accuse infondate possono trarre un certo conforto da questa scelta progettuale. Ma la scelta significa anche che un punteggio pulito non è la prova che l’IA non c’entrasse. Significa che lo strumento non ha segnalato nulla sopra la sua soglia.

Un fatto che complica la narrazione delle «università che abbandonano il rilevamento dell’IA» è che il fornitore lo strumento non lo sta abbandonando. Le FAQ dicono:

«In July 2026, we updated our model architecture to consolidate a multi-model ensemble into a single model. This update improves and simplifies the AI writing report, maintaining a less than 1% false positive rate.» (Nel luglio 2026 abbiamo aggiornato l’architettura del nostro modello per consolidare un insieme di più modelli in un unico modello. Questo aggiornamento migliora e semplifica il rapporto sulla scrittura IA, mantenendo un tasso di falsi positivi inferiore all’1%.)

Il modello è in sviluppo attivo. Il consolidamento del luglio 2026 ha semplificato l’architettura mantenendo l’obiettivo sui falsi positivi. Le università stanno adattando le loro politiche attorno a uno strumento in cui il fornitore continua a investire. La tecnologia non sta scomparendo. La risposta istituzionale si sta facendo più matura.

Quello che si vede nelle istituzioni non è una scelta binaria tra «usare il rilevamento» e «non usare il rilevamento». Il modello è più preciso. Le università stanno attraversando, in linea generale, tre fasi.

Fase uno: il punteggio è trattato come prova sufficiente per accertare una cattiva condotta. È l’approccio dell’«unica base». La documentazione di Turnitin stessa dice che questo non è l’uso che si dovrebbe fare dello strumento.

Fase due: il punteggio attiva un processo di verifica che richiede prove aggiuntive. La verifica può includere un colloquio con lo studente, un confronto con lavori precedenti o un controllo della storia delle bozze. È l’approccio della «prova supplementare». È in linea con l’affermazione delle FAQ secondo cui il punteggio «should not be used as the sole basis» (non dovrebbe essere usato come unica base) e «it takes further scrutiny and human judgment.» (servono un esame più approfondito e il giudizio umano).

Fase tre: l’istituzione disattiva completamente il rilevatore IA. È raro. La decisione di Vanderbilt è l’esempio più citato, ma la maggior parte delle istituzioni che hanno riconsiderato le proprie politiche si è fermata alla fase due, non alla fase tre.

La tendenza va verso la fase due. Le università tengono lo strumento e aggiungono garanzie procedurali — che nella tua istituzione l’indicatore IA sia acceso o meno dipende da cosa hanno acquistato. Non stanno abbandonando il rilevamento. Stanno chiedendo che un punteggio sia trattato per quello che Turnitin dice che è: un singolo dato, non una risposta definitiva.

Se sei uno studente, la conseguenza pratica è questa. Un punteggio IA alto sul tuo elaborato non significa automaticamente un’accusa. In un numero crescente di istituzioni il punteggio apre una conversazione, non emette un verdetto, e cosa viene detto al tuo docente di fare quando la tua percentuale IA è alta è messo per iscritto dal fornitore. Tieni le tue bozze, tieni la cronologia delle versioni e sii pronto a spiegare il tuo processo di scrittura se ti viene chiesto.

Se insegni, la conseguenza è che la documentazione di Turnitin stessa sostiene già questo cambio di politica. Le FAQ dicono che il punteggio «should not be used as the sole basis for adverse actions.» (non dovrebbe essere usato come unica base per provvedimenti sfavorevoli). La pagina di orientamento alla verifica dice che è «a single data point rather than a definitive response.» (un singolo dato, non una risposta definitiva). Non devi difendere una politica della prova supplementare come se fosse un allontanamento dalle indicazioni del fornitore. È l’indicazione.

Se hai un elaborato che è stato segnalato e vuoi rivederlo prima di consegnarlo, puoi importare il report di Turnitin e lavorare solo sui passaggi che ha evidenziato.